时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络
小提示:您能找到这篇{不会写模型代码?可以这么来做销量预估}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的不会写模型代码?可以这么来做销量预估内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您! |
工作中为了对业务未来的发展有个大致的评估与掌握,经常需要对下月、下个季度、明年等做预测,往往需要预测模型的参与,为公司抓住未来的机遇做铺垫策。那么对于不会写代码跑模型的产品经理,怎么来做预估呢? 本文以三个案例着手,来给大家讲一下。 一、案例一:Excel操作方式来预测根据历史月度销量预测2021-09、信息流有哪几个10、11、12月的销量数据。 先看下散点图,大致浏览下是否存在极值(若有,则排除掉)以及两个变量之间是否存在关联趋势: 拟合注意事项:
拟合出的结果如下,多项式公式如图中所示: 给数据源增加一列辅助列; 将21、22、23、24分别带入y = -0.5908x^3 + 19.576x^2 – 73.697x + 2128.3 则得到2021-09、10、11、12月的预测销量。 二、案例二:Tableau操作方式来预测数据源如下: 操作步骤步骤1:先将月份拉列,销量拉行,制作出折线图。数据源中“月份”是文本格式,需改成日期格式。 步骤2:点击列上的“月份”,改成离散。 步骤3:点击折线图选择“显示趋势线”。 点击折线图表,选择“编辑所有趋势线”,可以看到该预测模型为“线性”预测。 点击折线图表,选择“描述趋势模型”,可以看到该“线性”预测的R平方值。 步骤4:按照步骤3的方法,选择“编辑所有趋势线”依次选择“线性”、“指数”、“多项式”2度、“多项式”3度,并查看对应的R平方值,选择其中R平方值最靠近1 的模型来作为最终的预测模型。 可以看到:“线性”预测R方为: “指数”预测R方为: 2度“多项式”预测R方为: 3度“多项式”预测R方为: 综合对比得出:3度“多项式”预测模型R方更接近1,因此最终采取该预测模型。 步骤5:鼠标移动到趋势线上,可以看到拟合公式如下,如案例一中给数据源添加一列辅助列,并将需要预测的月份的辅助列的数字代入公式中,即可得到预测销量。 另外说明:Tableau自带预测功能,但是在本案例中不采用,原因如下: 将月份上的“精确日期”去掉,格式选择月份,点击折线图选择“显示预测”。 结果如下图: 再点击图表选择“预测描述”,可以发现该自动预测模型用的是“指数平滑法”,然而在上述步骤的拟合中发现指数相关预测方法的R方并不是最优。 三、案例三:季节性销量预测北京网络外包公司数据源如下: 先画出普通折线图,看下是否呈现明显季节性。 下图展示出该销量数据确实呈现季节性,其中第2季度为旺季。则要针对该数据进行去季节化处理。 将数据源通过数据透视表处理成下图所示:
来看一张总结之后的表格。 ① 将计算出的“季节指数”重复添加进下图中的“季节指数”列。 ② 去季节化=销量/季节指数。 ③ 根据“辅助列”和“去季节化”后的销量拟合出线性预测公式。 y=-2.4907x+2532 之所以拟合线性公式是因为在第②步中已经将季节性因素排除掉了。 ④ 将辅助列代入公式,计算出“线性预测”列。 ⑤ 将“线性预测”列乘以“季节指数”计算出“季节性调整”列,此列即为最终的预测销量。 ⑥ 将“线性预测”列减去“销量”列计算误差,再除以上央视广告费用标准“销量”列计算误差率。 ⑦ 用STDEV()函数选中销量一列,计算出总体标准偏差。 显著性水平参数写为0.05,即置信度是95%;样本量写15。 用CONFIDENCE()函数计算出置信区间的可浮动值,结果如下截图。 即,有95%的可能性预测值比处于真实值的上下195.92范围内。 可以看到误差都在正常的置信区间内。 ⑧ 将16(辅助列)代入公式,可预测2021Q4的销量。
作者:Janie Liu;公众号:溜溜笔记说 本文由 @溜溜笔记说 于。, ,基于CC0协议 |
上一篇:一文看懂:销售分析体系如何搭建?
下一篇:从AIPL到GROW,谈互联网大厂的营销分析模型
小提示:您应该对本页介绍的“不会写模型代码?可以这么来做销量预估”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通不会写模型代码?可以这么来做销量预估的相关事宜。
关键词:2年, 初级, 销量预估,