库存管理AISweet 1.3
我们如何评测 Sway One 的库存管理 AI：Sweet 1.3
发布 Sweet 1.3 之前，我们用 8 家演示门店、2.3 万多个商品和一年的销售数据回放，在 4 个时间点对比使用前后的预测、缺货、库存成本与决策，并说明为什么用演示门店、优先衡量什么。上线后会用您自己的历史数据重复同样的测量，结果更可靠。
阅读 2 分钟
评判一个库存管理 AI，要看它在从未见过的销售数据上表现如何。 为了交付 Sweet 1.3，我们搭建了一套基准测试：回放过去，把每一次预测、每一个决策，与之后实际卖出的数据逐一对照。
一览基准测试
| 步骤 | 我们做什么 |
|---|---|
| 1. 门店 | 8 家演示门店，超过 23,000 个 SKU，一整年的销售数据 |
| 2. 截止 | 5 月至 8 月共 4 个日期：模型只能看到过去 |
| 3. 预测 | 与随后 28 天对比：预测区间、误差、覆盖率 |
| 4. 补货 | 按 90% 服务水平模拟：缺货、损失的利润、库存成本 |
| 5. 决策 | 每一个被过滤掉的行动，都按其真实收益重新评判 |
这些门店涵盖男装和女装、户外、跑步、马术用品、网球和板式网球、一个童装品牌和一个纺织品牌。它们的商品目录来自真实门店；销售数据为模拟生成，每次回放都完全一致，这样才能在同等条件下比较两个版本。
从 Sweet 1.1 到 Sweet 1.3
Sweet 是驱动 Sway One 的 AI 系列：Echo 负责当日简报，Flow 负责持续生成，Horizon 负责库存预测，Orbit 负责完整分析，Reserve 负责预购。
Sweet 1.3 为它们新增了三个节点：
- Horizon：让统计模型与逐日预测在每个产品上相互竞争；
- Sweet Instinct：在这些预测之间做出裁决，并把被过滤器淘汰的好行动重新捞回来；
- 一份有出处的行业新闻简报，用来检验对需求的各种假设。
每家门店都在自己的配置中拥有独立的设置。
测试结果见两篇文章：Horizon，逐个产品的库存预测和 Sweet Instinct。
常见问题
为什么用演示门店？
要比较两个版本，就必须回放完全相同的销售数据，同时不触碰任何客户的数据。在您这里，我们会用您自己的历史数据重新测量一遍。
我们优先衡量什么？
商家的真实成本：缺货造成的销售损失，以及压在库存里的资金。预测再精准，如果不能改善这两个数字，就没有价值。