一文搞懂“預測模型”:原理、模型、流程

0 評論 571 瀏覽 0 收藏 8 分鐘
🔗 产品经理在不同的职业阶段,需要侧重不同的方面,从基础技能、业务深度、专业领域到战略规划和管理能力。

在數(shù)據(jù)分析和商業(yè)決策中,預測模型是不可或缺的工具,但如何構建準確且實用的預測模型一直是數(shù)據(jù)領域的難題。本文將深入探討預測模型的核心原理、常見模型類型以及實際應用中的關鍵流程。

“到底怎么預測才準?”是數(shù)據(jù)領域終極難題。太多文章,在介紹預測方法本身,而具體到實際中:

1、可以用的數(shù)據(jù)非常少。

2、預測出來領導不滿意,讓再改改。

3、實際情況差距大,領導還是不滿意!

到底怎么辦?!今天一篇文章講清楚。

一、預測算法的本質(zhì)

從本質(zhì)上看,預測算法只有2大類:

1、基于時間序列的

  • 平滑:用于相對平穩(wěn)的數(shù)據(jù)。
  • 自回歸:用于趨勢性遞增、遞減的數(shù)據(jù)。
  • 帶季節(jié)因素自回歸:用于有周期性波動的數(shù)據(jù)。

基于時間序列的預測,最大優(yōu)勢在于:不需要很多數(shù)據(jù)(如下圖)只需要一個指標(比如收入/用戶數(shù)/訂貨數(shù)量)即可。

2、基于因果關系的

  • 二分類問題:未來會/不會發(fā)生XX,典型如LR。
  • 多分類問題:未來是ABC哪個情況,典型如決策樹。
  • 連續(xù)型問題:未來的數(shù)值是多少,典型如線性回歸。

因果關系類模型,對于有投入產(chǎn)出的情況更管用,更能體現(xiàn):“一分錢一分貨”的關系。

不過現(xiàn)實中, 影響產(chǎn)出因素很多,往往很難收集到足夠多數(shù)據(jù),實操的預測誤差可能比時間序列還大(如下圖)。

這是兩種基礎思路,在實操中,還要解決更多問題。

二、現(xiàn)實中難點

現(xiàn)實中,缺少數(shù)據(jù)是頭號問題,很多時候,領導就是扔給你一個excel表+幾個數(shù)字,讓你預測……巧婦難為無米之炊,很多時候,時間序列法是唯一選擇,因為就一個指標+十幾個數(shù),沒得選……

現(xiàn)實中第二大麻煩,是怎么衡量預測準確度。

比如預測銷量是1000萬:

業(yè)務做到900萬,會說:預測得一點都不準,搞得貨積壓了

業(yè)務做到1100萬,會說:預測得一點都不準,還是我厲害

總之,只要你不是100%精準,業(yè)務都有理由賴到你頭上。甚至可以反復橫跳。比如:“本來業(yè)務能達標的,看到預測說能達標,我們就省點投入,結果不達標了,都怪預測干擾了業(yè)務判斷……”

因此,在實際工作中,不能孤零零只談模型,要和業(yè)務動作結合起來,綜合提升效果。

三、用業(yè)務手段,提升準確度

所有的互聯(lián)網(wǎng)營銷模式,從小米到天貓到拼多多,都在用業(yè)務手段,對抗預測的不足,比如:

場景1:“貨物本身不耐儲藏,多進貨的話庫存損失率會很高,但銷售數(shù)量又很少,數(shù)據(jù)確實很多”——用團購,成團了才采購

場景2:“銷售數(shù)據(jù)很少,少到無法計算價格彈性,業(yè)務方又想預測價格彈性,多賺錢”——用拍賣,少量用戶競價,獲得更高價格

場景3:“新品是全新款,沒有數(shù)據(jù),咋預測?”——做新品預售/粉絲憑碼購買,測試用戶群體規(guī)模

場景4:“大促期間備貨量難預測?拿捏不準用戶有多少需求?”——讓用戶先付10元定金,定金膨脹3倍,提前鎖定訂單

凡是有業(yè)務手段可以用的,優(yōu)先上業(yè)務手段,人家大廠都沒能力100%精準預測,小廠就更別逞能了

四、用基礎分析縮小預測范圍

在實際工作中,大部分業(yè)務場景不需要100%精確度,業(yè)務本身就有波動。,業(yè)務怕的是突然暴增/暴跌的場景。預測目標與其設定為:“100%精準”,不如設定為:“是否暴增/暴跌超過業(yè)務消化能力”。

預測100%精準基本無解,但是發(fā)現(xiàn)哪里可能暴漲/暴跌是很容易的。通過基礎分析,把不穩(wěn)定因素區(qū)分出來,能大大縮減預測問題的難度(如下圖)。

做好基礎分析,拆分不穩(wěn)定因素以后,也更方便挑選模型組合,解決問題(如下圖)。

五、用滾動式預測代替長期預測

預測時間周期越長,自然偏差越打。用滾動預測能很大程度彌補這個缺點。

通過日/周滾動預測,既能補充數(shù)據(jù)缺失,又能反映業(yè)務方臨時調(diào)整帶來的效果,一舉兩得(如下圖)。

六、用買定離手模式保護自己

一個好問題+滾動預測,基本上能滿足實際工作需求。但作為做預測的人,得學會保護自己,避免業(yè)務方反復橫條,瞎胡甩鍋。

買定離手法是很好辦法。預測結果給出以后,買定離手,所有相關業(yè)務方不再質(zhì)疑預測結果,而是基于預測結果做疊加。

誰覺得預測少了,誰自己寫請示申請額外貨物,并且留下書面證據(jù)。到時候是預測得不準,還是業(yè)務自己申請多了所以賣不動,看得一清二楚(如下圖)。

七、再深層地看預測問題

從本質(zhì)上看,如果業(yè)務發(fā)展可控,自然沒人需要賭命:

1、了解業(yè)務規(guī)律,把握常規(guī)走勢

2、通過基礎分析,找到波動來源

3、采取業(yè)務手段,規(guī)避波動風險

這樣的組合拳,比盲目賭命管用的多。

本文由人人都是產(chǎn)品經(jīng)理作者【接地氣的陳老師】,微信公眾號:【接地氣的陳老師】,原創(chuàng)/授權 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉載。

題圖來自Unsplash,基于 CC0 協(xié)議。

更多精彩內(nèi)容,請關注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!
专题
12833人已学习12篇文章
营销数字化与数字化营销,是两个不同的概念,很多容易混淆。本专题的文章分享了关于营销数字化的解读。
专题
16296人已学习15篇文章
产品经理的许多工作都需要使用数据来进行辅助,如:利用用户使用数据为后续的产品迭代提供依据、如何向上级领导汇报产品成果、如何做精细化的运营活动等。本专题的文章分享了数据埋点方案的撰写。
专题
11792人已学习12篇文章
很多公司都在谈论数字化转型,而数字化的基础即是大量的、繁杂的、高度业务关联的基础数据。数字化运营是其中的一个分支。本专题的文章分享了如何做好数字化运营。
专题
17862人已学习15篇文章
促销的规则多样,对提高客单价和客单量有很大帮助。本专题的文章提供了促销系统设计指南。
专题
14203人已学习14篇文章
流量难获取,获取之后转化为付费用户更是困难。本专题的文章分享了如何提升付费转化率。