新品没有历史数据，怎么做需求预测？

新品首次上市，没有自身销量记录，并不等于没有可用于预测的数据。

商品团队可以从相似款表现、商品属性、店群需求、价格变化和上市计划建立初始预测，再用上市后的真实销售滚动修正。新品预测的目标不是一次算准整个生命周期，而是控制首批风险，并缩短识别畅销与滞销的时间。

新品需求预测是什么？

新品需求预测，是在商品缺少自身历史销售数据时，利用相似商品、商品属性、市场环境和销售计划，估计其在特定渠道、店群与销售周期内的需求。

预测对象需要明确到“什么商品、在哪些门店、哪个时间段、按什么价格销售”。只给出全国整季销量，无法直接指导首单、配货和追单。

结论一：新品没有自身历史，但品牌通常拥有品类、属性、门店和相似款历史。

先建立相似款参照组

相似款不能只凭图片或品名选择。商品团队应比较品类、版型、功能、价格带、预计折扣、上市波段、商品角色、营销资源和铺货店群。

如果新品与多款历史商品接近，可按相似程度、数据完整性和时间接近程度分配权重，形成基础需求。参照数据还应处理异常活动、断货和大幅折扣影响，优先比较有货期间单店销售速度、正价表现与动销覆盖，而非直接复制累计销量。

用商品属性修正基础需求

找到相似款后，还要根据新品差异调整预测。参照款位于主力价格带，而新品定价明显提高，不能沿用原销量；新品获得更大陈列面积或重点营销资源，可在有依据的情况下调整预期；上市推迟，则应缩短有效销售窗口。

企业可建立内部修正口径：

这不是行业通用公式。各系数需通过品牌历史回测校准，并设置上下限，防止多个主观系数相乘后放大预测。

首批预测要同时决定宽度与深度

新品预测不仅估算总量，还要决定进入多少家门店、每店投放多少以及尺码如何配置。

高不确定新品适合“小范围验证、保留追加空间”：先进入匹配度较高的店群，控制首配深度，并提前确认面辅料、产能、MOQ和补货周期。基础款或供应周期较长的商品可提高首批保障，但仍需设置库存边界。

结论二：新品预测的价值在于分配不确定性，而不是用一个总量数字掩盖不确定性。

上市后用早期信号滚动修正

新品上市后，可按日或周观察有货门店单店销售速度、动销门店覆盖、正价售罄、退货、尺码断点、店群差异和剩余销售窗口。

早期销量必须放在库存可得性和铺货范围中解释。销量增长可能来自扩铺，销量下降也可能由断码造成。需求得到验证后，可通过补货、调拨或追单扩大机会；需求不及预期时，应停止追加并调整后续铺货。

结论三：新品预测应形成“上市前估计—小批验证—上市后修正”的连续过程。

第七在线如何支持新品预测

第七在线结合历史款属性、价格带、波段、店群表现和有货销售数据，为新品匹配可解释的参照商品，辅助生成初始需求与首配建议。上市后，系统持续识别实际销售、断码、退货和库存位置变化，形成补货、调拨、追单或停止投入建议，供商品团队审核。

FAQ

完全创新的新品找不到相似款怎么办？

可上移到品类、价格带、消费场景和目标店群层建立基准，同时缩小首批投入，通过测试门店、订货会或预售等有效信号更新预测。相似度越低，越应保留调整空间。

新品上市几天后可以调整预测？

没有统一天数。应结合销售频次、铺货覆盖、退货时滞和补货周期判断。样本尚未覆盖核心店群或商品频繁断码时，不宜仅凭几天销量大幅调整。