shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

快消品订单预测模型

快消行业通用的经销商月单预测工具：输入 ERP 发货单，3 分钟生成 SKU 级订单建议表。算法自适应——季节性指数、节日加成、气温雨水、压货回撤全部基于客户实际历史数据动态生成，不绑品类、不绑品牌。数据本机运行，零外传。触发词：订单预测、预订单、订单建议表、发货预测、销售预测、月单预测。

personAuthor: user_b05f28f2hubcommunity
downloadDownload package

快消品订单预测模型（FMCG Order Forecast）

v1.0.3 更新说明（2026-09-04）

核心算法从「硬编码版本」升级到「自适应版本」：

  • ❌ 旧版：固定写死调味品的月度季节曲线（Sep/Aug≈1.21 等），换品类就套错
  • ✅ 新版：根据每个客户的实际历史月度发货数据自动算出当月季节性指数、客户级季节比
  • ✅ 节日加成扩展：春节/元宵/端午/中秋/国庆/双 11/双 12 + 双节相邻年份叠加
  • ✅ 天气因子：内置南/北/通用三档气候画像（气温/雨季影响补货节奏）
  • ✅ 历史长度可选：1 年 / 2 年 / 3 年 任选
  • ✅ 决策情景因子更全：节日 + 气温 + 降雨 + 促销压货 多维叠加
  • ✅ 五类分群保留（稳定/波动/脉冲/归零/连续零单），算子是输入驱动的，不绑行业

适用边界：快消行业全品类通用（调味品/酒水/饮料/休食/烘焙/日化/乳品/速食均可），已通过绿湖食品（香辛料）三年实测，下一步将拓展饮料/休食样本验证。

一句话定位

3 分钟上手的自助工具——给一线销售人员、后端订单员、经销商老板、业务员用的月单预测，输入 ERP → 输出专业 Excel，数据完全留在本机。

看完 5 分钟教学视频（VIDEO_TUTORIAL_5MIN.md）就能上手。 90% 问题查 FAQ.md 即可自助解决。

上架描述（直接复制到 SkillHub 后台）

列表页短描述（≤150 字，弹窗/列表展示）：

快消行业通用的经销商月单预测工具：输入 ERP 发货单，3 分钟生成 SKU 级订单建议表。算法自适应——季节性指数/节日加成/气温雨水/压货回撤全部按客户实际历史动态生成，不绑品类。数据本机运行，零外传。

详情页描述：

面向一线销售、订单员、经销商老板、业务员的快消行业月单预测工具，适用调味品/酒水/饮料/休食/烘焙/日化/乳品/速食等全品类箱规订单场景。

核心能力：
• 输入 ERP 发货单 → 输出 5 sheet 专业 Excel（汇总 / SKU 明细 / 误差分析 / 测算说明 / 情景与风险）
• 自适应季节性指数：基于客户实际历史月度数据自动生成，不绑行业
• 五类客户分群算法：稳定续单 / 波动客户 / 脉冲回补 / 归零 / 连续零单
• 节日 / 气温 / 降雨 / 促销压货 多维因子驱动的决策情景
• 数据完全本机运行，不上传云端

适用场景：月度备货、销售考核基准、压货风险预警、经销商动销诊断。

目标用户

  • 一线销售人员：跑店、跟单、做月度订单计划的业务员
  • 后端订单员：录单、审核、排产的订单后勤人员
  • 经销商老板：中小经销商老板/老板娘，亲自管进销存
  • 业务员：品牌方或经销商侧负责给客户下单、备货的销售
  • 不适用：大型企业（已有完整数字化体系）、纯财务分析场景

为何做"3 分钟上手"

| 痛点 | 解决方案 | |---|---| | 经销商不敢把数据给服务商 | 数据零外传，工具本地运行 | | 老板/总监没时间学复杂工具 | 5 分钟视频 + 1 句对话命令 | | 售后答疑吞噬交付时间 | FAQ 自助覆盖 80% 问题 | | 输出不专业没信任 | 5 sheet Excel + 情景三档 | | 品类多了算法套错 | v1.0.3 自适应：基于每家客户实际历史动态生成参数 |

何时使用

  • 用户说 "生成 X 月经销商订单建议表 / 预订单 / 订单预测"
  • 用户上传或提到 ERP 发货单 Excel
  • 用户要对比"预计 vs 实际"做误差归因

输入（最少必要信息）

  1. ERP 发货单（XLSX）：三列必填——经销商编码、存货编码、发货箱数
  2. 要预测的年月 + 办事处名：写在对话命令里
  3. 历史长度（可选）：1 年 / 2 年 / 3 年，默认 3 年（够稳）；新店数据少时设 1 年
  4. 区域气候画像（可选）：north / south / general，默认 general

其他信息（经销商类型表、节日日期、气候画像）脚本有默认值，能跑通；想更准可补充。

3 分钟上手流程

步骤1（30秒）  安装技能
              → WorkBuddy 技能中心搜"快消品订单预测模型"→ 安装

步骤2（30秒）  准备 ERP 文件
              → 三列必填：经销商编码 / 存货编码 / 发货箱数
              → 格式：xlsx（不是 xls/csv）

步骤3（30秒）  发出命令
              → "用 D:\销售\erp.xlsx，生成 9月郑州办订单建议表"
              → 小禅自动调用，30秒-2分钟出 Excel

步骤4（30秒）  看结果
              → 重点看 sheet1（汇总）+ sheet5（情景）
              → 其他 sheet 按需查阅

步骤5（1分钟） 进阶调优（可选）
              → 调季节比 / 节日加成 / 零单回补运行率

详细分镜见 VIDEO_TUTORIAL_5MIN.md。

对话命令模板

| 场景 | 命令模板 | 示例 | |---|---|---| | 首次跑 | 用 [ERP路径]，生成 [年][月][办事处] 订单建议表 | 用 D:\销售\erp.xlsx，生成 9月郑州办订单建议表 | | 调季节比 | 用 1.30 季节比，重新生成 9月郑州办订单建议表 | 同上 | | 加节日 | 考虑双节备货，重新生成 9月郑州办订单建议表 | 同上 | | 改历史长度 | 用 2 年历史数据，重新生成 9月郑州办订单建议表 | 同上 | | 改气候画像 | 按南方气候，重新生成 9月郑州办订单建议表 | 同上 | | 调回补 | 零单回补按 70% 运行率，重新生成 9月郑州办订单建议表 | 同上 |

工作流（5 步）

  1. 数据接入与清洗（见 references/data_spec.md）

    • 识别表头行位置（不同年份表头在第 1 / 2 / 3 行不等，须逐文件探测）
    • 四层清洗：① 订单销售类型只保留正常销售类；② 剔除广促品/礼品/样品/包材/原料等非正售品类；③ 存货名称剔除样品/赠品类关键词；④ 金额 > 0
    • 单位归一：件 = 箱，按箱记，无需换算

  2. 客户 ID 编码（见 references/data_spec.md）

    • 生成稳定的 4 位客户 ID（示例 LH0001），与 ERP 编码脱钩，跨年一致
    • 关联企业合并：同一实控体多家公司共享一个客户 ID（合并预测与回测）

  3. 季节性指数（v1.0.3 自适应）（见 references/seasonal_index.md）

    • 基于每家客户的实际历史月度数据自动计算当月季节比
    • 历史长度可选 1 / 2 / 3 年；推荐 ≥ 24 月（数据越多越稳）
    • 节庆加成内置：春节/元宵/端午/中秋/国庆/双 11/双 12 全年节日库
    • 双节相邻年份（中秋紧邻国庆）叠加效应自动识别

  4. 客户分群与多维因子预测（见 references/forecast_method.md）

    • 五类分群：稳定续单 / 波动客户 / 上月脉冲回补 / 上月归零 / 连续两月零单
    • 每类给基准中值与区间（±15% ~ ±35%）
    • 多维情景因子：节日加成 + 气温/雨季（按区域气候画像）+ 历史压货回撤

  5. SKU 级拆分 + 输出 5 sheet xlsx

环境分支（重要）

  • 标准环境（推荐）：运行 scripts/gen_forecast.py（依赖 openpyxl）。参数化，替换输入路径即可。
  • 本机沙箱阻断 Python 时：运行 scripts/gen_forecast_ps.ps1（PowerShell + .NET 手工读写 xlsx，无外部依赖）。仅当 python/bash 进程被沙箱拦截（零输出 / exit 125）时使用。
  • 选择依据：先尝试 python scripts/gen_forecast.py --help；若进程拉不起，改用 ps1 版。

当前状态：免费试用

本技能当前免费开放，安装即用，无功能限制、无调用次数限制。

先把真实调用量和用户反馈攒起来；后续若开放付费（订阅制），会在此处更新说明。

输出文件结构

月份订单建议表.xlsx
├─ 月份订单建议汇总     (客户ID / 经销商 / 再上月实 / 上月预 / 上月实 / 本月中值 / 区间 / 分群 / 算法)
├─ SKU级预测明细        (客户ID / 经销商编码 / 名称 / SKU / 名称 / 上月实际 / 本月预测 / 区间 / 算法)
├─ 预计-实际误差分析    (达成率 / 偏差来源 / 稳定客户命中率 / 需求系数)
├─ 测算说明             (总盘 / 交叉验证 / 核心发现 / 风险 / 节日因素 / 气候因子)
└─ 情景与风险           (基准 / Best / Upside + 零单回补明细)

数据隐私（发布红线）

  • 本技能不绑定任何真实客户名称、客户 ID、金额。发布/共享时仅含方法论、算法框架与合成示例数据。
  • ERP 原始发货单含商业敏感信息，务必留在本地，勿随技能提交或上传。
  • assets/ 下模板均为脱敏合成数据，可直接用于演示与自测。

售后支持

  • 80% 问题自助：先看 FAQ.md
  • 20% 问题留言：公众号"禅销哥"后台留言，24 小时内回复

参考资源

  • references/data_spec.md — ERP 表结构差异、四层清洗、单位、客户 ID 编码方案
  • references/seasonal_index.md — v1.0.3 自适应季节性算法、节日库、气候画像
  • references/forecast_method.md — 五类分群、情景三档、误差分析框架、多维因子
  • FAQ.md — 30 个高频问题自助解答
  • VIDEO_TUTORIAL_5MIN.md — 5 分钟教学视频脚本
  • VIDEO_SCRIPT.md — 60 秒引流短视频脚本（视频号用）
  • ZHIHU_ARTICLE.md — 知乎首发长文
  • SUBMIT_GUIDE.md — WorkBuddy 技能市场提交清单

脚本

  • scripts/gen_forecast.py — 标准环境主生成器（openpyxl，参数化）
  • scripts/gen_forecast_ps.ps1 — 本机降级生成器（PowerShell + .NET，参数化脱敏）