Cofnij do listy
Video
Demand Management
Fashion

Produkty referencyjne, czyli prognozowanie popytu na nową kolekcję i baseline

Michał Koziara - współtwórca Occubee - opowiada o palącym problemie branży fashion - braku historycznych danych sprzedażowych i zaznacza kluczową rolę produktów referencyjnych w kontekście prognozowania popytu i sprzedaży.

Przejdź do wideo

Z materiału wideo dowiesz się:

Jak pracują modele ML przy prognozowaniu popytu

Modele Machine Learning wymagają historii sprzedaży. Muszą być trenowane, a zatem muszą nauczyć się na danych historycznych, co wpływa na sprzedaż.

Jak przebiega definiowanie produktów podobnych

Definiowanie produktów podobnych jest istotnym elementem w kontekście prognozowania popytu i sprzedaży w branży fashion – w przypadku nowych kolekcji i nowych produktów w ofercie istotna jest wiedza, w jaki sposób będzie kształtować się ich sprzedaż w poszczególnych punktach sprzedaży.

Jak określić zbiór cech produktów

W branży fashion warto klasyfikować produkty i określać zbiór ich cech. Zbiór cech dla produktów sprzedawanych w poprzednich sezonach i zbiór cech dla produktów nowych w ofercie może być analizowany przez modele ML, co pozwala zidentyfikować faktyczne relacje między produktami.

Poprzednie wideo Szerokość i głębokość kolekcji w branży fashion
Następne wideo Pojedyncza sztuka w branży fashion

Lubisz wiedzieć więcej?

Dołącz do naszego newslettera

Newslettery wysyłane są w formacie wiadomości e-mail, nie częściej niż raz w miesiącu bądź niezwłocznie w przypadku istotnych aktualności/zmian/treści edukacyjnych. Więcej w regulaminie.