القائمة
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/huifer/Shopilot --skill predictive-analyticsيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | predictive-analytics |
| description | 预测分析器 - 销售预测、需求预测、客户行为预测、库存需求预测、现金流预测 |
| version | 1.0.0 |
| author | Shopilot |
| argument-hint | <prediction-type> [entity-id] [timeframe] |
| disable-model-invocation | false |
| user-invocable | true |
基于历史数据和机器学习的智能预测分析系统，精准预测销售、需求、客户行为和库存
专业的预测分析系统，运用时间序列分析、机器学习和统计模型，为企业提供准确的未来趋势预测，支持数据驱动的战略决策和资源规划。
时间序列模型:
ARIMA:
用途: 线性趋势预测
优势: 理论成熟、可解释性强
劣势: 无法捕捉非线性模式
适用: 稳定增长的业务
指数平滑:
用途: 短期预测
优势: 对近期数据敏感
劣势: 长期预测精度下降
适用: 季节性业务
Prophet:
用途: 复杂模式预测
优势: 处理季节性、节假日
劣势: 需要较多数据
适用: 电商零售
机器学习模型:
随机森林:
用途: 多因素预测
优势: 处理非线性关系
劣势: 可解释性较弱
适用: 复杂影响因素
XGBoost:
用途: 高精度预测
优势: 预测精度高
劣势: 调参复杂
适用: 大数据量
LSTM:
用途: 序列预测
优势: 捕捉长期依赖
劣势: 需要大量数据
适用: 长时间序列
## 时间维度
- 日预测 (1-7天)
- 周预测 (1-4周)
- 月预测 (1-12个月)
- 季度预测 (1-4季度)
- 年度预测 (1-3年)
## 聚合维度
- 总销售额预测
- 产品线预测
- SKU级预测
- 渠道预测
- 区域预测
## 场景维度
- 基准预测 (正常情况)
- 乐观预测 (增长情景)
- 悲观预测 (下降情景)
- 促销预测 (活动影响)
- 新品预测 (产品发布)
季节模式识别:
年度季节性:
- 节假日效应 (春节、双11、黑五)
- 换季效应 (服装、家电)
- 学期效应 (文具、电子产品)
- 旅游旺季 (夏季、黄金周)
月度季节性:
- 发薪日效应 (月初、月中)
- 账单日效应 (月末)
- 周末效应 (周五-周日)
周度季节性:
- 工作日 vs 周末
- 周一效应 (新的一周)
- 周五效应 (周末准备)
季节调整方法:
- 移动平均法
- X-13ARIMA-SEATS
- STL分解
- 季节指数法
## 长期趋势
- 增长期 (年均增长 >20%)
- 成熟期 (年均增长 5-20%)
- 饱和期 (年均增长 <5%)
- 衰退期 (负增长)
## 趋势识别
- 线性趋势 (持续增长/下降)
- 指数趋势 (加速增长)
- 对数趋势 (增长放缓)
- S型曲线 (快速增长后平稳)
## 趋势影响因素
- 市场规模变化
- 竞争格局变化
- 技术革新
- 消费习惯变化
- 宏观经济因素
预测模型:
逻辑回归:
输入特征:
- 历史购买频次
- 最近购买时间
- 平均客单价
- 浏览行为
- 加购行为
输出: 购买概率 (0-1)
随机森林:
输入特征:
- 人口统计特征
- 行为特征
- 偏好特征
- 社交特征
输出: 购买概率 + 特征重要性
深度学习:
输入特征:
- 序列行为数据
- 多模态数据
- 实时上下文
输出: 购买概率 + 推荐理由
流失信号:
行为信号:
- 购买频次下降
- 客单价下降
- 访问频次下降
- 互动率下降
- 投诉增加
时间信号:
- 最近购买时间
- 平均购买间隔
- 会员到期时间
- 订阅续费时间
态度信号:
- NPS评分下降
- 负面评价增加
- 退订行为
- 客服投诉
流失预测:
风险等级:
高风险: 流失概率 >70%
中风险: 流失概率 30-70%
低风险: 流失概率 <30%
预测周期:
短期: 7天内流失风险
中期: 30天内流失风险
长期: 90天内流失风险
## 预测方法
1. 历史销量法
基于过去销量预测未来
适用于: 稳定需求产品
2. 移动平均法
基于近期销量平均
适用于: 短期预测
3. 指数平滑法
给予近期数据更高权重
适用于: 趋势明显产品
4. 回归分析法
考虑多影响因素
适用于: 复杂影响因素
## 预测输出
- 日需求量
- 周需求量
- 月需求量
- 季度需求量
- 需求量置信区间
安全库存计算:
公式: 安全库存 = Z × σ demand × √Lead Time
Z: 服务水平系数 (95% = 1.65)
σ demand: 需求标准差
Lead Time: 供货周期
再订货点:
公式: ROP = (日均销量 × 供货周期) + 安全库存
作用: 库存降至此点时触发补货
最优订货量:
公式: EOQ = √(2 × 年需求 × 订货成本 / 存储成本)
作用: 平衡订货成本和存储成本
库存周转目标:
优秀: >12次/年
良好: 8-12次/年
一般: 4-8次/年
需改进: <4次/年
销售收入:
预测方法:
- 销售预测回款
- 回款率调整
- 账期考虑
回款周期:
- 现金销售: T+0
- 在线支付: T+1
- 信用卡: T+2-3
- B2B账期: T+30-90
其他收入:
- 投资收益
- 政府补贴
- 资产处置
- 其他经营收入
经营支出:
采购支出:
- 库存采购
- 原材料采购
- 采购账期
运营支出:
- 人员工资
- 房租水电
- 营销费用
- 物流费用
- 平台费用
资本支出:
- 设备采购
- 系统开发
- 店面装修
- 其他投资
税费支出:
- 增值税
- 所得税
- 其他税费
## 预警级别
- 安全: 现金储备 >6个月支出
譊戒线: 现金储备 3-6个月支出
危险: 现金储备 <3个月支出
紧急: 现金储备 <1个月支出
## 缺口预测
- 缺口时间点
- 缺口金额
- 缺口持续时间
- 应对建议
## 融资建议
- 融资时机
- 融资额度
- 融资方式
- 成本估算
回归指标:
MAE (平均绝对误差):
公式: Σ|实际值 - 预测值| / n
解释: 平均误差大小
单位: 与目标变量相同
RMSE (均方根误差):
公式: √(Σ(实际值 - 预测值)² / n)
解释: 惩罚大误差
单位: 与目标变量相同
MAPE (平均绝对百分比误差):
公式: Σ|(实际值 - 预测值) / 实际值| / n × 100%
解释: 相对误差百分比
单位: 百分比
R² (决定系数):
公式: 1 - (残差平方和 / 总平方和)
解释: 模型解释方差比例
范围: 0-1，越接近1越好
分类指标:
准确率 (Accuracy):
公式:
## 模型选择标准
1. 预测精度 (权重: 40%)
2. 稳定性 (权重: 25%)
3. 可解释性 (权重: 20%)
4. 计算效率 (权重: 15%)
## 交叉验证
- 时间序列交叉验证
- K折交叉验证 (适合非时序)
- 留一法交叉验证
- 滚动窗口验证
## 模型优化
- 超参数调优
- 特征工程
- 集成学习
- 模型融合
折线图:
用途: 展示预测趋势
要素:
- 历史数据线
- 预测数据线
- 置信区间带
- 实际数据对比
样式:
- 颜色区分
- 虚实线区分
- 阴影区域
- 标注关键点
对比柱状图:
用途: 预测 vs 实际对比
维度:
- 时间维度 (月/季/年)
- 产品维度
- 渠道维度
- 区域维度
热力图:
用途: 多维度预测矩阵
维度:
- 产品 × 时间
- 区域 × 产品
- 渠道 × 时间
KPI卡片:
- 预测销售额
- 预测增长率
- 预测准确率
- 置信度
进度条:
- 目标达成预测
- 季度进度预测
- 年度目标预测
预警标识:
- 缺口预警
- 偏差预警
- 趋势预警
/predictive-analytics --sales forecast --period 90d --confidence 95
输出示例：
📊 销售预测分析 - 未来90天
## 预测概览
| 指标 | 预测值 | 95%置信区间 | 增长率 | 置信度 |
|------|--------|------------|--------|--------|
| 销售额 | ¥3,450,000 | ¥3,180,000 - ¥3,720,000 | +15.2% | 高 |
| 订单数 | 2,850 | 2,620 - 3,080 | +12.8% | 高 |
| 客单价 | ¥1,210 | ¥1,150 - ¥1,270 | +2.1% | 中 |
| 转化率 | 3.5% | 3.2% - 3.8% | +0.3pp | 中 |
## 月度预测
### 第1月 (Days 1-30)
**基准预测**: ¥1,150,000
| 周次 | 销售额预测 | 置信区间 | 关键因素 |
|------|-----------|---------|---------|
| W1 | ¥265,000 | ¥250,000 - ¥280,000 | 促销活动 |
| W2 | ¥280,000 | ¥260,000 - ¥300,000 | 正常销售 |
| W3 | ¥295,000 | ¥275,000 - ¥315,000 | 新品发布 |
| W4 | ¥310,000 | ¥290,000 - ¥330,000 | 月末冲刺 |
**乐观情景**: ¥1,280,000 (+11.3%)
- 假设: 促销效果超预期20%
- 触发条件: 转化率达到4.0%
**悲观情景**: ¥1,020,000 (-11.3%)
- 假设: 竞品降价影响
- 触发条件: 市场份额下降5%
### 第2月 (Days 31-60)
**基准预测**: ¥1,180,000
**关键因素**:
- ✅ 季节性增长 (+8%)
- ✅ 节假日效应 (+15%)
- ⚠️ 竞争加剧 (-5%)
- ✅ 新品贡献 (+12%)
### 第3月 (Days 61-90)
**基准预测**: ¥1,120,000
**关键因素**:
- ✅ 会员日活动 (+20%)
- ⚠️ 淡季影响 (-8%)
- ✅ 复购提升 (+10%)
- ✅ 渠道拓展 (+5%)
## 产品线预测
| 产品线 | 销售额 | 占比 | 增长 | 置信度 | 风险因素 |
|--------|--------|------|------|--------|---------|
| 智能手表 | ¥1,380,000 | 40% | +18% | 高 | 竞品压力 |
| 健康监测 | ¥860,000 | 25% | +22% | 高 | 供应链 |
| 运动配件 | ¥690,000 | 20% | +8% | 中 | 需求饱和 |
| 智能家居 | ¥520,000 | 15% | +12% | 中 | 市场接受 |
## 渠道预测
| 渠道 | 销售额 | 占比 | 增长 | 预测准确率 |
|------|--------|------|------|-----------|
| 官网自营 | ¥1,520,000 | 44% | +20% | 92% |
| 天猫店 | ¥1,040,000 | 30% | +12% | 88% |
| 抖音电商 | ¥520,000 | 15% | +25% | 75% |
| 其他渠道 | ¥370,000 | 11% | +5% | 70% |
## 预测模型
**模型选择**: XGBoost + Prophet混合模型
**模型性能**:
- 训练集R²: 0.94
- 验证集R²: 0.89
- 测试集MAPE: 8.5%
- 预测置信度: 87%
:
历史销量 (35%)
季节性 (25%)
促销活动 (15%)
价格变动 (12%)
外部环境 (8%)
其他因素 (5%)
:
近7天: MAPE 6.2% ✓
近30天: MAPE 8.5% ✓
近90天: MAPE 10.3% ✓
:
增加外部数据 (天气、经济指标)
优化促销活动预测
提升长尾商品预测
实时数据更新
第1月库存: 提前15天备货
第2月库存: 提前20天备货
第3月库存: 提前10天备货
第1月促销: 预算¥80,000
第2月活动: 预算¥60,000
第3月大促: 预算¥120,000
客服配置: +2人
物流对接: 提前2周
技术支持: 保障期
竞品应对: 准备价格战预案
供应链: 备选供应商
库存风险: 柔性补货计划
/predictive-analytics --inventory demand --sku "SW-PRO-2024" --period 60d
输出示例：
📦 库存需求预测 - 智能手表 Pro (SW-PRO-2024)
## 需求预测
### 未来60天需求
| 周次 | 预测销量 | 95%置信区间 | 增长率 | 风险等级 |
|------|---------|------------|--------|---------|
| W1 | 78 | 72-84 | +5% | 低 |
| W2 | 85 | 78-92 | +9% | 低 |
| W3 | 92 | 84-100 | +8% | 中 |
| W4 | 88 | 80-96 | -4% | 中 |
| W5 | 95 | 87-103 | +8% | 中 |
| W6 | 102 | 93-111 | +7% | 中 |
| W7 | 110 | 100-120 | +8% | 高 |
| W8 | 118 | 107-129 | +7% | 高 |
| **总计** | **768** | **701-835** | **+7.2%** | - |
### 月度汇总
| 月份 | 需求量 | 增长 | 趋势 |
|------|-------|------|------|
| 第1月 | 343 | +4.5% | ↗️ |
| 第2月 | 425 | +23.9% | ↗️↗️ |
**趋势分析**:
- 需求上升趋势明显
- 第2月有季节性增长
- 促销活动影响W7-W8
## 库存分析
### 当前库存状态
| 指标 | 数值 | 状态 |
|------|------|------|
| 当前库存 | 280台 | ⚠️ |
| 日均销量 | 12台 | - |
| 库存可售天数 | 23天 | ⚠️ |
| 在途库存 | 100台 | 🔄 |
| 可用总库存 | 380台 | ✓ |
### 库存预警
**预警级别**: 🔴 中等风险
**关键指标**:
- 当前库存仅可维持23天
- W5开始出现缺口风险
- W7-W8高峰期风险加剧
**缺口预测**:
| 周次 | 需求量 | 可用库存 | 缺口 | 累计缺口 |
|------|-------|---------|------|---------|
| W1-W2 | 163 | 163 | 0 | 0 |
| W3-W4 | 180 | 180 | 0 | 0 |
| W5-W6 | 197 | 37 | -160 | -160 |
| W7-W8 | 228 | 0 | -228 | -388 |
**结论**: 如不补货，W5开始缺货
## 补货建议
### 最优补货方案
**方案A: 单次补货** (推荐)
- 补货时间: 立即
- 补货数量: 500台
- 补货后总库存: 880台
- 可售天数: 73天
- 安全库存: 112台
- **成本**: ¥325,000
- **优势**: 批量折扣，单次物流成本
- **风险**: 库存积压风险
**方案B: 分次补货**
- 第一次: 立即补货300台
- 第二次: W4补货250台
- 补货后总库存: 930台
可售天数: 77天
: ¥340,000 (+4.6%)
: 降低库存风险，灵活调整
: 两次物流成本
: 方案B (分次补货)
| 参数 | 数值 |
|------|------|
| 供货周期 | 15天 |
| 最小订货量 | 100台 |
| 批量折扣 | >300台 -5% |
| 安全库存 | 80台 |
| 再订货点 | 260台 |
:
当前: 80台 (6.7天销量)
优化: 60台 (5天销量)
前提: 供应商稳定，供货周期<15天
:
当前: 5.2次/年
目标: 8次/年
方案: 小批量多频次补货
| 月份 | 季节系数 | 调整后需求 |
|------|---------|-----------|
| 1月 | 0.92 | 341台 |
| 2月 | 0.88 | 326台 |
| 3月 | 1.05 | 389台 |
| 4月 | 1.08 | 401台 |
| 5月 | 1.12 | 416台 |
| 6月 | 1.15 | 427台 |
| 活动 | 时间 | 预计增量 | 持续时间 |
|------|------|---------|---------|
| 618大促 | W7 | +60% | 7天 |
| 会员日 | W3 | +25% | 3天 |
| 周年庆 | W5 | +30% | 5天 |
: +235台 (30.6%增量)
| 周期 | MAPE | 准确率评级 |
|------|------|-----------|
| 近7天 | 9.2% | 优秀 |
| 近30天 | 12.5% | 良好 |
| 近60天 | 15.8% | 中等 |
| 近90天 | 18.3% | 中等 |
:
促销活动 (40%)
竞品影响 (25%)
外部环境 (20%)
随机波动 (15%)
:
加强促销预测
监控竞品动态
引入外部数据
缩短预测周期
启动第一次补货300台
确认供应商交期
调整促销活动库存配额
W4启动第二次补货250台
监控实际销量与预测偏差
准备618大促库存
评估预测准确性
调整补货策略
优化安全库存水平
/predictive-analytics --customer behavior --segment high-value --period 30d
输出示例：
👥 客户行为预测 - 高价值客户 (未来30天)
## 购买概率预测
### 客户分组预测
| 分组 | 客户数 | 预测购买人数 | 购买率 | 平均客单价 | 预测销售额 |
|------|--------|------------|--------|-----------|-----------|
| 高活跃 | 85 | 68 | 80% | ¥1,280 | ¥87,040 |
| 中活跃 | 125 | 63 | 50% | ¥980 | ¥61,740 |
| 低活跃 | 90 | 18 | 20% | ¥750 | ¥13,500 |
| **总计** | **300** | **149** | **49.7%** | **¥1,080** | **¥162,280** |
### 个人预测 (Top 10)
| 客户ID | 购买概率 | 预测金额 | 关键因素 | 推荐动作 |
|--------|---------|---------|---------|---------|
| C-001234 | 95% | ¥2,580 | 近期浏览、加购 | 立即跟进 |
| C-002345 | 92% | ¥1,980 | 会员到期、历史复购 | 续费提醒 |
| C-003456 | 88% | ¥1,650 | 促销活动响应 | 推送优惠 |
| C-004567 | 85% | ¥1,420 | 新品发布、高兴趣 | 产品推荐 |
| C-005678 | 82% | ¥1,280 | 周期性购买 | 复购提醒 |
| C-006789 | 78% | ¥1,150 | 加购未购、库存紧张 | 库存提醒 |
| C-007890 | 75% | ¥1,050 | 浏览高频、对比中 | 对比优势 |
| C-008901 | 72% | ¥980 | 首购优惠敏感 | 优惠推送 |
| C-009012 | 68% | ¥880 | 节日需求 | 节日营销 |
| C-010123 | 65% | ¥780 | 推荐人奖励 | 推荐激励 |
### 购买时间预测
| 时间段 | 预测购买人数 | 占比 | 累计占比 |
|--------|------------|------|---------|
| 第1周 | 25 | 16.8% | 16.8% |
| 第2周 | 38 | 25.5% | 42.3% |
| 第3周 | 48 | 32.2% | 74.5% |
| 第4周 | 38 | 25.5% | 100% |
**峰值**: 第3周 (32.2%)
**建议**: 第2周加大营销投入
## 流失概率预测
### 流失风险分布
| 风险等级 | 客户数 | 占比 | 流失概率 | 主要原因 |
|---------|--------|------|---------|---------|
| 🔴 高风险 | 18 | 6% | >70% | 竞品吸引、服务不满 |
| 🟡 中风险 | 45 | 15% | 30-70% | 购买频次下降、互动减少 |
| 🟢 低风险 | 237 | 79% | <30% | 活跃度高、忠诚度高 |
### 高风险客户详情
| 客户ID | 流失概率 | 风险因素 | 最近行为 | 挽回建议 |
|--------|---------|---------|---------|---------|
| C-011234 | 85% | 购买频次↓80%、投诉2次 | 30天未购买 | VIP客服 + 优惠券 |
| C-022345 | 78% | 客单价↓60%、差评1次 | 25天未访问 | 问题解决 + 赔偿 |
| C-033456 | 75% | 竞品购买、互动↓ | 20天未登录 | 价格匹配 + 独家优惠 |
| C-044567 | 72% | 会员到期、未续费 | 15天到期 | 续费激励 + 价值强化 |
| C-055678 | 68% | 退货率高、满意度低 | 45天未购买 | 产品改进 + 换货 |
### 挽回策略
**高风险客户 (18人)**:
1. 立即电话回访
2. VIP专属优惠
3. 问题优先解决
4. 客户成功经理对接
5. 预期挽回率: 40% (7人)
**中风险客户 (45人)**:
1. 邮件个性化推荐
2. 限时优惠推送
3. 互动活动邀请
4. 预期挽回率: 60% (27人)
| 分层 | 客户数 | 当前CLV | 预测CLV (1年) | 增长率 | 优先级 |
|------|--------|---------|-------------|--------|--------|
| 核心客户 | 45 | ¥12,500 | ¥15,800 | +26.4% | 最高 |
| 成长客户 | 82 | ¥5,200 | ¥7,300 | +40.4% | 高 |
| 潜力客户 | 98 | ¥2,100 | ¥3,500 | +66.7% | 中 |
| 边缘客户 | 75 | ¥850 | ¥980 | +15.3% | 低 |
:
| 客户ID | 当前CLV | 预测CLV | 升级因素 | 预计时间 | 培养策略 |
|--------|---------|---------|---------|---------|---------|
| C-066789 | ¥4,200 | ¥8,500 | 购买频次↑、客单价↑ | 3个月 | 交叉销售、向上销售 |
| C-077890 | ¥3,800 | ¥7,800 | 复购率↑、推荐活跃 | 4个月 | 推荐激励、会员升级 |
| C-088901 | ¥3,500 | ¥7,200 | 客单价↑、品类拓展 | 3个月 | 品类推荐、捆绑销售 |
| C-099012 | ¥3,200 | ¥6,800 | 高频购买、高满意度 | 2个月 | 忠诚度计划、专属服务 |
| 客户ID | 预测品类1 | 概率 | 预测品类2 | 概率 | 预测品类3 | 概率 |
|--------|----------|------|----------|------|----------|------|
| C-001234 | 智能手表 | 85% | 健康监测 | 65% | 运动配件 | 45% |
| C-002345 | 健康监测 | 78% | 智能手表 | 52% | 智能家居 | 35% |
| C-003456 | 运动配件 | 82% | 智能手表 | 48% | 健康监测 | 30% |
| 敏感度 | 客户数 | 占比 | 特征 | 定价策略 |
|--------|--------|------|------|---------|
| 低敏感 | 65 | 22% | 高收入、重品质 | 高端定价、品质强调 |
| 中敏感 | 165 | 55% | 性价比导向 | 竞争定价、价值强调 |
| 高敏感 | 70 | 23% | 价格驱动、折扣敏感 | 促销定价、折扣强调 |
:
立即推送个性化推荐
限时优惠刺激转化
购买提醒（加购、浏览）
预期转化率: 60%
:
VIP客服主动联系
专属挽回优惠
问题优先解决
预期挽回率: 40%
:
交叉销售推荐
向上销售引导
会员升级激励
预期提升率: 50%
:
邮件营销 (覆盖100%，转化率8%)
短信营销 (覆盖80%，转化率5%)
APP推送 (覆盖60%，转化率12%)
微信营销 (覆盖70%，转化率6%)
: ¥45,000
| 项目 | 预算 | 预期ROI | 目标 |
|------|------|---------|------|
| 邮件营销 | ¥8,000 | 5.2x | 75次转化 |
| 短信营销 | ¥12,000 | 3.8x | 80次转化 |
| APP推送 | ¥6,000 | 8.5x | 90次转化 |
| 挽回优惠 | ¥15,000 | 4.5x | 30次挽回 |
| 推荐激励 | ¥4,000 | 6.8x | 25次推荐 |
: ¥270,000
: 6.0x
/basic-analytics - 基础分析/cohort-analyzer - 同群分析/lifetime-value-predictor - LTV预测/segmentation-builder - 客户细分/performance-benchmark - 性能基准Predict the future, shape your success! 🔮
版本: 1.0.0 更新: 2026-04-12 作者: Shopilot Team