Category Trend Forecasting（品类趋势预测）
Skill-Category-Trend-Forecasting · 06-增长模型
experimentforecasting广告与投放供应链与补货推荐与搜索WF-A 智能补货WF-B 广告优化WF-D 选品扫描WF-H 复购增长
收录于新品冷启动手册
年化 ROI50-100 万元
实现难度⭐⭐☆☆☆
业务优先级⭐⭐⭐⭐⭐
业务视角
适用角色CEO / 增长负责人 · CMO · 财务负责人
适用平台Amazon · TikTok Shop · DTC 独立站 · 多市场
什么情况下用公司增长放缓，不知道是市场饱和还是产品问题还是获客太贵；老板要 12 个月 GMV 预测，只能靠感觉
成功是什么样的建立增长拆解模型找到瓶颈，预测未来 6-12 个月营收区间，支撑融资/战略会议
业务痛点
1. 解决的问题
监测到"wearable breast pump"（穿戴式吸奶器）谷歌搜索量过去 6 个月增长 180%（$p<0.01$），BSR 上升 45%，TikTok 话题 #wearablepump 播放量 2.3 亿
2. 核心算法逻辑
品类趋势预测不是 point forecast，而是识别正在上升/下降的品类需求信号——Google Trends 搜索量、Amazon Best Seller Rank 变化率、社交媒体提及量。多信号融合判别品类所处的生命周期阶段：导入期 → 成长期 → 成熟期 → 衰退期。
3. 业务应用场景
监测到"wearable breast pump"（穿戴式吸奶器）谷歌搜索量过去 6 个月增长 180%（$p<0.01$），BSR 上升 45%，TikTok 话题 #wearablepump 播放量 2.3 亿。趋势评分 0.72（强烈上升）。建议将穿戴式吸奶器纳入选品短名单，优先于传统电动吸奶器。
价值：提前 2-3 个月卡位新兴品类，先发优势价值难以量化但极高。
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- ROI：先发优势难以量化，年化隐性价值 50-100 万元
- 难度：⭐⭐☆☆☆ | 优先级：⭐⭐⭐⭐⭐（5 星）— WF-D 核心能力
7. 代码模板
代码块数量：1 · 路径：未检测到
"""Category Trend Forecasting"""
import numpy as np
from scipy.stats import kendalltau
def trend_score(search_trend, bsr_trend, social_trend, w=(0.4, 0.3, 0.3)):
tau_s, _ = kendalltau(range(len(search_trend)), search_trend)
tau_b, _ = kendalltau(range(len(bsr_trend)), bsr_trend)
tau_sc, _ = kendalltau(range(len(social_trend)), social_trend)
return w[0]*tau_s + w[1]*tau_b + w[2]*tau_sc
# test
s = np.array([100, 120, 150, 200, 280]) # up
b = np.array([60, 58, 55, 50, 45]) # BSR下降=好
sc = np.array([1, 1.5, 2, 3, 5]) # up
ts = trend_score(s, b, sc)
print(f"Trend Score: {ts:.2f} → {'RISING ⬆' if ts>0.3 else 'STABLE/declining'}")
print("[✓] Category Trend 测试通过")8. 论文来源
未自动抽取；请查看原始 Skill 卡片。