【2024全年经典资料大全】

【2024年澳门正版免费大全】

【新奥彩最新资料】

【2024新奥免费资料】

【新奥精准资料免费提供510期】

【2024澳彩免费资料大全】

【2024新浪正版免费资料】

【2024新澳免费资料五不中资料】

【2021年澳门天天开彩开奖结果】

【2024全年资料免费大全下】

【2024新澳免费资料晒马汇】

【2024新澳门天天开好彩大全49】

【奥门全年资料免费大全一】

【2024新奥门免费资料】

【澳门六开彩开奖结果2020天天开彩】

【2024澳门天天彩期期精准】

【2024新澳正版资料最新更新】

【2024年澳门天天彩开奖结果】

大众点评未竟之地，闲鱼悄然崛起。精打细算的年轻人纷纷转战闲鱼，享受超低折扣与代购便利。从咖啡代下单到停车优惠，闲鱼已成为他们日常消费的省钱秘籍。然而，这片看似繁荣的市场背后，却也暗藏灰色地带与监管难题。闲鱼能否稳坐钓鱼台，接住这‘泼天富贵’，引人关注。

做预测模型，难；做可解释的预测模型，更难！

很多同学做预测的时候，会用时间序列的平滑和自回归，可出了结果就被领导问道：

预测达标，所以呢？业务啥都不干就达标了？预测不达标所以呢？业务谁该发力？资源哪里出？

同学们经常被问得一头雾水，不知道咋回答。

这个问题，是预测方法选择不佳导致的。算法模型类预测，无论算法的简单或复杂，都有一个通病：无法反应业务过程。导致业务方想基于预测调整业务行为的时候，不知道从哪里下手。

在这种情况下，就需要构建业务预测模型。今天，我们就系统讲解一下。首先看个具体问题场景——

某toB类原料供应企业，下游需求方包括：

大型客户，且签订框架合同，循环采购大型客户，无框架合同，每月分批采购中小型客户，无固定合同，有需求就采购每个月新开发客户（以中小型客户居多）每个月有主动开发的客户/被动上门的客户

现在业务方需要预测下个月客户采购量，并且希望指导到大客户销售/中小客户销售/新客户广告投放等部门的具体工作。问：该如何预测？

一、业务预测模型，该怎么做?

业务预测模型，即把业务假设作为输入变量，预测业务走势的方法。这和算法模型不同，算法模型的输入特征，常常是没有业务含义的，因此无法指导具体业务操作，业务预测正是为弥补这个缺憾而设计。

比如本场景中，客户需求的最大影响因素，是客户本身的生产计划/我司与客户关系这两个维度。

但这两个维度很难拿到准确数据，如果是中小型客户，很有可能根本就没有生产和采购计划，他们自己就是风雨飘摇，有单子就做。如果是没有签框架合同的大型客户，每一期采购都得重新走招标流程，很有可能被其他供应商半路截胡。因此如果想直接从两个方面进行预测，是很难下手的。

此时要做的工作，分为三个部分：

第一：梳理业务流程，找可监控的数据指标

第二：梳理业务特点，区分稳定/不稳定因素

第三：梳理业务假设，输出预测结果

第四：跟踪预测结果，纠正过程问题

第一步：梳理业务场景。

在本案例场景中，业务流程相对简单清晰，就是客户一手交钱，我司一手交货。但是不同类型客户的订单金额不同，交货难度不同因此可以分开考虑（如下图所示）

第二步：梳理业务特点。这一步是关键，通过对各条线业务特点的梳理，能找到其中每个时间周期内稳定因素/不稳定因素，稳定部分是预测的依据，不稳定部分是控制预测结果的手段。

在本案例场景中，就采购需求而言：

签框架的大客户≥未签框架的大客户≥中小客户发展趋势好的行业≥发展一般的行业≥发展差的行业老客户≥老客户转介绍的新客户≥主动开发的新客户≥被动上门的新客户

因此，先把客户打上相应标签，再按不同标签类型分组看数据，就能计算出下面关键指标的数值，以及通过历史趋势观察其走势是否稳定。

老客户的续订率老客户的续订金额新客户线索开发数量新客户线索转化率新客户首单金额

注意，这里有些因素无法直接量化，需要做转化。比如“行业发展趋势好”，至少有2种方法来确认：

1、数据法：对所有企业打行业标签，再查该行业统计数据，再看我司签约企业发展数据。

2、人工法：所有销售，定期回访新客户/拜访老客户，拜访时间必须大于5分钟，且回收数据。

该怎么选用方法？答：既然是业务预测，就优选业务能施加影响的方法，即人工法。因为用人工法收集数据，不但能收集客户信息，更能收集业务动作和业务判断能力这两个关键信息。试想：如果销售连回访/拜访都敷衍了事、漫不经心，那还能有订单吗，肯定没有。因此衡量业务行动力，本身也业务预测的重要组成部分。

如果在这个过程里，发现某些业务部门就是：

● 人员离职率高

● 人员执行力差

● 有效拜访次数少

● 拜访和客户瞎聊一通

● 反馈的判断

十次错九次那问题就很明显了：业务能力不行，导致业务不好。

这一点非常重要，同学们切记，既然要基于业务行为做预测，就要把业务行为考虑到底，不要试图掺杂一半业务考虑、掺杂一半数据自己计算，这样又把水搅浑了，很难评价好坏。

第三步：输出预测结果。有了清晰的分类，就能输出预测结果了。输出的方法很简单：

这样汇总计算出结果（如下图）

注意，业务自己填预计参数不是乱填，需要有依据。如图所示，明显违背发展规律的预计结果是无效的。并且这种行为本身也能成为模型的输入：业务方能力不足，不会评估自己能力及所需资源。

这样再给出业务预测结果的同时，也顺便给出了需要保证结果的假设，比如：

假设1：XX行业客户需求不受出口汇率影响假设2：新线索转化率不低于5%假设3：业务执行有效性在90%

以上这些假设，可以直接作为跟踪阶段的考察指标，也能提前准备应对预案，这样即使发生一些小问题能直接纠正，发生大问题也能提前感知到，节省了跟踪和复盘的工作量。

第四步：跟踪预测结果。

在实际发生时，可以基于预测假设，跟踪结果。

● 当业务走势不好的时候，可以提前预警问题。

● 当问题实际发生的时候，可以排查假设找到问题点。

● 对于有应对预案的问题，可以直接启用预案解决问题。这样就能很好的指导业务行动了（如下图）

注意，以上6种情况，只有客户预计外问题，属于预测失灵。为什么大客户打压价格这么重要的信息，居然没有提前预知，业务部门和数据部门都要反思。真碰到黑天鹅问题，很可能是客户内部人士变动或者对手下了黑招，此时确实会预测失效，但和预测本身无关。这些因素无法预知，此时只能在复盘的时候，再想办法。

二、业务预测模型，优势与不足

业务预测模型最大的优势，就是能彻底终结：“到底是预测不准，导致业绩不好；还是业绩不好，导致预测不准”这个鸡生蛋、蛋生鸡的问题。它明确地告诉大家：就是因为业务没做好，所以才预测不准！并且能很细致地告诉大家，是因为以下业务原因，导致业绩不好，从而指导业务开展。

新客户线索跟进不到位老客户拜访不到位老客户没有申请优惠价格重点行业开发能力差

业务预测模型最大的劣势，在于预测依赖人的判断。因此，预测结果特别受团队士气的影响。

一般团队士气高涨的时候，给出来的预测数值偏大，给出的纠错能力评估也偏大；团队士气低落的时候，给出来的预测数值偏小，纠错能力压根就不存在。过于偏激的判断，会影响模型的落地执行，从而达不成效果。

因此业务预测和算法预测，两者都不宜偏废。算法模型可以基于过往发展趋势直接给出个整体数据，所以用来辅助判断：当前业务方是高估/低估了局面，从而让领导层在施展管理手段的时候有依据可用，敲打业务部门做出正确判断。

业务预测模型适宜用在业务方能主动施展影响，改变结果的时候。但有些场景，业务方是被动接受，比如客服、售后、生产线等等。客户呼入，受促销活动、新品上市、广告宣传等诸多影响，偏偏这些影响一个都不是客服能控制的。此时就不适宜使用业务预测模型，而是算法模型，直接估算下个月话务总量，来评估人力安排。

本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。

【2024新澳门天天彩】 【澳门六开奖结果2024开奖记录今晚直播】

【2024年新澳免费资料】 【2024年新澳正版资料免费大全】

【新澳天天开奖资料大全最新开奖结果查询下载】 【2024年澳门资料大全免费阅读】

【2024年管家婆精准一肖61期】 【新奥彩资料免费全公开】

【2024澳门资料免费大全】 【2024新奥门资料大全】

【澳门开奖结果+开奖记录表生肖】 【2024澳门金光佛网】 【2024年新奥今天开奖号码】