起点：一款跑鞋的搜索量五天上涨62%
以下是模拟场景，不对应任何真实品牌或产品。某国际运动品牌的一款中高端跑鞋，过去三个月日均搜索量稳定在1.2万次左右。某个周一开始，搜索量连续上涨，到周五达到日均1.95万次，比前一周高出62%。同一时期，这款鞋的线上日销量从平均420双涨到610双，涨幅45%。商品团队需要在下周二之前决定：是否向工厂追加一批订单，追加多少。
如果只看这两个数字，结论似乎很清楚。但在BB体育的预测流程里，这只是第一步的输入。下面按实际执行顺序，把这次预测拆开来看。
七个步骤的执行顺序
- 发现搜索上涨：确认上涨是否真实、持续，排除统计口径变化。可能出错：把一次站内比价活动带来的搜索当成自然兴趣。
- 检查社交热度：看讨论量、讨论者构成和情绪方向。可能出错：少数高粉账号集中发布，讨论量高但覆盖面窄。
- 检查销售：对比线上、门店和不同城市的成交变化。可能出错：销量上涨其实来自竞品断货导致的替代购买。
- 检查库存：看各仓、各尺码的可售天数。可能出错：总库存充足，但主力尺码集中在需求较弱的区域。
- 分析赛事与运动员影响：找出是否有比赛、运动员穿着或赛事赞助带来关注。可能出错：把同一时间的两件事错误地归因为因果关系。
- 判断短期热点还是长期趋势：比较热度衰减速度、复购和新客比例。可能出错：观察窗口太短，把尚未回落的峰值当成新基线。
- 生成需求预测：输出分渠道、分尺码、分周的需求区间及其前提条件。可能出错：只输出一个点估计，下游把它当成确定订单。
顺序的安排有它的道理。前面的信号出现得早，但离真实购买远；后面的信号更可靠，却要等几天甚至几周才能看清。BB体育模型的做法是让每一步都给下一步留下“待验证的问题”，而不是各自独立出结论。比如第一步发现价格类搜索占比高，第三步就必须回答折扣是否在同期发生；第二步发现讨论集中在少数账号，第五步就要检查这些账号是否与某场赛事或某位运动员有关。步骤之间一旦断开，后面的模型就只能拿到一个被压缩过的结论，前面发现的疑点也就没人再追问了。
第一、二步：搜索涨了，先问是谁在搜、在讨论什么
搜索数据是最早出现的信号，也是噪声最多的信号。系统先检查搜索词的构成：在模拟案例中，“型号+价格”类搜索占了上涨部分的41%，“型号+测评”占33%，“型号+尺码”占17%。价格类搜索占比高，提示可能有促销或比价行为；尺码类搜索通常离购买更近。接着检查社交热度，讨论量在同期上涨了约两倍，但其中约一半集中在三个跑步类内容账号，普通用户的自发讨论只涨了约40%。
这两步的目的不是得出结论，而是给后续步骤设定问题：如果价格类搜索主导，就要在销售数据里重点检查折扣；如果讨论集中在少数账号，就要看这些账号的受众是否与实际购买人群重合。
第三、四步：销量和库存可能讲出另一个故事
销售数据显示，线上销量上涨主要集中在两个一线城市和三个跑步氛围较强的二线城市，门店销量只涨了9%。进一步看，同价位另一款竞品在这五天里主力尺码缺货，这可能解释了一部分替代购买。Demand Model 会尝试把销量上涨拆成“自然需求增加”和“替代需求”两部分，本案例的估计是前者约占六成，但这个比例的误差不小。
库存方面，全国可售库存约2.6万双，按当前销量看可售42天，似乎不急。但拆到尺码和区域后，42码和43码在华东仓只剩11天的量，而华北仓同尺码可售超过60天。这时首先要考虑的往往是跨仓调拨，而不是向工厂追加生产，因为调拨的 Lead Time 是3天，追加生产是45天。
第五步：赛事和运动员影响为什么要单独拆出来
系统会把同一时间窗口内的赛事日历和运动员曝光拉进来。模拟案例中，上周末有一场城市马拉松，一位人气较高的业余跑者在赛后采访中穿着这款鞋，相关短视频播放量较大。这类事件带来的关注通常很集中，但持续时间有限。关于运动员穿着如何影响销量，可以参考运动员换鞋对同款销量的影响。
这一步最常见的错误是“时间相关就等于因果”。马拉松和搜索上涨发生在同一周，不代表后者由前者造成。系统会检查搜索上涨开始的时间点：如果上涨在马拉松之前两天就已经开始，那么赛事只是叠加因素之一。
第六步：短期热点还是长期趋势，看三个信号
区分短期热点和长期趋势，BB体育AI主要看三个信号。第一是衰减速度：峰值后一周内热度回落超过一半，通常偏向短期热点。第二是新客比例：如果购买者中首次购买该品类的用户占比明显上升，说明需求在扩散。第三是复购和配件带动：是否有人同时购买同系列的第二双或配套服装。
| 信号 | 本案例数值（模拟） | 倾向判断 |
|---|---|---|
| 峰值后7天热度回落 | 尚未观察到，只有5天数据 | 无法判断 |
| 新客比例 | 从28%升至35% | 偏长期 |
| 竞品缺货带来的替代购买 | 约占销量增量四成 | 偏短期 |
| 马拉松相关内容带来的关注 | 集中在两天内 | 偏短期 |
信号互相矛盾是常态。本案例中系统给出的判断是“短期因素占主导，但存在一部分真实需求增长”，并明确建议再观察一周。
第七步：需求预测输出的是区间和条件
最终，Forecast Model 输出未来八周的需求预测：基准情景下日均销量从610双回落到约480双，比上涨前高出14%；如果竞品在两周内恢复供货，回落到约440双；如果品牌方启动新一轮推广，可能维持在560双左右。预测按尺码和区域拆开，并标注每个情景依赖的假设。
基于这个结果，系统的建议是：本周先做华东仓的跨仓调拨，暂不追加工厂订单；下周二复核热度衰减数据和竞品供货情况后，再决定是否追加一个小批量订单。追加与否最终由商品负责人决定，因为只有他们掌握品牌方的推广计划和工厂排期。
这套流程在什么情况下会整体失效
七个步骤能减少误判，但不能消除误判。以下几种情况下，整条流程的可靠性会明显下降：新品上市不足一个月，没有足够的历史基线；数据源本身中断或口径变化，例如电商平台调整了搜索统计方式；以及突发的外部事件，如大型赛事临时改期。遇到这些情况，系统会在预测结果上标注“低置信度”，并建议缩短复核周期。更多关于趋势判断的方法，可以在体育商品趋势预测栏目继续了解；BB体育官网上的这套流程，也会随着复核结果不断修正各步骤的判断阈值。
