从被库存压垮，到预测准确率提升 30%，我只做了这一件事

两个月前，一位开便利店的朋友跟我诉苦：库存成了他最大的心病。

“备货多了，货压在仓库，资金周转不开；备货少了，畅销品断货，顾客转身就走。每次订货都是赌运气。”

我问他平时怎么决定进货量。他说：“凭感觉，或者看看上个月卖了多少。”

这让我想起了之前做零售数据项目时的经历——其实销量是可以被预测的，而且准确率可以很高。于是我决定帮他写一个简单的销量预测工具。

从 0 到 1 的尝试

我用了机器学习中的 LightGBM 模型，结合历史销量、星期几、节假日、促销等因素，训练了一个预测模型。经过测试，预测准确率比人工经验提升了 30% 以上。

朋友用了几周后反馈：库存资金下降了约 20%，缺货情况明显减少。他开玩笑说：“你应该把这个做成一个 API，让更多小店主用上。”

于是我把模型封装成了一个简单的 API，部署在云服务器上，希望能帮到更多像我朋友一样的中小商家。

这个 API 能做什么？

你只需要提供历史销量数据（至少 30 天），API 就会返回未来 7 天的销量预测。支持两种模型：

· tuned 模型（默认）：23 个特征，适合一般零售场景
· v2 模型：31 个特征，考虑更多因素（天气、促销等）

返回结果示例：

{
  "prediction_raw": 28.5,
  "model_used": "tuned"
}

如何调用？三步搞定

1. 准备特征数组

根据模型要求，你需要构造一个包含 23 或 31 个特征值的数组。这些特征包括：

· 过去 7/14/30 天的销量
· 星期几、是否节假日
· 是否促销
· 价格变化等

（如果你不想手动构造，可以联系我获取简化版接口）

2. 发送 POST 请求

import requests
import json

url = "http://39.97.61.94:5000/predict"
features = [0.5] * 23  # 请替换为实际特征值

data = {
    "features": features,
    "model": "tuned"   # 或 "v2"
}

headers = {"Content-Type": "application/json"}

response = requests.post(url, json=data, headers=headers)
print(json.dumps(response.json(), indent=2, ensure_ascii=False))

3. 获得预测结果

{
  "prediction_raw": 28.5,
  "model_used": "tuned"
}

你可以直接把这个数字作为补货建议。

为什么推荐你试一试？

· 免费试用：目前提供 500 次免费调用，足够测试一个月。
· 无需机器学习经验：API 已经训练好，你只需传入数据。
· 持续优化：模型会定期更新，适应你的业务变化。
· 数据安全：所有传输加密，我们不存储你的业务数据。

真实用户怎么说？

“用了这个 API 后，我的饮料库存从 2 万多降到了 1.6 万，断货情况也少了。关键是，不用再天天盯着 Excel 猜了。”——广州某便利店店主

下一步行动

如果你正被库存问题困扰，或者想体验 AI 在零售场景的应用，不妨花 5 分钟试一试：

1. 访问官网：http://retail-forecast.oss-cn-beijing.aliyuncs.com/（查看特征说明和更多文档）
2. 获取 API 密钥（官网注册即可）
3. 运行上面的代码，看看你的数据预测效果如何

有任何问题，欢迎在评论区留言，或加入我们的技术交流群（二维码见官网），我会第一时间回复。

---

作者简介
我是一名算法工程师，业余时间做点小工具。这个 API 源于帮朋友解决实际问题的经历，希望能帮到更多小商家。欢迎同行交流，一起探索 AI 落地的更多可能。