一个双十一销售额预测方法和思路

马上又是双十一了，很多小伙伴估计都在加班备战。这时查数姑们，很有可能被问到：来预测下双十一的销售额，怎么办呢？今天分享个懒人心得。

注意：如果预测的时候，有很多数据可以用，还是有可能预测准确的，但是更多情况下，都是领导扔过来几个过往几年的数字，类似下边这种，然后让我们预测。数字这么少，怎么办呢？

只能死马当活马医了。走起！

预测基本思路

预测分作四步

• 1.选择模型
• 2.训练模型
• 3.检验效果
• 4.得出结论

我们一步步来

第一步：选择模型

预测有两种基本方法：

1.基于因果关系的预测，比如已知客户的人数、喜好、需求来预测销量

2.基于时间序列的预测，比如已知过去几年销售结果，推测下一年

边的问题里，显然只有孤零零的几个过往年份的数字，因此只能用时间序列预测啦。

时间序列预测有三种基本时间形态（如下图）

这个数据显然更符合趋势型特点，那就直接用趋势拟合搞起。

第二步：训练模型

数据少的情况下，直接用excel的趋势线拟合。拟合的时候注意：判断拟合曲线是否合理，并不是只看R平方，而是要关注拟合出的曲线是否符合真实走势，因此以下四种明显不符合走势的，可以直接排除掉（如下图）

留下三种相对看着靠谱的进行检验（如下图）

第三步：检验效果

把公式写好，可以计算出历年的拟合数据，与预测整体的MSE值，之后选择一个MSE值较小的。计算结果如下：

看起来乘幂的结果相对靠谱，那么就用这个公式吧

第四步：得出结论

代入乘幂的计算公式，可以得出2021年（第13期数据）的预测结果。

后记

那么是不是这么预测的就可以交差了呢？当然不是！稍微细心一点的小伙伴就会发现：用乘幂的预测结果，历史数据都不是很准！只有2020年一年误差小于10%，剩下几年都是百分之好几十的误差，根本不靠谱吗。

为什么会这样？因为牢记预测的基本原理：所有的预测，都是假设过去的情况未来会再度出现。而事实并没有这么简单。

比如我们把天猫历年双十一的数据做一个对比，计算期历年同比增长率，会发现：这里有明显3个趋势：

• 趋势1：2010到2013年，极其快速发展（意味着需要用乘幂/指数预测）
• 趋势2：2014到2019年，增长趋稳（意味着可以用多项式/线性预测）
• 趋势3：2020年，突然暴涨（其实是因为改了规则，实际上统计的是11月1到11日的销量，理论上已经不能和历史数据合并预测，但是死马当活马医吗）
  
  

所以在现实中，是很难用一套模型来预测各种情况的，特别是改了规则的情况下，更无法准确预测。理论上，如果有比如购买用户数，购买用户在各品牌/商品品类分布，重复购买率等进一步的数据，是可以尝试其他预测方法的，但好死不死，并没有这些数据，所以也就只能这样了。

这些问题都在提醒小伙伴们：不要盲目迷信所谓模型，模型本身没有什么神奇的力量，多收集数据，掌握真实准确的数据才是王道。

当然可能有小伙伴会说：你都不多做几个变量，搞搞逐步回归，提升下效果什么的吗。额，这篇本来就是懒人攻略吗。有精力的小伙伴们可以再试试哦，期待大家做的更好。

--------   往 期 推 荐  ----------

▼

• [PPT福利领取】分享一些高大上、有逼格的PPT模板

• 大数据分析方法及工具应用(埃森哲).PPT（附下载）
  

• [数据产品笔记】二、数据可视化设计规范
  

• 2021年让我们做个深度思考的人

• 超级PPT福利贴 | 免费PPT素材资源领取

• [阿里首次公开]-数据中台实践完整版（附下载）

• 用过往的经历，聊聊数据分析这个职业