銷售預測計算器

運作方式

水準 = α·實際值 + (1−α)·(水準 + 趨勢) · 趨勢 = β·(水準變化) + (1−β)·趨勢 · 預測(h) = 水準 + h·趨勢

這是 Holt 線性趨勢法——二次指數平滑——大多數「AI 銷售預測」打開來看，其實就是它。Alpha 決定最新的數字對水準的影響有多大；beta 決定它對趨勢的影響有多大。數值越高反應越快，也越容易被雜訊左右。它刻意不配適季節性：季節性至少需要兩個完整週期的歷史資料，而一個默默把季節性套在八個月資料上的工具，只會產出很有自信的胡說。如果您的生意有季節性，請拿去年同期來比較，而不是剛過去的那個月。

這項工具完全在您的瀏覽器中執行。您輸入的任何內容都不會傳送到伺服器、不會被儲存，也不會被記錄。

常見問題

我需要多少歷史資料？

兩個點是算術上的最低要求，遠遠不足以信賴。八到十二期能讓趨勢有個落腳處；少於六期時，請把結果當成方向而不是數字。

alpha 和 beta 該設多少？

預設值 0.3 與 0.1 適合多數的月度營運資料。如果您的數列會突然換一個水準、而您希望預測跟上，就調高 alpha；如果數列雜訊多、您老是在追高低起伏，就調低它。

為什麼它不處理季節性？

因為誠實地配適季節性成分，需要兩個以上的完整週期，而多數人手上只有一年或更少。硬要配適的工具會給出一個很有自信的錯誤答案，那比單純的趨勢更糟。

長期的預測可以相信嗎？

不行。線性趨勢外推得夠遠，一定會變得荒謬——它並不知道您的市場是有限的。三到六期是它有用的範圍；再遠就只是算術，不是預測。