稳定性和频繁度：从计划的角度来分类产品

但从计划的角度看，价值5000元的A产品和价值5分钱的C产品单价差别很大，对业务的影响大不一样，但完全可能用同样的计划逻辑。比如汽车的价格高，是典型的A类产品；备胎价格低，是典型的C类产品。但每卖掉一辆车，就会卖掉一只备用轮胎，两者的"计划特性"一样，完全可以用同样的方法来预测需求、设定安全库存等。

那什么是"计划特性"呢？简单地说，计划特性就是产品的需求特点，可从两个维度来描述：稳定性和频繁度。需求越频繁、越稳定，产品的可预见性越高，可计划性也越高；需求越不频繁，越不稳定的情况正好相反。

对于需求的频繁度，我们这里导入13周频次的概念，亦即在过去的13周里（1个季度），有多少周有需求。比如13周频次为5，表明在过去13周里，有5个星期有需求。这里的判断标准很简单：在特定的一周，如果有需求，那就是1；如果没有，那就是0；把13周的值累计起来，就得到该产品的13周频次。13周频次越高，表明需求越频繁。

26周频次、12月频次的概念同理。

如图1，这是某电商在前置库位的13周频次图。其中有2500多个SKU的13周频次为零，表明这些产品在过去13周内没有一周有需求，是典型的长尾；400多个SKU的13周频次为13，表明这些产品在过去的13周里，每周都有需求，更可能是短尾或中尾。

图1：需求的频繁度：13周频次（示例）

13周频次越高，产品越可能是短尾，但并不一定是短尾，因为这里还有个需求的稳定性问题：需求虽然频繁，但不稳定的话，我们会归入中尾。

对于需求的稳定性，我们导入离散度的概念。如图2，假定产品的需求符合正态分布，我们用离散度（也叫离散系数）来描述需求的稳定性。比如在过去20周里，示例产品的每周平均需求是49.6个，需求的标准差为18.2，那么该产品的需求离散度就是0.37（18.2÷49.6=0.37）。

从数理统计的角度看，标准差本身就能反映需求的稳定性。但是，产品的平均需求不同，其需求的标准差就缺乏可比性。比如需求量越大的产品，其标准差一般也越大，反之亦然。离散度是对标准差的归一化，让不同产品有了可比性。 

图2：需求的稳定性：离散度（示例）

基于需求的频繁度和稳定性，我们可以把产品分为三类。第一类是需求频繁而且稳定的产品，我们这里称之为可预测的"短尾"；第二类产品的需求相当频繁，但不稳定，这里称之为难预测的"中尾"；第三类产品的需求既不频繁，也不稳定，是不可预测的"长尾"。

再回到前面的ABC /头部、腰部、尾部分类法。平日所说的A类（头部）产品，需求相当频繁，营收占比也较大，其实也可能包括这里的中尾产品，以及单价很高的一些长尾产品。从计划的角度出发，我们把需求频繁，但变动性也大的产品单列出来，这就是"中尾"。

让我们举个例子，看如何通过频繁度和稳定性两个维度，来把产品分门别类，区别对待。

如图3，这是个工业品企业，共有1919个产品型号。在频繁度上，我们用12月频次，因为他们的产品批量小，品种多，12月频次比13周频次更合适。对于稳定性，为了分类的方便，我们把离散度分为多个台阶，每个台阶为0.25。

比如表格的最右上角是41，意味着有41个产品型号的12月频次为12，需求的离散度不超过0.5。相应地，表格最左下角的505，意味着有505个产品型号在过去12个月没需求，需求离散度大于1.5等。

我们这里把12月频次大于等于8、离散系数小于等于0.75的定义为短尾产品。要强调的是，这种分法仅仅是示例，具体的标准要视企业的具体情况而定。比如在需求相对稳定的行业，离散度为0.75其实已经是变动相当大的产品；但在小批量行业，就如这里的案例企业，项目型需求多，大客户的影响大，再加上销售的周期性压货行为，离散度为0.75产品已经算需求相当"平稳"的了。这些产品占所有产品数量的12%，它们的需求相对频繁，需求变动也相对小，是用数据模型来预测的理想对象，并不需要太多的判断，除非是有设计变更、大客户的导入导出等。

图3：产品的分类示例

数据来源：某工业品企业

对于中尾产品，图3中的示例定义为12月频次大于等于6，离散系数大于0.75。中尾产品的需求之所以频繁但不稳定，往往是因为有显著改变需求的事情在发生，比如促销、活动等，要么是企业自己驱动，要么是客户、竞争对手驱动。我们的应对方案就是基于可重复的需求历史，制定基准预测，然后结合销售、市场、产品等的判断，来调整需求预测。

剩下的就是长尾产品，需求很不频繁，也很不稳定，可预测性非常低。这类产品所占的营收金额比例往往不大，但产品数量众多，在小批量、多品种环境下尤甚。对于图3中的案例企业，此类需求往往是项目驱动，或者客户定制。为了提高服务水平，这些产品往往需要备一定的库存。如何确定合适的备库水平，可参考我的《需求预测和库存计划：一个实践者的角度》一书。