影响做预测的因素非常多，而且往往是多维度、多层级、多来源叠加在一起的。我们可以把它们分成 内部因素 + 外部因素 + 技术因素 三大类来看：

✅ 一、内部因素（你自己公司能掌控的）

因素类别

具体内容

说明

历史销售数据

SKU销量、单店销量、退货、补货数据

是最基本的预测依据，质量越高，预测越准

促销计划

打折、买赠、限时新品等

会直接拉升销量，需要提前输入预测模型

新品上市/老品下架

上新节奏、换品计划

无历史数据时需类比预测

渠道结构变化

直营/加盟/外卖平台占比

渠道不同，动销节奏不同

库存策略

安全库存、订货频率

会影响订货行为，但不一定反映真实需求

门店变动

新开店/关店/翻新

店数变化直接影响区域销量预测

价格调整

涨价/降价

会对消费行为产生非线性影响

✅ 二、外部因素（公司不可控但必须考虑的）

因素类别

具体内容

说明

天气/季节

高温、雨天、节气等

典型影响冷饮、热饮、户外消费等品类

节假日/社会事件

春节、中秋、双11、疫情、赛事等

会引发集中采购或停工停业

竞争对手行为

新品/促销/降价等

对客户选择有干扰作用

区域差异

消费能力、饮食偏好

广东爱糖，北方更爱热饮等

宏观经济/物价

通货膨胀、原材料涨价

影响消费者购买意愿和频次

✅ 三、技术和组织因素（预测能不能做好，关键靠这些）

因素

说明

系统能力

是否有数据仓库、ERP、预测引擎

数据质量

销售、库存、物流等数据是否完整准确

组织协同

销售、市场、计划、采购等部门是否有一致共识

预测模型选择

是人工经验、还是用算法模型？用得好不好？

预测频率

滚动更新 vs 固定周期，决定响应速度

🔁 举个实际例子（蜜雪场景）：

假设你要预测 6 月「草莓冰淇淋粉」的销量：

预测影响因子

情况说明

历史数据

过去两年6月销量是12万包和15万包，呈上涨趋势

促销计划

6月初有买一送一活动

新店开业

全国预计新增80家门店，集中在华东、华南

天气预报

今年6月预计比往年更热，预期冷饮销量上升

竞品动态

奈雪同时推出草莓酸奶系列，可能分流一部分客户

库存现状

当前库存偏高，仓储压力大，销售鼓励消化

所以这个预测不能只靠模型，而是要综合多个维度去“调”。

📌 总结一句话：

预测 ≠ 算公式，而是战略协同，是系统、数据、人三者共同驱动的过程。

总结一张图（企业实用图）