需求预测是指利用历史销售数据、季节性和市场信号，预测未来某个时间点客户对某件商品的需求量。在电商中，这一预测会直接影响库存和广告决策——备多少货、何时提高或降低出价，以及季节性商品何时应全力推广、何时应从广告系列中彻底撤出。做得好的需求预测能用有数据支撑、可提前执行的计划取代对未来需求的猜测，而不是等数字已经变化后才被动应对。
为什么需求预测对库存和广告规划很重要
备货过多会把资金占用在日后可能需要打折处理的库存上，而备货过少则意味着恰恰在需求高峰时错失销售——这两种结果都源于预测要么不存在、要么不被信任。在广告方面，在需求已经激增之后才上线的广告系列，会错过销售窗口中最有价值的部分，这与Civil 如何通过让每个广告系列的创意按时就绪，将 ROAS 提升 36%中解决的问题非常接近：足够早地预测季节性需求，使创意和广告系列在窗口开启之前（而不是之后）就已准备就绪。融入了需求预测的 Feed 还可以自动为出价和预算节奏提供依据，在预测的高峰到来之前前置投放，而不是在季中追赶。
需求预测的工作原理
预测模型通常将商品自身的历史销售趋势与更广泛的季节性规律和外部市场分析相结合——包括类目层面的需求变化、竞争对手动向，或是单个 SKU 的历史数据本身无法揭示的宏观趋势。其结果通常流向两个地方：库存管理系统，用于在预测的需求曲线到来之前设置再订货点和安全库存水平；以及动态定价引擎，可在实际销售领先或落后于预测时逐步调整价格。Feed 团队通常会将预测结果本身作为自定义标签或属性呈现在商品上，使广告系列规则能够直接对需求层级做出响应，而无需人工标记哪些商品即将进入季节性旺季。
示例：商品 Feed 中的需求预测
<item>
<g:id>SKU-25671</g:id>
<title>Kids Rain Boots - Yellow, Size 12</title>
<link>https://example-shop.com/products/kids-rain-boots-yellow-12</link>
<g:price>32.00 USD</g:price>
<g:availability>in stock</g:availability>
<g:custom_label_0>forecast_demand_high_spring</g:custom_label_0>
<g:sale_price>27.00 USD</g:sale_price>
<g:sale_price_effective_date>2026-03-01T00:00/2026-04-15T23:59</g:sale_price_effective_date>
</item>custom_label_0 的值将该商品标记为预计在春季迎来高需求，而预设的 sale_price_effective_date 则表明定价团队已将促销时间与预测窗口对齐，而不是等销售数据证实后才做出反应。
相关概念
只有与执行相结合，需求预测才能创造价值：库存管理利用预测提前设定库存水平，动态定价则根据实际需求与预测的对比调整价格。预测本身也很少仅基于单个商品的销售历史建立——它们通常以更广泛的市场分析为基础，涵盖单个 SKU 数据无法反映的类目趋势和外部因素。
