球星突然爆红以后，球衣销量预测最危险的错误是什么？

绝杀之后的两个小时，需求是怎么冒出来的

体育商品的需求和普通服装最大的不同，在于它会被一个具体事件在几分钟内点燃。常见的触发事件有五类：决赛、绝杀、转会、热搜和纪录。它们都会让某位球员的球衣突然被大量搜索，但背后的需求结构并不一样。

回到开头的模拟场景。绝杀发生在晚上十点左右，示例数据显示：十点半，该前锋球衣的搜索量是平时同时段的两倍；十一点，达到四倍；零点前后，达到六倍多的峰值。同一时段，商城里他的同号球衣卖出了约1800件，而过去一个月的日均销量只有60件左右。社交平台上关于这粒进球的讨论量也在同一时间冲顶。

这是一个再典型不过的事件驱动型需求峰值。它是真实的——那些订单都是真金白银——但它的持续时间，才是预测真正要回答的问题。

最危险的错误：把前48小时的速度乘以90天

很多预测表格的写法很朴素：拿最近几天的日均销量，乘以接下来的天数，就是未来需求。在平稳期，这个方法误差不大；在事件峰值之后，它会给出一个灾难性的数字。

以模拟数据计算：绝杀后前两天，该球衣共卖出约4200件，日均2100件。如果按这个速度外推90天，预计需求是18.9万件。但这类事件的真实情况往往是：第三天销量降到峰值的一半，第一周结束时回到峰值的十分之一左右，一个月后稳定在比事件前略高的水平，比如日均90件。按这样的衰减路径，90天的总需求大约是1.5万件——还不到外推值的十分之一。

差出来的那十七万多件，如果真的下了生产订单，就会变成仓库里的积压，最后以大幅折扣清掉，甚至直接报废。这就是短期峰值（Temporary Spike）和长期需求（Long-term Demand）混为一谈的代价：峰值是真的，但它不会自己延续下去。

三种衰减曲线：同样是爆红，走势完全不同

判断峰值能延续多久，第一步是认出它属于哪种曲线。根据事件类型，常见的需求走势大致有三种：

决赛是一个特殊情况：夺冠带来的往往是整支球队商品的需求上升，而不只是某一位球员；而且冠军相关商品有明确的时间窗口，过了庆祝期就很难再卖。纪录也分两种，一次性的里程碑纪录更接近快速衰减型，而持续刷新的赛季纪录更接近慢热增长型。关于纪录事件的具体判断，可以参考球员完成纪录以后，球衣销量会涨一天还是涨一个月。

一个实用的描述方式是“半衰期”：销量从峰值回落到一半需要多少天。快速衰减型的半衰期通常只有一两天，台阶抬升型的半衰期后面还跟着一个更高的稳定值，慢热增长型则根本没有明显的半衰期。

哪些信号能区分一阵风和长期需求

事件发生后的头几天，曲线还没走完，没法直接看出形状。这时候需要依靠一组早期信号，而不是只盯着销量本身：

• 搜索的回落速度：搜索通常比订单先回落。如果第二天搜索已经掉了一半以上，销量大概率会跟着下降。
• 社交讨论的焦点：讨论如果一直围绕“那粒进球”，热度会随着比赛被新话题取代而消散；如果讨论开始转向“这名球员本人”——他的经历、他的下一场、他的训练——需求更可能沉淀下来。
• 购买转化率：搜索量涨了六倍，但转化率从平时的5%掉到1.5%，说明大量搜索来自看热闹的人；如果转化率保持稳定甚至上升，说明搜索背后是真实的购买意图。
• 复购与新客比例：峰值期间如果主要是新客户，而且这些新客户在两周内几乎没有第二次访问，需求很可能是一次性的；如果老球迷也在加购，且有人买第二件送人，基线被抬高的可能性更大。
• 地区扩散：订单只集中在球队所在城市，说明影响还局限在本地；订单开始从更多城市、更多渠道出现，说明球员的影响力在扩散。

这些信号单独看都不可靠，放在一起看才有判断力。欧宝体育的Forecast Model会在事件发生后按小时更新这几类信号，给出“快速衰减、台阶抬升、慢热增长”三种情形各自的概率，而不是只给一个单一的预测值。

反方向的错误：把台阶抬升当成一阵风

强调不要追峰值，并不意味着所有爆红都应该冷处理。另一个同样昂贵的错误，是把真正的长期需求误判为短期热点，迟迟不补货。

设想另一个模拟场景：一位中场球员在转会窗口加盟球队，官宣当天他的新球衣卖出了约900件。商品部参考了上次绝杀事件的经验，认为这只是一阵风，只做了少量印号补货。结果第二周、第三周，他的球衣日均销量一直稳定在官宣前球队头号球星的水平，而新生产订单直到第四周才下，到货时已经是赛季中段，前面两个月有大量尺码长期缺货。

转会和绝杀在第一天的数据上可能看起来很像，但前者改变的是“这名球员在这支球队里的身份”，他会在接下来的每一场比赛里出场，每一次出场都在持续制造需求；后者只是一次高光时刻。所以事件类型本身就是一个很重要的先验信息：转会、成为主力、出任队长这类改变身份的事件，天然更可能带来台阶抬升；单场表现类事件，则天然更可能快速衰减。预测模型应该先根据事件类型给出一个初始判断，再用早期信号去修正它，而不是对所有事件都用同一套外推规则。

更细的推荐与运营层面如何跟着转会调整，可以参考球星转会以后推荐逻辑应该多久改变一次。

预测应该给出一个区间，而不是一个数字

事件发生后的前几天，任何预测都带着很大的不确定性。与其给出一个看似精确的“90天需求2.1万件”，不如给出一组情景：如果是快速衰减，90天需求约1.5万件；如果是台阶抬升，约4万件；如果介于两者之间，约2.5万件。同时标注每种情景当前的概率，以及哪个信号出现时概率会发生变化。

这样做的好处是，商品、采购和财务在讨论时有了共同的语言。采购可以按最可能的情景准备快速供应，财务可以按最坏的积压情景评估风险，而所有人都知道第七天复盘时要看什么来决定往哪个情景靠拢。

不是所有SKU一起涨：从球员到具体商品

即使判断对了需求会持续，也要落到具体商品上。一位球员爆红，受影响的商品并不是均匀上涨的：

• 号码和版本：球迷版和球员版的涨幅不同，价格较低的球迷版通常吸收了大部分新客户需求。
• 主客场：绝杀发生时他穿的是哪一套球衣，那一套往往涨得更多。
• 尺码：新客户中年轻人和女性比例上升时，尺码分布会偏离历史常态，中小码可能先断。
• 成人款与儿童款：年轻球员爆红后，儿童款的需求有时比成人款涨得更快，因为家长会为孩子购买偶像的球衣。

所以补货不能只下一个“该球员球衣再加一万件”的总量，而要细到版本、主客场和尺码。按历史尺码比例补货，是事件峰值之后另一个常见的错误来源。

生产提前期决定了你能不能追上这波需求

预测的另一半，是理解供应的速度。球衣的补货路径通常有三条，各自的提前期差别很大（以下为示例数据）：

对照前面的衰减曲线，问题就很清楚了：快速衰减型的需求在一周内就结束了，而新生产的球衣要两个月后才到货。如果在第二天就按峰值速度下了生产订单，到货时迎接它的，是一个已经回到原来水平的市场。追加生产能否奏效，取决于需求的持续时间是否长于生产提前期。

分阶段补货：先承接峰值，再确认基线

基于以上判断，更稳妥的做法是把补货拆成三个阶段：

1. 第0到3天：只用快速供应承接峰值。优先用现有坯衣加印号码，开放预售并明确发货时间，把峰值需求尽量接住，但不下长周期生产订单。
2. 第7到14天：观察衰减速度。对照搜索回落、转化率、复购和地区扩散，判断曲线属于哪一种。这时候通常已经能看出是快速衰减还是台阶抬升。
3. 确认基线后：按新基线下生产订单。只有在需求稳定在一个明显更高的水平时，才按这个新水平规划后续生产，而且订单量对应的是新基线，而不是当初的峰值。

这个节奏的代价是：第一周可能会有部分尺码短暂缺货，一些冲动型购买会流失。但和把十几万件积压压进仓库相比，这个代价通常要小得多。更完整的库存与补货逻辑，可以结合体育商品预测的整体方法来看。

下一个爆红时刻到来之前，先准备好三件事

事件无法预测，但应对事件的流程可以提前准备。建议商品团队在赛季开始前做好三件事：第一，为主力球员的热门号码保留一定量的空白坯衣和印号产能，这是承接峰值最快的通道；第二，把搜索、转化、复购和地区分布这几类信号接进同一张看板，事件发生后按小时更新；第三，事先约定好“第七天复盘”的规则，谁来看、看哪些指标、达到什么条件才允许下长周期订单。

球星爆红时，最容易被看见的是峰值有多高；真正决定这次补货成败的，是峰值过后还剩多少。下一次事件发生后，不妨先问一句：这个数字到了第七天还会在吗？