เครื่องคำนวณพยากรณ์ยอดขาย

วิธีการทำงาน

ระดับ = α·ค่าจริง + (1−α)·(ระดับ + แนวโน้ม) · แนวโน้ม = β·(การเปลี่ยนแปลงของระดับ) + (1−β)·แนวโน้ม · พยากรณ์(h) = ระดับ + h·แนวโน้ม

นี่คือแนวโน้มเชิงเส้นของ Holt — การปรับเรียบเอกซ์โพเนนเชียลสองชั้น — ซึ่งเป็นสิ่งที่ 'การพยากรณ์ยอดขายด้วย AI' ส่วนใหญ่กลายเป็นเมื่อคุณเปิดดูข้างใน อัลฟาตัดสินว่าตัวเลขล่าสุดขยับระดับมากแค่ไหน เบต้าตัดสินว่ามันขยับแนวโน้มมากแค่ไหน ค่าที่สูงกว่าตอบสนองเร็วกว่าและมีสัญญาณรบกวนมากกว่า เครื่องมือนี้ตั้งใจไม่ปรับตามฤดูกาล: การทำเช่นนั้นต้องมีประวัติอย่างน้อยสองรอบเต็ม และเครื่องมือที่ปรับฤดูกาลเงียบ ๆ จากข้อมูลแปดเดือนจะให้ผลลัพธ์ที่ผิดอย่างมั่นใจ ถ้าธุรกิจของคุณเป็นฤดูกาล ให้พยากรณ์โดยเทียบกับช่วงเดียวกันของปีที่แล้วแทนเดือนที่เพิ่งผ่านมา

เครื่องมือนี้ทำงานในเบราว์เซอร์ของคุณทั้งหมด สิ่งที่คุณพิมพ์ไม่ถูกส่งไปยังเซิร์ฟเวอร์ ไม่ถูกจัดเก็บ และไม่ถูกบันทึกลงล็อก

คำถามที่พบบ่อย

ต้องมีข้อมูลย้อนหลังมากแค่ไหน?

สองจุดคือขั้นต่ำทางเลขคณิตและน้อยเกินกว่าจะเชื่อถือได้มาก แปดถึงสิบสองงวดให้แนวโน้มมีที่ยึด ต่ำกว่าหกงวด ให้อ่านผลลัพธ์เป็นทิศทางมากกว่าเป็นตัวเลข

อัลฟากับเบต้าควรเป็นเท่าไร?

ค่าเริ่มต้น — 0.3 และ 0.1 — เหมาะกับข้อมูลธุรกิจรายเดือนส่วนใหญ่ เพิ่มอัลฟาถ้าอนุกรมของคุณเปลี่ยนระดับกะทันหันและคุณต้องการให้การพยากรณ์ตามไป ลดลงถ้าอนุกรมมีสัญญาณรบกวนและคุณเอาแต่ไล่ตามยอดพุ่ง

ทำไมจึงไม่รองรับฤดูกาล?

เพราะการปรับองค์ประกอบฤดูกาลอย่างซื่อตรงต้องใช้รอบเต็มสองรอบขึ้นไป และคนส่วนใหญ่มาพร้อมข้อมูลหนึ่งปีหรือน้อยกว่า เครื่องมือที่ฝืนปรับให้อยู่ดีจะคืนคำตอบที่ผิดอย่างมั่นใจ ซึ่งแย่กว่าแนวโน้มเปล่า ๆ

ควรเชื่อการพยากรณ์ระยะยาวไหม?

ไม่ควร แนวโน้มเชิงเส้นที่ต่อออกไปไกลพอย่อมกลายเป็นเรื่องไร้สาระเสมอ — มันไม่รู้ว่าตลาดของคุณมีขีดจำกัด สามถึงหกงวดคือช่วงที่เครื่องมือนี้มีประโยชน์ เกินจากนั้นคือเลขคณิต ไม่ใช่การพยากรณ์