销量突然暴涨时，AI 怎样判断是真实需求增长还是一次促销造成的短期异常？
周五一款酸奶从平时的 60 瓶跳到 142 瓶，采购看到的是“卖爆了”，预测模型看到的只是三个偏高的点。真正要回答的是：这多出来的销量，有多少会在下周继续出现？答错了，要么错过一次真实增长，要么把促销的尖峰当成新常态，多订一整周的货。
判断流程：先分类，再谈预测
销量异常大致有四类：促销、天气与节假日等已知事件、缺货或数据错误，以及真实的需求变化。要分清的是真实的需求变化和促销。必赢亚洲智能库存设计为按下面的顺序处理。
- 先查事件日历。促销、节日、天气预警和门店活动应在销量出现之前登记。有登记的异常归到对应事件，没有登记的先标为“未解释异常”，交给人工复核。
- 估计无促销基线。用促销前的同星期数据和未参加促销的对照门店，估计“如果没有这次促销，这几天会卖多少”。
- 剥离提升量。促销期实际销量减去基线，得到促销带来的增量，并记录提升倍数。
- 检查回落坑。促销结束后 7 天与基线比较，低于基线的部分是顾客提前囤走的需求（预支，pull-forward）。
- 判断是否真实增长。看基线是否抬升、新客是否复购、回落坑是否出现、对照门店是否同步，见下文的四个信号。
- 修正预测。促销销量不进入基线，只作为事件项参与预测。
促销日历之外还有一类没有登记的暴涨：某天一个团购大单一次买走 80 瓶。这种销量对预测没有信息量，应该按订单维度识别（单笔数量远超正常客单）后剔除，而不是靠均值加几倍标准差的阈值去猜。
一组 14 天的模拟销量
下面用一组模拟数字说明。假设第 1 天是周一，为便于核对先忽略星期效应。某款酸奶促销前的基线是每天 60 瓶，第 5 至第 7 天做了一次“第二件半价”。前 7 天的数据相同，之后有两种走势：场景 A 是促销异常，场景 B 是真实增长。
示例推演 · 14 天销量（瓶）
促销前 第 1–4 天 59 61 58 62 合计 240，基线 60 促销中 第 5–7 天 142 156 138 合计 436 场景 A 第 8–14 天 38 45 54 59 61 60 59 合计 376 场景 B 第 8–14 天 63 66 65 68 67 66 67 合计 462 提升量 = 436 − 3×60 = 256，促销期销量是基线的 2.42 倍 场景 A：回落坑 = 7×60 − 376 = 44，预支占比 = 44 ÷ 256 = 17.2%，净增量 = 256 − 44 = 212 场景 B：后 7 天均值 = 462 ÷ 7 = 66.0，基线抬升 = (66.0 − 60) ÷ 60 = 10%
以上为示例推演数字，用于说明模型逻辑，不代表真实企业数据。
四个信号，区分真实增长与促销异常
促销结束后的 7 天是最好的检验窗口，但任何单个信号都会骗人：回落可能被一场降雨掩盖，对照门店同步抬升也可能只是天气。所以系统设计为四个信号一起看。
| 信号 | 场景 A：促销异常 | 场景 B：真实增长 |
|---|---|---|
| 促销后 7 天均值（基线 60） | 53.7 瓶，低 10.5% | 66.0 瓶，高 10% |
| 回落坑 | 前三天为基线的 0.63、0.75、0.90 倍 | 没有回落 |
| 新客 14 日复购率（老客约 30%） | 8% | 24% |
| 未促销的对照门店同期 | 基本持平 | 同步抬升约 10% |
对照门店的用法：促销店促销期日均 145.3 瓶（436÷3），比基线 60 高 142%；同期没做促销的对照门店从每天 40 瓶到 41 瓶，只高 2.5%。大盘没有同步抬升，这次暴涨主要来自促销本身。
决策规则是：四个信号里至少三个指向抬升，才把新水平写入基线；否则只把这次促销记为事件项，7 天后复核。新客复购率不到老客的一半，更像一次性购买。
预测怎样修正
核心做法是不把促销销量喂回基线。场景 A 里，基线更新时促销日的 436 瓶按 60×3=180 处理（或标记缺失），促销本身存成一个事件项：提升系数 2.42，促销后头四天的回落系数 0.63、0.75、0.90、0.98（由 38、45、54、59 各除以 60 得到）。下一次做同类促销，系统可以提前算出：促销 3 天备 60×3×2.42≈436 瓶，促销后头四天只备 60×(0.63+0.75+0.90+0.98)≈196 瓶，比按基线备的 240 瓶少 44 瓶。
两个方向相反的误区
误区一：最近七天均值含着促销，就是最新的需求。第 7 天结束时最近七天均值是 (240+436)÷7=96.6 瓶，比真实基线 60 高 61%。按它订下周，7 天会多订 676−420=256 瓶，恰好等于促销的提升量，短保酸奶多出来的这 256 瓶就是下一批临期品。
误区二：促销后销量回落，说明促销没有效果。回落坑 44 瓶只占提升量的 17.2%，净增量仍有 212 瓶。促销值不值得做，要看净增量乘以毛利，再扣掉折扣让出的利润，而不是看回落。
食品电商与新零售渠道里，大促、直播和满减常常叠在一起，促销日历更密，预支需求与真实增长也更容易混在一起，这是必赢亚洲电商这类场景里库存技术最先要处理的问题（本站只讨论技术方法，不做商品交易）。在必赢亚洲 AI 里，异常识别与基线估计交给时序模型，大模型负责把“为什么判断为促销异常”写成可以复核的解释。