销售预测计算器

工作原理

水平 = α·实际值 +（1−α）·（水平 + 趋势） · 趋势 = β·（水平变化）+（1−β）·趋势 · 预测(h) = 水平 + h·趋势

这是 Holt 线性趋势法——二次指数平滑——多数“AI 销售预测”拆开来看，就是它。Alpha 决定最新数字对水平的影响有多大；Beta 决定它对趋势的影响有多大。取值越高，反应越快，也越嘈杂。它有意不拟合季节性：那至少需要两个完整周期的历史数据，而一个拿八个月数据就默默拟合出季节性的工具，只会产出自信满满的胡话。如果您的生意有季节性，请对照去年同期来预测，而不是刚过去的那个月。

此工具完全在您的浏览器中运行。您输入的内容不会发送到服务器，不会被存储，也不会被记录。

常见问题

我需要多少历史数据？

两个点是算术上的最低要求，远不足以信赖。八到十二个期间能让趋势稳定下来；少于六个，就把结果当作方向，而不是数字。

alpha 和 beta 该设多少？

默认值 0.3 和 0.1 适合多数按月的业务数据。如果您的序列水平会突然跳变、而您希望预测跟上，就调高 alpha；如果序列噪声大、您总在追逐尖峰，就调低它。

它为什么不处理季节性？

因为诚实地拟合季节性成分至少需要两个完整周期，而多数人手上只有一年或更少。硬拟合的工具会给出自信的错误答案，那比一条朴素的趋势更糟。

长期预测可信吗？

不可信。线性趋势外推得足够远，总会变得荒谬——它不知道您的市场是有限的。三到六期是它有用的范围；再往后就只是算术，不是预测。