빈 진열대 뒤의 수요

시간별 재고 플래그(06:00–22:00), 전체 시계열 50,000개와 97일 기준입니다. 상품-일의 44.0 %에서 상품이 적어도 한 번 품절되었고, 4.0 %에서는 하루 종일 품절이었습니다.

홀드아웃 매장 167곳의 상품-일 444,393개입니다. 실제 품절 패턴을 재고가 있던 시간에 옮겨 씌우고 그 시간을 가린 뒤, 실제 합계가 P10–P90 구간 안에 드는지 확인했습니다.

12:00 이후에 품절된 홀드아웃 날 222,549개입니다. 품절 2시간 전에 끝나는, 재고가 있던 3시간을 가렸습니다. 품절일로 학습하지 않았을 때는 포함률이 71.4 %였고 추정치가 39 % 낮았습니다.

같은 444,393일 기준입니다. 최근 재고가 있던 날의 같은 시간을 쓰면 오차가 49 %이고, 재고가 있던 시간을 일반적인 시간대별 패턴으로 확대하면 60 %입니다.

품절이 있었던 상품-일 210만 개 전체에 대한 P50 추정치의 합을 기록된 총판매량과 비교한 값입니다. 중앙값의 합은 총량을 과소평가합니다. 대신 일별 P10과 P90 값을 합하면 8 %와 30 %입니다.

복원한 수요로 학습한 예측과, 같은 모델을 기록된 판매량으로 학습한 예측의 비교: 0.192 vs 0.197(스케일링된 CRPS, 낮을수록 좋음). 기록된 판매량이 곧 수요인, 품절 없이 지나간 홀드아웃 상품-일 206,562개에서 평가했습니다. 28일 경험적 분위수 기준 모델은 0.240입니다.

홀드아웃 품절일 가운데 예측 중앙값이 실제로 기록된 판매량, 즉 그날 수요의 하한보다 낮은 날의 비율입니다. 복원 수요 예측 vs 기록 판매량 예측입니다. 이 검사는 높게 예측할수록 유리하므로, 재고가 있던 날의 편향(+3.1 % vs -6.4 %)과 함께 읽어야 합니다.

비용 = 수요 단위당 (2 × 판매 손실 + 폐기 단위)이며, 빈 진열대에서 시작해 전체 시계열 50,000개에 대해 홀드아웃 주 동안 계산했습니다. 재생 수요 = 기록된 판매량 + 품절 시간에 대한 P50 추정치입니다. 저희 추정치로 주문한 경우와 기록된 판매량으로 주문한 경우를 비교합니다. 각 정책의 주문 분위수는 직전 두 주로 조정했습니다. 가려진 수요를 대신 저희 구간에서 추출하면(200회 추출) -4.0 % / -7.2 % / -12.6 %입니다.

기록된 판매량만을 수요로 한 같은 재생: +1.3 % / -0.3 % / +0.8 %.

같은 재생, 다른 비용 비율입니다. 저희 추정치를 수요로 하면 -5.5 % ~ -0.2 %입니다. 기록된 판매량만 쓰면 +0.8 % ~ +5.4 %이므로, 가려진 수요가 없고 판매 손실 비용이 낮을 때는 저희 추정치로 주문하는 쪽이 비용이 더 듭니다. 유통기한 2일과 3일에서는 조정된 두 정책 모두 예측 범위의 상한인 P95에 머뭅니다.

위와 같은 재생입니다. 저희 추정치로 주문하면 수요의 20.4 %를 폐기하고 7.2 %의 판매를 놓칩니다. 기록된 판매량으로 주문하면 23.0 %를 폐기하고 6.7 %를 놓칩니다. 전날 판매량에 조정 계수를 곱해 주문하면 수요 단위당 비용이 0.600으로, 저희 방식의 0.347보다 높습니다.

저희 M1 Pro 노트북의 헤드리스 Chromium에서 10회 실행한 중앙값입니다. 각 실행은 시계열 2,000개에 대해 백테스트 14일로 주문 분위수 37개 × 정책 2개를 조정한 뒤, 7일간의 한 주를 재생합니다. 휴대폰에서는 더 느립니다.