基于产品年龄的时尚零售需求预测模型
机器学习
2020-07-13 v1 机器学习
摘要
时尚零售商需要提前近一年对下一季进行准确的需求预测，以用于需求管理与供应链规划。准确预测对确保零售商盈利及减少未售库存处置造成的环境损害十分重要。这具有挑战性，因为多数产品在某一季为新品、生命周期短、销售差异大且提前期长。本文提出一种新颖的基于产品年龄的预测模型，其中产品年龄指自上市以来的周数，并展示其优于现有模型。我们通过一家拥有超 300 家门店、3.5 万商品及约 40 个品类的跨国时尚零售商真实用例证明了该方法的稳健性能。本工作主要贡献包括：针对产品属性值的独特且显著的特征工程、提前 6-12 个月的准确需求预测，以及将我们的方法扩展至推荐下季产品上架时间。我们使用时尚款色优化模型生成下季门店待上架商品清单与数量，以最大化总收入并满足业务约束。我们发现相较零售商原计划，我们的框架带来 41% 的收入提升。我们还将预测结果与现有方法比较，显示其优于现有模型。我们的框架带来了更好的订货、库存规划、款色规划及零售商供应链整体利润提升。
引用
@article{arxiv.2007.05278,
title = {Product age based demand forecast model for fashion retail},
author = {Rajesh Kumar Vashishtha and Vibhati Burman and Rajan Kumar and Srividhya Sethuraman and Abhinaya R Sekar and Sharadha Ramanan},
journal= {arXiv preprint arXiv:2007.05278},
year = {2020}
}
备注
Accepted in KDD 2020 workshop , AI for fashion supply chain. https://kddfashion2020.mybluemix.net/#accepted-list