注：客流量数据非整数的，小数点后只入不舍，单位略。

表5-6中有三个客流量日期指数，可以按照加权的方式，比如过去一周的权重为50%，过去一个月的为30%，过去三个月的为20%，计算出最终的客流量日期指数。有了客流量日期指数，接下来就可以用上一周的日均客流乘以每一天的客流量日期指数，预测下一周每一天的客流量。

接着分析购买客户数、客流量、转化率与日期的关系，如图5-23所示，购买客户、客流量和转化率在周与周之间也有不同的变化。找到它们之间的关系后，结合未来的客流量可以预测未来的购买客户，再乘以平均客单价就可以预测出营业额。注：客流量数据非整数的，小数点后只入不舍，单位略。

表5-6中有三个客流量日期指数，可以按照加权的方式，比如过去一周的权重为50%，过去一个月的为30%，过去三个月的为20%，计算出最终的客流量日期指数。有了客流量日期指数，接下来就可以用上一周的日均客流乘以每一天的客流量日期指数，预测下一周每一天的客流量。

接着分析购买客户数、客流量、转化率与日期的关系，如图5-23所示，购买客户、客流量和转化率在周与周之间也有不同的变化。找到它们之间的关系后，结合未来的客流量可以预测未来的购买客户，再乘以平均客单价就可以预测出营业额。图5-23　购买客户、客流量、转化率与日期的关系示意图

●基本预测法

基本预测法是最简单的一种预测方法，它认为销售一件接下来还会卖一件，销售两件接下来还会卖两件，预测量就等于销售量。这种方法适用于珠宝首饰、手表等销售非常稀疏的商品，这类商品销售速度慢，不能补太多货，按需补充能够控制库存和资金风险，它对应的补货方法是“销一补一”。

●总量分解法

总量分解法适用于门店销售由多个品类、多种商品构成，同时同一个品类内的商品之间有替代性的情况。比如某个品类内有A、B两图5-23　购买客户、客流量、转化率与日期的关系示意图

●基本预测法

基本预测法是最简单的一种预测方法，它认为销售一件接下来还会卖一件，销售两件接下来还会卖两件，预测量就等于销售量。这种方法适用于珠宝首饰、手表等销售非常稀疏的商品，这类商品销售速度慢，不能补太多货，按需补充能够控制库存和资金风险，它对应的补货方法是“销一补一”。

●总量分解法

总量分解法适用于门店销售由多个品类、多种商品构成，同时同一个品类内的商品之间有替代性的情况。比如某个品类内有A、B两种商品，客户在商品A缺货的情况下，购买商品B。当做单品预测时，认为A缺货了，所以销量应该补全，而B销量增加，所以预测可能会被放大，导致品类的总需求平白无故地被放大了。可见按照单品做预测是不合理的，这种情况适合做总量预测，然后按照历史上各个单品的销量比例分解得到各个单品的预测销售量。最典型的是餐饮零售，客户的饭量是有限的，不可能吃下所有的菜品，点了红烧肉可能就不点红烧排骨。这时通过分析门店的历史销售，结合未来销售额预测，分解得到每种原料的预测用量。在餐饮行业，销售额与原料用量之间的关系可以用“千元用量”来表示，它是指通过历史数据测算出来的每发生1000元销售额，所需要的某种原料的数量。假设昨天门店的营业额是5000元，昨天消耗了10千克精瘦肉，那么精瘦肉的千元用量=10/（5000/1000）=2（千克/千元）。如果你明天估计会做6000元的生意，那么就需要12千克精瘦肉。如果考虑到时间和气候的影响，做得再仔细一点，还可以按照不同的月份、周甚至天来计算不同的千元用量，能够得到更为精确的结果。

对于以一个品类来满足消费者需求的零售商，比如超市，也可以采用这种方法。超市中口腔清洁这个品类里有多种商品，但每种的销售速度都没那么快，单独预测每个SKU是比较困难的，但它们汇总起来，数据量就变大了，可预测性就提高了。从总量上预测完之后，按照历史销售比例，可以分解得到每个单品的销量预测。

●平均销量预测法

平均销量预测法通过单品历史的销量测算出每日平均销量，再结合补货周期计算出补货周期内的需求。这种方法适用于需求平稳，波种商品，客户在商品A缺货的情况下，购买商品B。当做单品预测时，认为A缺货了，所以销量应该补全，而B销量增加，所以预测可能会被放大，导致品类的总需求平白无故地被放大了。可见按照单品做预测是不合理的，这种情况适合做总量预测，然后按照历史上各个单品的销量比例分解得到各个单品的预测销售量。最典型的是餐饮零售，客户的饭量是有限的，不可能吃下所有的菜品，点了红烧肉可能就不点红烧排骨。这时通过分析门店的历史销售，结合未来销售额预测，分解得到每种原料的预测用量。在餐饮行业，销售额与原料用量之间的关系可以用“千元用量”来表示，它是指通过历史数据测算出来的每发生1000元销售额，所需要的某种原料的数量。假设昨天门店的营业额是5000元，昨天消耗了10千克精瘦肉，那么精瘦肉的千元用量=10/（5000/1000）=2（千克/千元）。如果你明天估计会做6000元的生意，那么就需要12千克精瘦肉。如果考虑到时间和气候的影响，做得再仔细一点，还可以按照不同的月份、周甚至天来计算不同的千元用量，能够得到更为精确的结果。

对于以一个品类来满足消费者需求的零售商，比如超市，也可以采用这种方法。超市中口腔清洁这个品类里有多种商品，但每种的销售速度都没那么快，单独预测每个SKU是比较困难的，但它们汇总起来，数据量就变大了，可预测性就提高了。从总量上预测完之后，按照历史销售比例，可以分解得到每个单品的销量预测。

●平均销量预测法

平均销量预测法通过单品历史的销量测算出每日平均销量，再结合补货周期计算出补货周期内的需求。这种方法适用于需求平稳，波动幅度不大，季节性不强的商品。这类商品的需求比较平稳，用简单的方法做预测直观且容易理解，对于门店的店员来讲可操作性强。如表5-7和图5-24所示，我们可以用历史上过去13天的平均销量来预测第14天的销量，把前13天的销量相加，然后除以13，得到平均每天的销量，将该平均销量作为第14天的预测销量。具体用多长时间的历史数据，取决于商品销售的特征，我们可以把历史销售数据都整理出来看一下，看看在一定范围内销售的波动持续了多长时间。

表5-7　按照历史上过去13天的平均销量来预测动幅度不大，季节性不强的商品。这类商品的需求比较平稳，用简单的方法做预测直观且容易理解，对于门店的店员来讲可操作性强。如表5-7和图5-24所示，我们可以用历史上过去13天的平均销量来预测第14天的销量，把前13天的销量相加，然后除以13，得到平均每天的销量，将该平均销量作为第14天的预测销量。具体用多长时间的历史数据，取决于商品销售的特征，我们可以把历史销售数据都整理出来看一下，看看在一定范围内销售的波动持续了多长时间。

表5-7　按照历史上过去13天的平均销量来预测图5-24　按照历史上过去13天的平均销量来预测

实践中，几乎不存在需求完全没有波动的商品，就算是满足基本需求的商品其需求也会有一定程度的波动。比如每逢周末，客流量变大，销售就会放大，过了周末，需求会有所回落，这时上述方法就需要进行一些调整。比如只看历史上过去13周每周日的销量，然后将其平均销量作为下个周日的预测销量，如表5-8和图5-25所示。

表5-8　用历史上过去13周每周日的销量来预测下一个周日的销量图5-24　按照历史上过去13天的平均销量来预测

实践中，几乎不存在需求完全没有波动的商品，就算是满足基本需求的商品其需求也会有一定程度的波动。比如每逢周末，客流量变大，销售就会放大，过了周末，需求会有所回落，这时上述方法就需要进行一些调整。比如只看历史上过去13周每周日的销量，然后将其平均销量作为下个周日的预测销量，如表5-8和图5-25所示。

表5-8　用历史上过去13周每周日的销量来预测下一个周日的销量