案例分享 |基于AI销量预测，自动补货驱动物美供应链化解“牛鞭效应”

”牛鞭效应“指供应链上的一种需求变异放大现象，使信息流从最终客户端向原始供应商端传递时，需求变异放大导致效率低下的现象。

补货是零售企业供应链的核心环节，传统的人工补货存在补货不准确、人效低、组织管理难度大等痛点，导致畅销品缺货、滞销品高库存的问题，出现牛鞭效应。数字化浪潮下，传统零售行业的数字化转型势在必行。

多点Dmall的合作伙伴物美在北京拥有1800多家门店，其中包括大卖场、标超、便利店等多个业态，基于上述痛点，多点Dmall通过信息化技术和数字能力，重塑补货业务环节，打造智能预测-智能补货-订单可视-零供协同的完整解决方案，颠覆了物美传统的手工补货方式。

物美试点门店缺货率由7%下降至2%以内，库存周转 天数由最高35天普遍减少至21天以内，门店后仓释放50%空间，每年节省人力成本约5000万。

全面调研，逐步优化

在项目前期，多点和物美成立了专项组，通过走访物美供应链专家、一线补货员以及麦德龙、重百、银川百货、阜阳华联等龙头零售企业，保障系统的通用性和可拓展性。

根据走访情况，再结合业务沟通和大数据分析，逐渐明确热销品、长尾品、新品、促销品的业务特点、对预测要求的差异，从而采用不同的算法模型，建立相应的预测模型。在这个基础上，多点首先选择休闲食品、基础食品、日配、饮料4大品类、30家门店进行6周试点测试，每周计算、监测业绩指标，试点成功后，逐渐扩展到全门店、全品类。

AI销量预测

销售预测收多重因素影响，在业内一直是个难题。目前，多点根据物美超两年千万级店品的综合销售表现，基于大数据分析平台，建设了人工智能模型、简单预测模型、综合预测模型等方案，运用全球先进技术和完善的数据加工流程，全面考虑销售的周期性、定价、天气、促销等外部环境因素，实现精准预测。

多点Dmall构建了畅销品模型、长尾品模型、促销品模型，灵活适配大卖场、超市、便利店等多业态。整体而言，销量预测将天粒度的店品销售预测误差平均控制在25%以内，较人工策划或简单预测大幅提升，并实现未来3周的预测输出，满则日常补货场景需求。

智能补货

收到销量预测需求后，智能补货系统可以根据当前商品库存、未来到货情况、商品陈列、损耗安全库存、备货周期等自动计算补货量，参数无需补货人员自动设置，可最大化释放人力。

针对补货不足和补货量过高两个问题，多点配备了严密的风控策略。系统对供应商是否可以下单、供应商行为异常自动校验和预警，再进一步结合人工审核、修改，为自动补货提供坚实安全保障。

此外，多点提供专家干预流程，支持基于数据结果加上人工对未来的判断，综合智能补货系统和专家经验优势，得到更高质量的补货决策。

订单可视，零供协同

多点提供自动补货日志使计算过程可见、可追溯，并提供历史销售、周期性、季节性等决定销量的核心因素作为参考。同时每日计算缺货率、高库存等核心业绩指标，报警高库存或售罄商品等亟需人工关注的重点商品，帮助企业快速做出业务决策，实现“业务数据化、数据业务化”闭环。

最后，多点提供零供协同工具，面向供应商展示全链路库存情况，提供全链路库存计划和管控，帮助零供充分实现信息共享、流程在线，从而提升订货效率、降低订货成本。

近期，多点已启动在物美外的商家实施本套自动补货系统，作为SaaS 产品其通用性和可拓展性已经得到验证。