在當前市場環境中，市場不確定性增加，使得企業面臨著前所未有的挑戰。
近期，有一本關於 AI 需求預測的好書，書名為《驚人的 AI 需求預測：從庫存控管、新品開發到商機發掘，用 AI 精準預測提升銷售的 13 個方法》，不僅深入探討了 AI 在需求預測中的應用，還透過企業實際案例展現了實際的效果。
本文將摘錄書中的部分案例與段落，並延伸分析，旨在幫助企業領導者更深刻理解 AI 需求預測的重要性，並在競爭激烈的市場中保持領先地位。
市場環境的挑戰：VUCA 時代
書中，關於新商品上市的討論揭示了AI需求預測的重要性：
「去年的商品熱賣，今年推出的新口味，銷售量還會一樣好嗎？還是會分流先前產品的市場？」這個問題是許多零售業者經常面臨的挑戰，究竟銷量會不會好？庫存又該如何準備？在這樣的不確定性中，人們往往將「防止缺貨」作為首要目標。
這是因為心理上，缺貨帶來的壓力比庫存過剩更大。然而，不只有缺貨會帶來負面的後果，庫存過剩也會導致現金流卡住或是錯失投資收益的問題。
作者指出，當前的市場環境可以用「VUCA」來描述，即高度變動性 (Volatility)、不確定性 (Uncertainty)、複雜性 (Complexity) 和模糊性 (Ambiguity)。在這樣瞬息萬變的環境中，我們必須正視預測誤差，無論是缺貨還是過剩，採取措施提升預測的準確度都是必要的。但僅依靠傳統數據分析手段已無法準確預測消費趨勢，因此，企業需要新的工具和方法來應對這些挑戰。
AI 需求預測模型的應用
書中詳細介紹了三種主要的需求預測模型，這些模型在不同的商業情境下有著廣泛的應用：
1.時間序列模型：
這種模型利用過去的購買數據進行預測，此方法認為，過去發生的事情也適用於未來。適合用於預測持續購買的商品類別，如食品和消耗品。關鍵在於選擇合適的歷史數據範圍，以及決定近期數據的重要性，這些因素會直接影響預測的準確性。
2.因果模型：
因果模型將影響消費者購買的因素公式化，例如商品性價比、文案吸引力、廣告投放頻率、合作 KOL 的口碑等。這種模型適用於預測大多數人只會購買一次的商品，如書籍、外出服、家具等。
3.判斷性模型：
判斷性模型依賴於人的經驗和直覺，通常稱為「主管意見法」。然而，人為的預測容易受到偏見影響，特別是在職場中，這與該職位的 KPI 密切相關。例如，負責交貨率的生產計劃主管為確保交貨，往往會傾向高估需求，從而保持較高的庫存。這樣的做法對個別部門可能合理，但從整體企業利益來看卻未必最佳。因此，作者建議由中立部門來決定供應鏈管理配置。
AI 在需求預測中的角色
儘管各種預測模型在不同的商業情境中發揮著各自的作用，但單純依賴歷史數據或在流程的某一部分引入 AI 工具，可能不足以顯著提高預測準確性。需求預測與消費者心理密切相關，消費者的行為往往難以預測。正因如此，企業需要在 AI 技術的支持下，結合專業人員的市場經驗，以創造新的商業價值。
實際應用與企業數據準備
在需求預測中，數據是否充分會很大程度影響到預測的準確度。根據書中提到的分析，在新品開發及季節性強的行業中，利用 POS 數據可以將預測精確度提升 7-10%。此外，企業與 Tectura 合作時，需要準備來自產線或品管審核的資料，包括日期、銷售數量、價格、季節、特殊假日及促銷活動等。這些數據特徵將有助於模型參數的調整，確保預測結果更加符合企業的特定業態。
AI 預測的風險管理
對於尚未完全信任 AI 預測的企業，作者建議可將 AI 預測作為風險管理的一部分。例如，當 AI 預測的新產品需求高於業務部門的銷售計劃時，企業可以先採用業務部門的銷售計劃作為基準目標，並將 AI 預測的部分作為庫存備料，這樣可以有效減少誤差對企業經營的影響。
結語
在 VUCA 時代，企業面臨著前所未有的挑戰與機遇。AI 需求預測技術的應用，將幫助企業在高度變動且複雜的市場中掌握先機，實現穩健的業務增長。
如果您是……
→ 負責商品開發或行銷策略，目標是提高投資報酬率的行銷人員
→ 掌握負責區域與客戶需求，目標是擴大銷售額及利潤的業務負責人
→ 根據利潤預估成本，目標是投資最佳化的經營管理人
→ 調整業務、行銷、供應鏈管理之間的平衡，帶領企業邁向成長的營運負責人
瀚資資訊都能提供相關的AI預測服務，協助各職能做出更好的決策，現在就馬上了解瀚資資訊AI預測服務吧！希望這篇文章能為您提供有益的參考，助力企業在不確定的市場環境中脫穎而出。
參考書目：山口雄大（2023），驚人的AI需求預測：從庫存控管、新品開發到挖掘商機，用AI精準預測提升銷售的13種方法。商周出版。
返回列表