图5-19　门店销售预测三步走

第一步：数据处理。

数据处理是最重要的一步，日常作业中如果你采用了补货计划软件，一般它都会有这样的功能，这就不需要每天手工来做数据处理。笔者此处仅介绍一下数据处理的必要性和基本原理。门店的销售会受多重因素的影响而产生波动，有些波动是季节性、周期性波动，未来还会发生，而有些波动并不是。比如，门店促销活动会增加所促销的商品的销售，促销活动结束了，它的销售会回落；货架上缺货（可能是因为后仓缺货，也可能是因为没有及时上架）会导致销售下降，补充上架后销售又会恢复；门店偶然接到一个大的团购订单，导致销售激增；门店关店或者周边因为施工交通封闭，客流无法到店里导致某一天或者持续几天销售特别低。上述情况非常偶然，在未来较少重复出现。如果我们基于这样的历史销量做预测，很容易出现问题。比如，促销带来增量后，我们按照这个量预测未来的销售，未来如果没有促销，就会导致预测的销售过大，补货过多；库存缺货导致销售降低，如果我们按照历史数据预测，会导致预测的销售变少，按照这个量进行备货，库存会不足，会导致新的缺货，又会导致部分消费者买不到，这样偶然的一两次缺货就变成了持续的缺货。在进行销售预测之前，一定要把这部分受到影响的波动找出来，把历史销售数据还原成基准销售。

以促销为例来说明如何进行数据处理。如图5-20所示，门店在第7、8、9这三周有促销活动，导致销售大幅增加，最后导致第14周的预测销售偏高。这时可以参考历史同期没有促销时的量级，或者参考图5-19　门店销售预测三步走

第一步：数据处理。

数据处理是最重要的一步，日常作业中如果你采用了补货计划软件，一般它都会有这样的功能，这就不需要每天手工来做数据处理。笔者此处仅介绍一下数据处理的必要性和基本原理。门店的销售会受多重因素的影响而产生波动，有些波动是季节性、周期性波动，未来还会发生，而有些波动并不是。比如，门店促销活动会增加所促销的商品的销售，促销活动结束了，它的销售会回落；货架上缺货（可能是因为后仓缺货，也可能是因为没有及时上架）会导致销售下降，补充上架后销售又会恢复；门店偶然接到一个大的团购订单，导致销售激增；门店关店或者周边因为施工交通封闭，客流无法到店里导致某一天或者持续几天销售特别低。上述情况非常偶然，在未来较少重复出现。如果我们基于这样的历史销量做预测，很容易出现问题。比如，促销带来增量后，我们按照这个量预测未来的销售，未来如果没有促销，就会导致预测的销售过大，补货过多；库存缺货导致销售降低，如果我们按照历史数据预测，会导致预测的销售变少，按照这个量进行备货，库存会不足，会导致新的缺货，又会导致部分消费者买不到，这样偶然的一两次缺货就变成了持续的缺货。在进行销售预测之前，一定要把这部分受到影响的波动找出来，把历史销售数据还原成基准销售。

以促销为例来说明如何进行数据处理。如图5-20所示，门店在第7、8、9这三周有促销活动，导致销售大幅增加，最后导致第14周的预测销售偏高。这时可以参考历史同期没有促销时的量级，或者参考促销日期前后4周的销售的平均值来对其进行“平滑”处理。比如促销周平均销售是127，其余各周的平均销售是38，可以把促销周的销售平滑为38。

图5-20　清洗促销带来的增量

再看一个断货的例子。如图5-21所示，门店在第7、8、9这三周由于缺货导致销量很低甚至没有，如果第14周的销售预测按照近7周的平均销量来做，会导致预测量偏低进而导致补货偏低，最终销售真的就越来越小了。为此需要把第7、8、9这三周的销售补齐，可以用去年同期的销售结合今年的增长率进行推算，然后进行补齐，也可以用最近3～7周的平均数据进行补足。促销日期前后4周的销售的平均值来对其进行“平滑”处理。比如促销周平均销售是127，其余各周的平均销售是38，可以把促销周的销售平滑为38。

图5-20　清洗促销带来的增量

再看一个断货的例子。如图5-21所示，门店在第7、8、9这三周由于缺货导致销量很低甚至没有，如果第14周的销售预测按照近7周的平均销量来做，会导致预测量偏低进而导致补货偏低，最终销售真的就越来越小了。为此需要把第7、8、9这三周的销售补齐，可以用去年同期的销售结合今年的增长率进行推算，然后进行补齐，也可以用最近3～7周的平均数据进行补足。图5-21　清洗缺货带来的销售异常

数据处理还有很多方法，如果门店经营的品类多或者SKU多，逐个处理就会非常复杂且效率低下。

第二步：基准销售预测。

门店的基准销售是基准流量驱动的，基准流量不受日期、天气的影响，也不受促销事件的影响，它是有规律可循的。

●客流量预测与营业额预估法

客流是门店生意的根基，监控门店客流的手段也在不断进步，从最早的门店门口的红外装备到手机热点探测，再到现在的摄像头盘点，越来越多的零售门店采用了类似系统。随着数据的丰富和准确，图5-21　清洗缺货带来的销售异常

数据处理还有很多方法，如果门店经营的品类多或者SKU多，逐个处理就会非常复杂且效率低下。

第二步：基准销售预测。

门店的基准销售是基准流量驱动的，基准流量不受日期、天气的影响，也不受促销事件的影响，它是有规律可循的。

●客流量预测与营业额预估法

客流是门店生意的根基，监控门店客流的手段也在不断进步，从最早的门店门口的红外装备到手机热点探测，再到现在的摄像头盘点，越来越多的零售门店采用了类似系统。随着数据的丰富和准确，经营分析人员可以采用越来越多的手段，从越来越多的角度来分析客流量的影响因素，帮助企业做出门店层面营销计划和经营计划的建议。

线下门店的客流量受多重因素的影响，主要的影响因素有天气、星期日期、营销活动。这些因素对客流量影响的程度可以通过统计模型测算出来，我们以简单的例子来说明测算的基本原理。以天气为例，如图5-22所示，雨雪天气出现时，影响人们的出行，进而影响客流量。如果店员或者总部的计划人员能了解天气如何影响客流量，他们就能够更加精准地“猜测”下一次类似天气情况下客流量会是怎样的，笔者用“猜测”这个词是因为天气本身也是预测出来的，也有精度的问题，运营中不一定要追求0.99的精度，只要比人工做的有提高，就可以采纳。

图5-22　天气与客流量的关系示意图

如何精准地“猜测”呢，可以拿历史上的数据来分析，表5-5所经营分析人员可以采用越来越多的手段，从越来越多的角度来分析客流量的影响因素，帮助企业做出门店层面营销计划和经营计划的建议。

线下门店的客流量受多重因素的影响，主要的影响因素有天气、星期日期、营销活动。这些因素对客流量影响的程度可以通过统计模型测算出来，我们以简单的例子来说明测算的基本原理。以天气为例，如图5-22所示，雨雪天气出现时，影响人们的出行，进而影响客流量。如果店员或者总部的计划人员能了解天气如何影响客流量，他们就能够更加精准地“猜测”下一次类似天气情况下客流量会是怎样的，笔者用“猜测”这个词是因为天气本身也是预测出来的，也有精度的问题，运营中不一定要追求0.99的精度，只要比人工做的有提高，就可以采纳。

图5-22　天气与客流量的关系示意图

如何精准地“猜测”呢，可以拿历史上的数据来分析，表5-5所示为某个门店近期5个晴天的周一的客流量数据和5个雨天的周一的客流量数据，把它们匹配起来。假设你知道下周一是雨天，那就可以根据上一次晴天的周一的客流量，预测下周一的客流量了。

表5-5　晴雨天客流量变化示意

注：表中客流量数据只入不舍。

对于星期日期对客流的影响，如表5-6所示，可以把过去一周内每天的客流量，以及过去一个月内星期日期的平均客流量和过去三个月内星期日期的平均客流量统计出来，计算出相应的日均客流量，然后再用统计的这些客流量及平均客流量除以计算得出的日均客流量，最终可以得到相应的客流量日期指数。

表5-6　星期日期对客流的影响示意示为某个门店近期5个晴天的周一的客流量数据和5个雨天的周一的客流量数据，把它们匹配起来。假设你知道下周一是雨天，那就可以根据上一次晴天的周一的客流量，预测下周一的客流量了。

表5-5　晴雨天客流量变化示意

注：表中客流量数据只入不舍。

对于星期日期对客流的影响，如表5-6所示，可以把过去一周内每天的客流量，以及过去一个月内星期日期的平均客流量和过去三个月内星期日期的平均客流量统计出来，计算出相应的日均客流量，然后再用统计的这些客流量及平均客流量除以计算得出的日均客流量，最终可以得到相应的客流量日期指数。

表5-6　星期日期对客流的影响示意