跨境卖家的预测，输在两个地方
一是预测本身不准——长尾 SKU 没人认真算，新品没有历史，促销和日常混在一起；二是预测在传递中丢掉——十几张 Excel、群里口头批、月底没人说得清谁改的。
| 现状 | 后果 |
|---|---|
| 运营凭经验填每个 SKU 的日销，长尾和新品基本"拍"一个数 | 备货要么压库存，要么断货；没人知道哪些 SKU 的预测根本不可信 |
| 统计预测工具只覆盖有长历史的成熟品，新品、间歇性需求、刚上的店铺全部空白 | 预测"覆盖率"低，运营还是得靠自己 |
| 促销期和日常期的销量混在一起训练 | 模型分不清"8 折大促"和"5 折清仓"，大促前后的蓄水与透支看不见 |
| 常规品、新品各一套 Excel，每个运营一张，群里发；临时提量、砍单口头批 | 汇总靠人工；同一 SKU 两个数；月底备货偏了，没人说得清在哪一步改的 |
| 预测只有"填"，没有"评" | 不知道运营填的比系统算的准不准，主管改过之后更准还是更差；预测质量不随时间变好 |
一条闭环：机器算、人判断、系统记账、实际反馈
OmniLink Plan 借鉴 SAP IBP 的需求计划与 S&OP 方法论，按跨境电商的规模与节奏重新设计。它不是"把 Excel 搬上网"，而是一条从数据到补货、再从实际销量回到模型的闭环。
两个模块可以一起用，也可以分开用：只要引擎，Forecast 通过 API 给你现有的计划系统供数；只要协同，Plan 可以接你已有的预测来源。一起用时，引擎的输出直接出现在每个运营的表格里，成为"参照行"。
OmniLink Forecast：不是一个模型打所有 SKU
面向亚马逊等跨境渠道，以 SKU × 店铺 × 仓 为最细颗粒度的日级销量预测引擎。核心思路是"先分类，再为每个 SKU 自动选最适合它的模型，再用层级调和保证整体自洽"。
五层引擎
ABC-XYZ 九宫格：不同的 SKU，不同的对待
A 类与 Z 类进入人工审核清单，C 类默认采纳统计预测——人的时间花在该花的地方。
新品冷启动：Like Modeling
新品没有历史，但可以借相似品的曲线：同品类 + 同价格带 + 同店铺优先匹配，逐级回退到品类均值。新品第 T 天预测 = 参照品第 T 天销量 × 调整系数，系数随新品真实数据积累自动修正；0–30 天全靠参照，30–90 天线性过渡，90 天后切换为自身模型。退市品走指数衰减。
引擎的特征来源
| 类别 | 特征 | 来源 |
|---|---|---|
| 时序 | 近 7/14/30/90 天均值与标准差、同比、环比、连续无销量天数、季节性因子、节假日 | 历史销量（自动计算） |
| 商品 | 类目、价格带、上架时长、生命周期、大促销量占比 | ERP / 商品主数据 |
| 促销与市场 | 折扣率、促销类型与时长、是否大促期、广告投放力度 | 领星促销 API / 营销日历 / 广告后台；未来期由运营录入计划 |
| 库存 | 断货标记、可售天数（用于清洗与约束） | ERP 库存 |
独立使用
OmniLink Forecast 可独立部署：输入你的销量与促销数据，输出 SKU × 店铺 × 月（或日）的预测、冠军模型标识与回测精度，通过 API 或文件交付给任何计划 / 补货系统。评估指标为 WMAPE（对低销量 SKU 稳健）、Bias、覆盖率与 ±20% 命中率，按分级、生命周期、销量级别、提前期分层报告。
OmniLink Plan：让预测活着走到供应链
一张像 Excel 一样好用的计划网格，加一条五步的月度流程，加一套给每一层打分的评估体系。
📋 计划网格
SKU × 店铺 × 履约一行，12 个月横向滚动（新品首批 3 个月）。每个 SKU 五行：统计预测、运营预测、主管调整、共识需求、实际销量。直接改格子，或导出 Excel 改完传回。子类 / 店铺 / 渠道层可汇总查看，在上层改一个数自动按比例拆到 SKU。
🔁 五步月度流程
数据准备 → 销售输入 → 需求评审 → 共识确认 → 下发。每步有负责角色与截止日，进度条就在表格顶上；按月自动发起，也可手动。
✅ 必审清单
主管不用逐表翻：A 类、偏离超阈值、需求不规则的 Z 类自动进清单，逐行采纳 / 调整 / 打回，清单清空流程自动往下走。
🧪 场景推演
在计划版上开 what-if 副本随便试（大促加量、清仓减量），满意再合并回去，不影响正在走流程的版本。
🗂 版本与快照
基础版 / 计划版 / 共识版生命周期；共识版锁定后只读，并为每个运营生成历史快照，任何时候都能回看"那个月是怎么定的"。
🆕 新品首批闭环
目标上架日 → 系统判定常规 / 紧急订单 → 计划回填首批量与预计上架时间，和常规品在同一条流程里完成。
三条护栏
- 偏离必须说明：首月预测偏离过去 90 天实际日销超过阈值（按 ABC 分级差异化，A 类最严）整行标红，必须填写原因才能保存；Excel 上传同样生效，违规整批回滚。
- 提交即锁定：运营提交后要改需先撤回；主管没评审完，经理锁不了。
- 并发保护：多人同时编辑不会互相覆盖，别人改过的行保存时会提示刷新。
四层数字链：共识是算出来的，不是谁最后改的算谁的
这是 OmniLink Plan 与"把 Excel 搬上网"最根本的区别。每个 SKU 每个月的预测不是一个数，而是四层各自保存的数。
主管调了运营的数，运营的数还在。锁定时系统取最上面那层有值的。实际销量回来后，系统分别算每一层谁更准——谁的判断好，数据会说话。
评估与告警：让预测质量随时间变好
SAP 把这套方法叫 FVA（Forecast Value Added）：衡量每一层人工干预到底是在增加价值还是在添乱。大公司用它决定哪些环节该保留、哪些该砍掉。
分层准确率
每个共识版 × 每一层 × 每个月的 WMAPE 与 Bias，按 ABC-XYZ、子类、店铺、运营、提前期（lag 1–12）分组。
FVA
运营预测比统计预测准多少？主管调整比运营准多少？每一层的增量一眼可见，正负着色。运营在自己的填报页就能看到上期自己的 FVA。
告警
某 SKU 连续多期偏差过大触发重训；某运营连续多期 FVA 为负提示主管；统计预测覆盖不足、流程超期通知到飞书 / 企业微信。
往补货延伸
共识需求不是终点。锁定后它进入供应侧的指标链，成为补货决策的输入。
| 指标 | 说明 |
|---|---|
| 当前库存 / 在途库存 / 可用库存 | 来自 ERP 与物流，按仓汇总 |
| 库存可售天数 | 可用库存 ÷ 共识日销 |
| 安全库存 / 补货点 | 按 ABC-XYZ 差异化：需求可预测的低安全库存，不规则的高安全库存 |
| 建议补货量 / 实际补货计划 | 补货点 − 可用库存；计划员确认后下发 |
共识需求与补货建议通过接口下发到你的补货 / 采购系统；实际销量再回流到引擎，完成闭环。
适合谁
| 客户类型 | 真正的痛 | OmniLink Plan 的价值 |
|---|---|---|
| 品牌卖家 / 多店大卖 | SKU 多、店多，预测靠人堆，口径不统一，备货决策没人敢拍板 | 一套引擎覆盖全部 SKU，一条流程统一所有店；共识有出处、有留痕 |
| 中小卖家 | 1–3 个人干所有事，没有专职计划，备多了压钱、备少了断货 | 统计预测直接可用，人只看清单；不用先招一个计划员 |
| 代运营 / 服务商 | 给多个客户做预测，标准因人而异，交付质量难解释 | 同一套引擎与流程跑所有客户店铺；准确率与 FVA 报告可以直接给客户看 |
| 工厂型出海卖家 | 产能排期需要稳定的需求信号，运营给的数月月变 | 共识版锁定后不可改；新品首批在流程内闭环；需求信号可直接对接生产计划 |
你能拿到什么
预测覆盖率
分级策略 + 冷启动，新品与长尾不再空白
主管只看
必审清单通常只占全量 SKU 的这个比例
每个数字
修改人、时间、改前改后、主管意见
每一层
FVA 告诉你哪一步修正在增值
| 维度 | 设计目标 |
|---|---|
| 成熟品 WMAPE | ≤ 30%；A 类 ≤ 25%，B 类 ≤ 35%，C 类 ≤ 50% |
| Bias | −5% ～ +5%，无系统性偏高偏低 |
| ±20% 命中率 | ≥ 50% 的 SKU |
| 运营每月花在填报 / 改表 / 回答追问上的时间 | 下降一半以上：从"从零填"到"参照修正" |
| 预测质量趋势 | 随周期改善——引擎每周重训，FVA 每月复盘 |
以上为设计目标。每家客户的起点不同，我们会先用你的历史数据做一次回测，给出你自己的基线，再定目标。
接入与节奏
- 数据对接历史销量（按 SKU × 店铺 × 仓、日级）、库存、促销与广告记录——ERP / 数仓 / 领星接口或文件；主数据（店铺、SKU、运营分配、履约模式）导入。1–2 周，我们做。
- 回测与基线用你的历史数据跑一轮回测，给出每个 SKU 的冠军模型与准确率基线，确定阈值。1 周。
- 指定角色谁是主管、经理、计划。10 分钟。
- 第一个月度流程统计预测已在表格里；运营参照修正，主管看清单，经理锁定。与你现有节奏一致。
- 实际回流与复盘实际销量回来，第一份 FVA 报告出来；复盘会决定阈值与流程调整。此后每周重训、每月回顾。
不需要：换 ERP、改 SKU 编码、培训一周。需要：管理层真的指定主管和经理并在系统里操作；运营把促销计划与广告预算录进系统——这是促销层模型发挥作用的前提。
架构与安全
- 数据模型对标 SAP IBP：Planning Area、Key Figure、Planning Level、版本与场景、流程模板——概念通用，实现轻量，后续扩维度、扩层级有骨架可循。
- 角色与隔离：运营 / 主管 / 经理 / 计划 / 管理员五种角色；运营只看自己分配的 SKU × 店铺；管理员可"视图模式"查看但写操作始终记在本人名下。
- 全程留痕：每个数字的修改人与改前改后、每个流程动作的操作人与意见、每次算子执行的结果与耗时。
- 接口：推数 / 拉数接口 API Key 鉴权；预测引擎、数仓、补货系统通过标准契约对接。
- 部署：SaaS 或私有化；引擎与协同平台可分开部署。
常见问题
- 我们的 SKU 大多历史不足半年，模型还能用吗？
- 能。引擎按历史长度分级：一年以上走完整竞赛，90 天以上走短期模型，30 天以上走相似品建模，不足 30 天走品类均值冷启动。覆盖率目标 ≥ 85%。
- 只要引擎、不要协同平台，可以吗？
- 可以。OmniLink Forecast 独立部署，通过 API 或文件输出到你现有的计划系统。
- 我们习惯 Excel，能继续用吗？
- 能。导出改完传回来，系统按 SKU + 店铺 + 履约回写；偏离校验对上传同样生效。
- 主管改了运营的数，运营填的就没了？
- 没有。运营那一行还在，主管的是另一行；锁定取最上层有值的，事后分别评估两层谁更准。
- 促销计划没录进系统会怎样？
- 引擎按原价预测，促销期会偏低。这是输入问题不是模型问题——所以我们把促销计划录入放进了月度流程的数据准备步骤。
- 和 SAP IBP / Anaplan 比差在哪？
- 差在通用性：它们能配任意维度、层级、公式。OmniLink Plan 只做跨境电商用得上的部分，换来的是不需要它们的价格和半年实施期，以及内置的亚马逊促销、广告、断货特征。
- 新品首批怎么处理？
- 引擎用相似品曲线给出统计预测；运营填目标上架日与首批判断；系统按上架日判定常规 / 紧急订单；计划在同一条流程里回填首批量与预计上架时间。
- 数据放在哪？
- 独立数据库，按店铺与运营分配隔离读取范围；支持私有化部署。
下一步：用你的历史数据做一次免费回测
把你们过去 12 个月的销量明细给我们，两周内给你一份回测报告——每个 SKU 的冠军模型、按 ABC-XYZ 分层的准确率基线、覆盖率，以及用你上个月的预测表跑一遍完整月度流程的演示。
你会看到：哪些 SKU 的预测已经可以直接采纳、哪些需要人盯、主管的必审清单长什么样、锁定后的共识和留痕是什么样子。
回测与演示在副本环境进行，不碰你们现有系统。