如何根据 Shopify 销量数据预测库存

库存预测是把明确的历史需求转换成补货规划假设。好模型会展示观察窗口、字段、排除项和不确定性；它不会从一次平均值推断真实需求，也不会保证 SKU 不缺货。

Shopify 库存补货计划器会在浏览器中读取库存和销量 CSV。它可以使用简单平均、在有日期销量行时使用近期加权，或先乘以手工季节系数，再把结果带入交期、安全库存、MOQ 和装箱倍数计算。

先固定需求口径

为第一轮分析选择一个观察期，并让所有 SKU 使用相同天数。记录销量是否扣除了取消订单，以及退货如何处理。商品应按 SKU 或 Handle 加选项值匹配，不要按商品标题连接变体。

基线公式为：

基线平均日销量 = 观察期销量 ÷ 观察天数

如果某 SKU 60 天卖出 120 件，基线就是每天 2 件。这是描述性速率，本身还不是预测。

三种透明的需求方法

简单平均使用明确观察期的基线，适合聚合的 sku, units_sold 文件，容易复核。

近期加权平均需要可解析的销量日期列。计划器给选定近期窗口 60% 权重，基线 40% 权重。如果近期 30 天卖出 90 件，近期速率为 3，而基线为每天 2 件，则加权预测为 3 × 0.6 + 2 × 0.4 = 每天 2.6 件。

手工季节系数将基线乘以 0.1–5 的系数。系数 1.25 表示按日需求增加 25% 规划，应记录促销或季节窗口等依据。它不是机器学习预测。

工具会显示纳入行数、缺失日期和零需求 SKU。无效日期不会静默当作近期数据；零需求会进入人工复核，不会显示无限覆盖。

将预测带入补货公式

补货点 = 预测日销量 ×（交期天数 + 安全库存天数）

目标库存 = 预测日销量 ×（交期天数 + 安全库存天数 + 复核周期）

初始建议数量 = max(0, 目标库存 − 可用库存)

正数缺口随后会按供应商 MOQ 和装箱倍数向上取整。若预测日销量为 2.6，交期 14 天，安全库存 7 天，复核周期 7 天，目标库存为 2.6 × 28 = 72.8 件。可用库存为 20 件时，初始缺口 52.8 件；装箱倍数为 12，则建议采购 60 件。

下单前复核结果

先检查风险最高的行，再在工具外确认未结采购单、入库时间、供应商限制、促销、新品和地点差异。把预测与近期周销量和较慢速的基线比较；单一方法可能掩盖需求突然变化。

保存缺失日期、排除行、重复 key、零需求和季节系数依据。如果销量是全店数据而库存是地点数据，应把结果当作筛查估计，并尽量使用地点级销量。

常见问题

什么是库存预测？

库存预测是为采购或产能规划建立的未来需求估计。它应展示数据窗口和假设，方便团队复核与调整。

平均预测可以防止缺货吗？

不能。促销、季节性、供应商延迟、丢失销售、退货和需求变化都会使实际销量不同。应把预测作为一个规划输入，条件变化时重新检查。

为什么零需求不显示无限覆盖？

库存除以零需求没有有意义的有限结果。计划器会提示人工复核销量期间、SKU 匹配和新品状态。