延伸阅读：为什么要做计划，本文是最好的回答，没有之一
延伸阅读：库存计划如何应对永远错误的销售预测
延伸阅读：我们为什么要坚持做预测
延伸阅读：预测计划：运筹帷幄，决胜于千里之外
延伸阅读：谁家销售需预测，谁家预测初需人？
延伸阅读：为何所谓正确的预测几乎不可能存在？
延伸阅读：每天只需工作2小时供应链人士是如何炼成的？
延伸阅读：关于供应链预测：你/我知道的都太少了（1）
延伸阅读：关于供应链预测：你/我知道的都太少了（2）
延伸阅读：关于供应链预测：你/我知道的都太少了（3）
图为琳琅满目的消费品，图片来自网络
点击上方蓝字关注我，最亲切的供应链专业号
“一鸣惊人，抑或一蹶不振”——新品能带来生意爆发，也可能带来成本暴涨，公司的运营真是“成也新品，败也新品”。
而新品预测也确实比较难。今天我们来聊聊在消费品企业，有哪些常见的新品预测方法。
没错，新品预测由市场部来主导。但planner和supply chain manager作为预测流程的领导者，了解基本招式也非常重要。这样你才会推敲，会测算风险，会验证，会反应。
首先确认预测哪个环节。以精准计算出供货量为目的，根据公司情况选择sell-out或sell-in(sell-in为公司售给渠道，sell-out为渠道售出）。
如果今天你的企业有sell-out历史销量和渠道库存，预测在更终端的sell-out上更好。再用目标渠道库存转化为sell-in，最后考虑公司安全库存转化为供货量。
如果目前渠道库存数据不靠谱或不可控，sell-out历史数据缺失或者缺乏监控，只做 sell-in预测也是顺应企业现实情况的一个做法。
预测在什么环节，就必须跟进在什么环节，以不断积累经验值。
提前多久上交新品预测？一般根据长周期原料/包材的要求。如果还需要新产线或新仓库，提前期会更长，但粒度可以更粗。
不是任何提前期都一定需要by SKU的预测，共用长周期原料/包材的SKU，可以合并预测，后期再做出占比。新品提前期越长，上市计划越不确定，如果能适当降低精度要求，从供应的角度给未知一些空间，是企业供应链具备抗风险能力的体现。
Pipe-in＋Benchmarking (铺货＋标杆法)
铺货根据公司及渠道情况，可能是第一个月，也可能是前三个月。铺货期需要销售团队提供数据：
该月销售支数=目标门店数＊每店陈列支数＊该月铺货进度
铺货之后的正常售卖阶段，用benchmarking法参考类似品。根据功效/目标客户/渠道的类似，找到可以参考的老品。为了完整的季节性，建议拿出老品的一个整年的实际销量，除以门店数和自然日，得到每个月的单店日销量作为基数。新品和老品当然不一样，所以在基数之上，再乘以各个影响因子，比如：
门店数的倍数
新包装/新配方带来的增比
不同容量销量的经验比
涨价/降价引起的数量比
SKU数变化，蚕食或合并效应
…
Market Intelligence (市场信息法)
全新的产品上市，或者向全新的渠道挺进，没有可参考的怎么办？战略型的新品，可以考虑引入外部资源，比如向数据公司买数据，再乘以预估的市场份额来估算。
Pipe-in+Replenishment (铺货＋补货率法)
没到买数据那份儿上，又没有类似品？也可以根据“铺货量＋补货率”来计算，补货率可以参考销售执行程度类似的新品。销售执行程度，受同时有没有其它新品/促销影响，受有没有促销员影响，受有没有特殊津贴影响。
电商渠道分开预测
季节性不同的渠道，需要分开预测，这不管是放在基线预测(baseline forecast)还是新品预测上都一样。电商的铺货速度快，爆品销量更集中，节日销量异常倾斜，需要负责电商的同事一起做新品预测，以及在上市后进行监测，及时调整。
真实需求vs“使命必达”
有的新品背负使命，比如要贡献多少生意，才能赢回研发投资，或者需要多少年需求，才能凑够批次量(batch size)。
这样的情况很常见。你可以问的问题是：支持这么大的上市，我们有什么媒体投入？在哪几个月？然后和市场部一起看，在这样的投入下，我们的预测量是多少？用我们前面提到的方法去做一版去功利心的相对“纯粹”的量。然后对比Top down的数量，把差距数量量化成坏货计提金额，直接算出对P&L的潜在影响，“把坏话说在前面”。如果决策者考虑了坏货风险，依然觉得可行，那这个“使命必达”就是算好了退路的理性决定。
所有这些方法中试图实现量化的因子，说白了都是假设Assumption(假设)。Assumptions准不准，要测过才知道。刚开始这样算的时候，你拉着市场部和销售一起确认并记录在新品预测表中，讲给决策层让信息通透。新品预测的责任，所有stakeholders都要背，才能做好。
当风险太大而假设又太模糊时，择部分区域或客户群进行试卖，拼命先攒一点硬数据再放大规模，也是降低风险的方式。
新品上市后，市场部和销售部要不断跟进上市进程，积累一手数据，planner也要及时跟进了解。Planner关注这些“因子”的实际情况，不仅是为了供货上的及时反应，也是为了对比当初的假设，为后续的新品上市预测，积累自家的数据。积累多了就是判断力和话语权。
积累自家数据库，找到适合自己品类的方法，对管理层的目标和销售的数据，培养自己的判断力----都没法急功近利，也没法通过本文“秒会”，真是“冰冻三尺，非一日之寒”。
从长期来讲，推进公司在产品开发阶段就考虑原料、包材甚至模块、部件的共用，将新品指标设入市场部、销售部的KPI，都对新品预测有帮助。“新品预测”说到底不是个猜测，而是计划和执行。PDCA，Plan-Do-Check-Action，日益精进。
