掌握开放购买：零售规划、预测和人工智能

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
语言：英语 + 字幕 |时长：3小时10米

你将学到什么

• 根据开盘、销售、降价和期末库存构建 OTB 方程，从头开始设置并每周修改完整的季节性库存预算。
• 分离趋势、季节性和事件影响，然后使用加权移动平均值和季节性指数生成一致的需求预测。
• 将 Prophet、LightGBM 和加权近期销售指数等 AI 方法与 OTB 预算连接起来，即使对于稀疏的 SKU 也能建立可靠的预测。
• 使用封面图、4 层商店容量细分和严格的降价策略来减少老化库存并提高周转率和利润。

本课程涉及人工智能的使用。

开放购买是零售和电子商务领域最重要的学科之一。如果做得正确，它可以降低降价成本，提高库存周转率，并保护毛利率。如果做得不好，季末积压、大幅折扣和利润缩水就不可避免。行业数据显示，零售商大约一半的毛利润因缺乏 OTB 纪律而受到降价损失的侵蚀。

本课程专为想要从头开始建立 OTB 规则并通过人工智能驱动的预测提升现有流程的专业人士而设计。我们从经典零售规划的基础开始：自上而下和自下而上的规划、分层预算、开盘-销售-降价-结账等式以及封面方法。然后，我们分解需求预测的三个核心组成部分（趋势、季节性、事件影响），并使用加权移动平均线、指数平滑和季节性指数生成一致的预测。

课程的后半部分专门讨论人工智能驱动的规划。使用 Prophet 进行基线预测、LightGBM 进行稀疏 SKU 预测、加权近期销售指数 (50/30/20) 和同比比率上限等方法，我们超越了传统预测的限制。然后，我们逐步了解 AI 输出如何连接回 OTB 预算。

最后一部分涵盖执行、KPI 和治理：封面图、4 层商店容量细分、降价策略、每周和每月 OTB 会议节奏、执行 KPI 仪表板以及如何读取偏差信号。该课程包含来自 Inditex、Uniqlo 和 H&M 等全球零售商的公开案例。

基本的 Excel 技能就足够了。无需编程。该课程为规划人员、采购员、跟单人员、品类经理、采购经理、供应链分析师和产品经理以及任何希望将经典规划与现代人工智能方法相结合的零售专业人士提供了很高的实用价值。