先講結論：銷售預測的目的不是「猜中下個月賺多少」，而是「讓備貨、預算、目標有依據，並在實際偏離時及早發現」。ECPRO電商博士編輯部觀察到，很多賣家不是不想預測，而是覺得那是資料科學家的事。其實對大多數電商來說，一套用試算表就能跑的預測，已經足以避開最痛的缺貨與爆庫。這篇把方法講清楚。
先把營收拆成可預測的零件
直接預測「總營收」很難，因為它是多個變數相乘的結果。正確做法是把營收拆開，分別預測每個零件，再乘回去。零件穩定、好預測，組合起來的結果自然更可靠。
- 營收 ≈ 流量 × 轉換率 × 客單價，先分別看這三者的歷史走勢，比直接看營收清楚得多。
- 流量再拆成「自然 + 付費 + 既有名單」，付費你能控制、自然有慣性、名單看活躍度，預測邏輯各不相同。
- 把回購單獨抓出來：老客戶的下單有節奏，是預測中最穩、最該先掌握的一塊。
不熟悉這條營收公式的人，建議先用營收漏斗試算工具把自己的真實數字代進去，跑過一次你就會理解，預測其實是「對每個零件做合理假設」，而不是憑空抓一個總數。
方法一：趨勢外推，最簡單也最常用
如果你的生意相對平穩，最務實的起手式是趨勢外推——用過去幾個月的成長軌跡，推估接下來幾個月。它不花俏，但對中小電商往往夠用。
- 移動平均：取近三到六個月的平均，撫平單月波動，當作基準線。
- 成長率延伸：算出近幾個月的月成長率，套用到下個月，但要保守，別把短期爆發當常態。
- 同期對比：和去年同月相比，再乘上今年整體的成長係數，這對有一年以上資料的店特別好用。
趨勢外推的最大陷阱是「把一次性事件當趨勢」。某月因為一檔大活動暴衝，不能直接拿來推下個月。處理這類異常值，是預測準不準的關鍵分水嶺。
方法二：把季節性拆出來，別被旺淡季騙了
台灣電商的季節性很強：雙11、雙12、年中慶、母親節、農曆年前後，流量與客單都會大幅起伏。如果不先把季節性處理掉，預測會在旺季嚴重低估、淡季嚴重高估。
- 算季節指數：把每個月的歷史銷售除以全年平均，得到每月的「季節係數」（例如 11 月可能是平均的一點幾倍）。
- 先去季節化再看趨勢：把實際銷售除以季節係數，得到「去季節」的乾淨趨勢，判斷生意本體是真的在成長還是只是旺季。
- 預測時再乘回季節係數：把乾淨趨勢往前推，再依目標月份乘上對應季節係數，旺淡季就抓得住。
季節性背後牽涉不少指標定義，若團隊對「季節係數、去季節化」這些詞理解不一，可以先到電商名詞庫對齊，再進行討論。更多以資料驅動做決策的案例，也可以參考數據主題彙整。
給預測一個信心區間，而不是單一數字
新手最常犯的錯，是給出「下個月營收會是 X 元」這種斬釘截鐵的單一數字。真實世界充滿不確定性，更專業的做法是給一個區間：保守、基準、樂觀三條線。
- 基準情境：用最可能的假設算出的中間值，當作正式目標。
- 保守情境：假設轉換或流量比預期差一個級距，這個數字決定你的「最低備貨與現金安全水位」。
- 樂觀情境：假設活動或某管道超預期，這個數字告訴你「備貨上限」與庫存的天花板在哪。
有了三條線，備貨與廣告預算就能對應情境彈性調整，而不是壓在一個會被市場打臉的數字上。想估「若轉換率提升一個百分點，營收區間會往上移多少」，可以搭配轉換率提升試算工具一起看。
讓預測活起來：滾動更新與誤差回顧
預測不是做一次就鎖死。ECPRO電商博士編輯部建議把它變成每月固定的「滾動更新」流程，並回頭檢討上一次預測差在哪，模型才會越用越準。
- 滾動更新：每個月實際數字進來後，重新校正下三個月的預測，永遠維持一個往前的視窗。
- 誤差回顧：記錄「預測 vs 實際」的偏差，若總是某個方向偏（例如一直高估），就調整假設。
- 標註原因：偏差大的月份註明發生了什麼（缺貨、平台演算法變動、競品大促），下次預測才有依據。
把每次預測誤差當成校準訊號，是讓估算越來越準的複利。更多預測與數據視覺化的延伸，可以看我們的數據圖表專區，把預測線和實際線疊在同一張圖上追蹤。
ECPRO電商博士編輯部小結：銷售預測不需要高深演算法，先把營收拆成零件、用趨勢外推打底、把季節性拆出來、給出保守到樂觀的區間，再每月滾動更新並回顧誤差。做到這五步，你的備貨與預算就有了數據靠山，而不是靠感覺賭。