新品预测最难的地方，在于商品还没有销售历史，但订货、配货和上市节奏却必须提前决定。

对鞋服品牌来说，新品一旦预测偏高，容易形成首批库存压力；预测偏低，又会导致核心门店断货、尺码不齐、销售窗口被浪费。尤其是季节性时尚款、趋势款和新系列，历史销量不能直接套用，商品团队只能依靠经验、订货反馈和少量试销信号做判断。

相似款分析，是新品需求预测中最常用、也最适合鞋服行业落地的方法之一。它通过寻找与新品在品类、版型、价格带、风格、季节、渠道和目标客群上接近的历史商品，推算新品可能的销售表现，再结合商品企划判断、门店分层、上市节奏和供应约束进行修正。

新品需求预测的重点，不是让系统凭空预测销量，而是把“没有历史数据”的新品，放进可比较、可解释、可复盘的商品参照体系里。

 

一、为什么新品不能直接用历史销售预测

成熟款、基础款和常青款，通常有较稳定的销售规律。商品团队可以参考历史销售、季节趋势、价格带表现和门店动销，形成相对稳定的预测。

新品不同。

新品可能没有同款历史，也可能只有相似品类表现；即使有上一季类似商品，颜色、面料、版型、价格、上市时间、门店覆盖和营销资源也可能已经变化。

很多品牌在新品预测上容易出现三类问题。

第一，直接套用去年同类商品销量。去年某款针织衫卖得好，并不代表今年同价格带、同品类的新品也能卖好。消费者审美、天气节奏、渠道资源和竞争环境都会变化。

第二，过度依赖商品团队主观判断。商品经理熟悉款式和趋势，但当门店数量、款色码规模和渠道复杂度增加后，单靠经验很难覆盖所有细颗粒度组合。

第三，只看订货或买手反馈。订货热度可以作为参考，但它反映的是订货阶段的判断，不等于上市后的真实需求。部分商品订货时看起来受欢迎，上市后可能因为价格带、陈列位置、天气或渠道节奏不匹配而动销不佳。

所以，新品预测需要一套中间方法：既不能脱离商品判断，也不能只靠人工感觉。相似款分析的价值，就在这里。

 

二、什么是相似款分析

相似款分析，是指在历史商品中寻找与新品特征相近的款式，并以这些历史款的销售、售罄、折扣、断码、补货和库存表现作为新品预测的参考。

它解决的核心问题是：新品没有同款历史，但并不代表没有可借鉴的商品经验。

例如，一款新的女装短外套没有销售记录，但品牌可以在历史数据中寻找相同季节、相近版型、相近价格带、相近面料厚度、相似风格定位和相似目标店群的商品，再观察这些商品当时的销售表现。

相似款分析不能只看“长得像”。在商品经营里，真正有用的相似，至少包括几个维度：

品类相似：是否属于同一品类或相近穿着场景。

风格相似：是否面向相似客群和搭配场景。

价格相似：是否处在同一价格带和折扣敏感区间。

季节相似：是否面对相近的上市月份和销售窗口。

渠道相似：是否主要在线下、电商、会员渠道或活动场景销售。

门店相似：是否适合相同店群、商圈和门店层级。

尺码相似：是否共享类似尺码曲线和断码风险。

相似款越接近新品的真实经营条件，预测结果越有参考价值。只按品类找相似款，容易过粗；只按款式外观找相似款，又容易忽略价格、渠道和门店差异。

 

三、新品需求预测的基本方法

用相似款做新品预测，可以分成四步

1.先定义新品角色

预测新品之前，要先判断这款商品承担什么任务。

同样是新品，有的承担形象展示，有的承担主力销售，有的承担价格带测试，有的承担趋势验证，也有的只是补充某个系列完整度。

商品角色不同，预测方法也不同。

形象款不应只用历史销量衡量价值，因为它可能承担品牌表达和门店陈列任务。主力款需要更关注销售深度、尺码覆盖和补货空间。测试款首批投入应更克制，重点观察上市后的真实反馈。利润款则要关注价格带承接、折扣风险和毛利目标。

如果新品角色没有先定义，相似款选择就会偏。把形象款拿去对比走量款，或者把测试款按照主力款备货，都会造成预测失真。

 

2.建立相似款池

相似款池不是找一款“最像”的历史商品，而是选出一组可比较商品。

比较稳妥的做法，是从三个层级建立参照。

第一层是强相似款。它们在品类、风格、价格带、季节和目标客群上都较接近，适合做基础预测参考。

第二层是弱相似款。它们可能只在品类或价格带上接近，但销售场景不同，适合用于判断区间，而不是直接作为预测值。

第三层是对照款。它们和新品不完全相似，但可以帮助判断新品所在品类、系列或价格带的整体趋势。

例如，一款新上市的运动休闲鞋，可以参考上一季相近价格带的休闲鞋，也可以参考同系列历史鞋款，还可以观察当前季节同目标客群的服装搭配商品表现。这样预测不再依赖单一历史款，而是形成一个更稳定的判断范围。

 

3.用经营条件修正相似款结果

相似款的历史销售不能直接复制到新品上。

一款历史商品卖得好，可能是因为当时铺货更深、核心门店覆盖更广、上市时间更早、活动资源更强，或者供应更稳定。新品如果没有这些条件，预测就要下调。

反过来，某个历史相似款销售一般，也可能是因为当时上市过晚、尺码不齐、天气不匹配或渠道资源不足。新品如果改善了这些条件，预测也不应被历史结果限制。

 

常见修正因素包括：

上市时间是否提前或延后。

门店覆盖是否扩大或收缩。

首配深度是否变化。

价格带是否上移或下移。

尺码结构是否更完整。

营销资源是否增强。

供应周期是否支持补货。

销售窗口是否足够长。

 

一个实用的管理口径可以写成：

新品预测量 = 相似款基准销量 × 商品修正系数 × 渠道修正系数 × 门店覆盖系数 × 销售窗口系数 × 供应能力系数

这个公式不是行业统一标准，而是一种管理思路。它提醒商品团队：新品预测不能只看历史相似款销量，还要同时考虑新品和相似款之间的经营条件差异。各系数应以相似款基准为 1.0 的相对倍率，避免把绝对占比直接连乘，导致预测量级失真。

其中，供应能力系数尤其重要。鞋服新品预测经常受到供应周期、产能、面料准备、最小起订量和到货节奏限制。即使预测需求是10000件，如果供应周期需要90天，而有效销售窗口只有45天，最终可实现销售也可能被供应能力压缩。此时，上市后的实际销售表现不能被简单理解为“预测错了”，还要判断需求是否被供应条件约束。

 

4.上市后快速校验

新品预测一定要进入上市后的快速校验。

季前预测解决的是首批订货和配货边界，上市后的真实销售会继续修正判断。新品上市后，商品团队应重点观察首周动销、核心尺码销售、门店覆盖、试穿转化、退货情况、售罄速度和库存覆盖天数。

如果新品在核心店群动销快、尺码消化健康、正价售罄表现好，就要尽快进入补货或调拨评估。

如果新品只在少数渠道短期冲高，但退货高、折扣依赖强、门店承接弱，就不能简单放大预测。

新品需求预测的目标，是让首批投入更有边界，让季中调整更及时，让下一季相似款参数更准确。

 

四、相似款分析最容易犯的错误

相似款分析看起来简单，实际落地时很容易走偏。

最常见的错误，是只找“款式相似”，忽略经营条件。两件商品看起来接近，但一个在核心门店深铺，一个只做少量测试；一个上市在销售旺季，一个上市时已经接近换季，结果自然不能直接比较。

第二个错误，是只看销售额，不看售罄和折扣。相似款销售额高，可能来自深折或大促；销售额一般，也可能因为配货不足。新品预测要看正价售罄、总售罄、综合折扣、断货率和库存覆盖，而不是只看卖了多少钱。

第三个错误，是忽略尺码结构。鞋类和服装的尺码曲线差异很大。同样一款商品，总量预测接近，也可能因为核心尺码分配错误导致门店缺货和库存残留并存。

第四个错误，是没有区分渠道表现。电商爆发不一定代表线下同样适卖，线下重点店动销好也不代表直播和大促能承接同样销量。新品预测要把渠道角色放进去。

第五个错误，是相似款池长期不更新。消费者偏好、渠道结构和价格带表现会变化。上一季有效的相似款，不一定适合下一季继续作为参照。

 

五、鞋类和服装的相似款逻辑有什么不同

鞋类新品预测通常更依赖尺码曲线、核心尺码覆盖、试穿转化和门店客群。尤其是运动鞋、休闲鞋和女鞋，不同尺码之间的销售差异会直接影响断码风险。鞋类相似款分析不能只看款式和价格，还要看鞋型、功能场景、尺码分布和区域差异。

服装新品预测更容易受到季节、版型、面料、搭配场景和流行趋势影响。比如外套、连衣裙、针织、羽绒服等品类，对天气、上市节奏和价格带更敏感。服装相似款分析要特别关注销售窗口和波段节奏。

对多品类品牌来说，同一套相似款规则不能覆盖所有商品。基础款、常青款可以更多参考历史销售；趋势款和形象款需要提高人工判断权重；高货值商品要更重视库存风险；快反商品则要保留上市后的调整空间。

 

六、相似款分析要看哪些指标

相似款分析不能只看历史销量。更适合商品总关注的指标，可以分成几类。

销售表现：历史销量、销售额、销售达成率、首周动销、销售峰值出现时间。

售罄表现：正价售罄率、总售罄率、售罄速度、核心尺码售罄情况。

库存表现：首配深度、库存覆盖天数、库销比、断货率、齐码率、残余库存。

价格表现：吊牌价、成交价、综合折扣率、降价时间、折扣依赖程度。

渠道表现：门店销售、电商销售、直播表现、会员渠道表现、活动表现。

门店表现：适卖店群、核心门店覆盖、区域差异、商圈差异、尺码差异。

供应表现：供应周期、到货及时率、最小起订量、追单能力、补货提前期。

这些指标放在一起，才能判断相似款到底是“真实需求强”，还是“资源投入强”；是“商品本身适卖”，还是“渠道和活动推起来的结果”。

 

七、新品预测如何进入订货、配货和补货

新品需求预测的价值，最终要体现在三个动作上。

首先是订货。新品预测决定季前投入边界，包括款色数量、订货深度、品类占比和 OTB 占用。OTB（Open-to-Buy，开放采购预算）用于管理未来采购投入和库存资金占用。新品 OTB 占用建议以吊牌金额口径测算，再根据成本率转为成本采购预算，避免零售金额、吊牌金额和成本金额混用。新品越不确定，越需要控制首批投入，并保留后续调整空间。

其次是配货。新品预测要下沉到渠道、店群、门店和尺码。商品不需要逐店判断每个尺码，但需要确保门店分层、商品角色和首配深度逻辑一致。形象款要保障核心门店表达，主力款要保障高动销店群和核心尺码，测试款要避免过度铺开。

最后是补货。新品上市后的销售反馈，会决定是否进入补货、调拨或降价评估。补货不能只看卖得快，还要看库存覆盖天数、剩余销售窗口、核心尺码、供应周期和毛利空间。

新品预测不是一次性判断。它从季前开始，在上市后被验证，在季中被修正，最后进入季末复盘，成为下一季相似款分析的参数。

 

八、第七在线实践视角：让新品预测从经验判断进入可复盘体系

新品预测的难点，不在于企业没有经验，而在于经验很难稳定地传递到每一个渠道、店群、门店和款色码决策里。

很多预测工具解决的是“预测一个销量数字”，但鞋服企业真正需要的是：知道这个数字如何影响订货、配货和补货。

第七在线关注的，是把新品放进完整的商品经营参照体系中判断。相似款不只是历史款式标签，还包括品类、价格带、季节、波段、渠道、店群、尺码曲线、首配深度、供应能力、售罄、断码、补货和折扣结果。

在新品计划阶段，商品团队可以基于相似款池形成初始需求判断，明确新品角色、预算边界、首批投入和重点承接店群。

进入上市阶段后，系统持续对比新品预测、实际销售、库存覆盖、核心尺码、门店动销和退货表现，帮助团队识别哪些商品需要补深，哪些商品需要谨慎观察，哪些商品已经不适合继续追加投入。

例如，多品牌鞋服集团在规划一批春季新品时，可以先用历史相似款建立预测基准，再结合今年的价格带、渠道节奏、门店覆盖、供应能力和上市时间进行修正。上市后，商品团队继续观察核心店群动销、尺码断点和正价售罄表现，把预测偏差回流到下一波段和下一季计划中。

这样，新品预测不再停留在“凭经验估一个量”，而是形成从相似款选择、预测修正、首配验证到复盘更新的管理机制。

 

核心结论

新品没有历史销售数据，但可以通过相似款分析建立预测参照。

相似款分析不能只看款式相似，还要看品类、价格带、季节、渠道、店群、尺码、销售窗口和供应能力。

新品预测量可以参考“相似款基准销量 × 商品修正系数 × 渠道修正系数 × 门店覆盖系数 × 销售窗口系数 × 供应能力系数”的管理思路，但企业需要根据自身口径调整。

鞋类新品要特别关注尺码曲线和核心尺码断码风险；服装新品要特别关注季节、版型、面料和波段节奏。

新品预测的价值，要通过订货、配货、补货和季末复盘体现，不能只停留在预测表里。

 

常见问题

1.新品没有历史销售数据，还能做需求预测吗？

可以。新品没有同款历史，但通常可以找到相似款、相似品类、相似价格带和相似店群表现。预测的重点是建立合理参照，再根据新品自身条件修正。

 

2.相似款是不是找一款最像的历史商品？

不建议只找一款。更稳妥的做法是建立相似款池，用多款历史商品形成预测区间，再结合新品角色、上市节奏、供应能力和渠道计划调整。

 

3.新品预测不准，是不是说明相似款分析没用？

不一定。新品预测本来就存在不确定性。相似款分析的价值，是降低完全凭经验判断的风险，并让预测偏差可以被解释和复盘。

 

4.新品预测应该由商品企划、商品计划还是货控负责？

通常需要协同完成。商品企划提供产品方向和商品角色判断，商品计划负责预算、品类结构和波段规划，商品货控负责首配、售罄跟踪、补货和调拨。不同企业组织设置会有差异，但口径必须统一。