怎样做电商的销量预测模型( 二 )
2.上线之后的迭代，根据实际的A/B testing和业务人员的建议改进模型
从上图可以看出，在此案例中，svm和随机森林算法模型的预测误差最小，运用3种方法预测某商品的销量，其可视化图形如下： 【怎样做电商的销量预测模型】 
可以看出，销量的预测值的趋势已经基本与真实销量趋势保持一致，但是在预测期较长的区间段，其预测值之间的差别较大。
评估效果不能只看销量，要综合考虑，需要参考业务对接、预测精度、模型可解释性和产业链整体能力等因素综合考虑；不能简单作为企业利润增加的唯一标准。我们的经验是，预测结果仅作为参考一个权重值，还需要专家意见，按照一定的权重来计算。
展望除了以上列举的一些方法，tecdat(a)已经在尝试更复杂的销售预测模型，如HMM、深度学习（Long Short-Term Memory网络、卷积神经网络（CNN））等；同时需要考虑到模型的可解释性、可落地性和可扩展性、避免“黑箱”预测；还在尝试采用混合的机器学习模型，比如GLM+SVR，ARIMA + NNET等。
销售预测几乎是商业智能研究的终极问题，即便通过机器学习算法模型能够提高测试集的预测精度，但是对于未来数据集的预测，想做到精准预测以使企业利润最大化，还需要考虑机器学习模型之外的企业本身因素。比如，企业的整体供应链能力等，如何将企业因素加入到机器学习模型之中，是未来预销售预测的一个难点与方向。因此，要想解决销售预测终极问题还有一段路要走。
版权声明：为拓端数据原创文章，未经允许不得转载！
【拓端数据http://tecdat.cn】第三方数据服务提供商,提供全面的统计分析与数据挖掘咨询服务,为客户定制个性化的数据解决方案与行业报告等。
QQ交流群：186388004
微信客服号：lico_9e
拓端数据研究室|TRL在微信上关注我们
■网友
平台前期做过一篇文章，以京东为案例，并回溯了实践中所使用到的需求预测的方法，现将文章作为回答，希望能给问者带来帮助。
原文链接：【OM】电商如何做准预测—京东案例学习
关于京东中国最大的零售平台之一，总用户超3亿，90%的订单可实现“当日或次日”送达，腾讯、沃尔玛和谷歌的战略合作伙伴。从2012年到2018年第一季度销售额逐年增长，覆盖全国99%的地区，共有超过500家仓库。
全球电商概况截止2017年，全球三大电商市场分别为：美国，超4千亿销售额；中国，超6千亿销售额；英国，超1千亿销售额。
未来的零售市场将更加的个性化，接入方式也将从手机或电脑过渡到随时随地的接入，产品和顾客将实现双向信息流。零售业所面临的也不再局限于顾客期望时间、开架式和主题商店、市场创新的竞争，未来的零售将是电子化市场。通过大数据分析更好的了解顾客，将产品和客户更好的链接在一起，打造更快更经济的供应链网络，是实现随时随地订购产品和服务，提供个性化的设计、生产、交付的最佳方案。
推荐阅读
- 聪明人养花，这3种“花”怎样也要养一盆，每年能省不少医药费
- 广西鹿寨贫困户玩直播带货变身创业新星以电商帮老乡卖滞销农产品
- 互联网怎样解决“家政服务上门速度慢”的问题
- 怎样看待从1月8号起，QQ钱包开始提现收费
- 银行it人怎样转型
- 汽车知识|凯美瑞2.0L落地近22万，动力差，优惠少，但就是销量高！
- 销量|同比增长174.6% 威马汽车11月销量达3,018辆
- 汽车|冬天怎样让车内温度快速升高？座椅加热的最佳使用方式二，外循环的作用总结
- 怎样进入通信行业
- 怎样评价扶他柠檬茶的小说《云养汉》的结尾