MAPE为什么不适合低销量SKU？

某SKU实际销售1件、预测3件，绝对误差为2件，MAPE却达到200%；另一款实际销售100件、预测98件，同样相差2件，MAPE只有2%。

两次件数误差相同，MAPE给出的严重程度相差100倍。这是MAPE用于低销量SKU时的核心问题。

MAPE是什么？

MAPE是平均绝对百分比误差：

MAPE便于用百分比比较预测对象，但要求实际需求不能过低或为0。

低销量为什么会放大MAPE？

MAPE以每个观测值的实际值为分母。实际值越小，同样的件数误差产生的百分比越大：

• 实际1件、预测3件，APE为200%；
• 实际10件、预测12件，APE为20%；
• 实际100件、预测102件，APE为2%。

大量长尾SKU进入简单平均后，少数1件、2件的随机波动可能主导整体结果。

MAPE衡量相对误差，MAE回答平均相差多少件。

实际为0时，MAPE没有定义

实际需求为0、预测2件时，分母为0，MAPE无法计算。删除、填0、设置上限或增加极小数都会产生不同结果；报表如果不披露处理规则，就无法可靠比较。

还要区分“有货但没有需求”和“无货所以没有销量”。后者属于受约束销售，不能据此判断需求为0。

间歇性需求还存在时点问题

长尾SKU常出现“本周0件、下周1件”的间歇性需求。逐周计算MAPE会遇到大量零分母；按月汇总又可能掩盖发生时间偏差。预测第一周1件、实际第二周1件，月度总量正确，补货时点仍然错误。

MAPE关注每个观测值的百分比误差，WMAPE按总体实际需求加权，更适合评价商品组合。

低销量SKU应该看什么？

商品团队可组合使用：

• MAE：观察平均相差多少件；
• WMAPE：评价品类、店群或SKU组合的总体误差；
• Bias：判断持续高估或低估；
• 需求发生判断：检查是否识别出有无需求；
• 缺货和库存结果：判断误差的经营影响。

WMAPE仍可能掩盖长尾问题，因此适合评价整体，低销量SKU还要补充MAE和需求发生判断。单店SKU样本过少时，也可先在店群或商品组预测，再向单店分配。

第七在线可按销量规模、生命周期和需求间歇程度选择评估口径，避免用单一MAPE评价所有商品。

FAQ

MAPE达到100%是否说明预测完全错误？

不一定。低销量SKU只相差1件，也可能达到100%，需要同时查看实际量、绝对误差和库存影响。

低销量SKU可以完全不做预测吗？

不能一概而论。可以调整预测层级、延长周期或采用间歇性需求方法，而不是直接放弃管理。