电商销量预测效果关键在业务特征设计，需围绕“人-货-场”构建强解释性特征，结合滞后滚动统计、目标编码与时间序列周期信号，并确保训练推理逻辑一致。
电商销量预测模型效果好坏，关键不在算法多复杂，而在特征是否贴近业务逻辑、能否反映真实销售驱动因素。光用历史销量做时间序列拟合，往往泛化差、解释弱、上线后容易失效。
围绕“人-货-场”构建强业务特征
销量本质是用户在特定场景下对商品的选择结果。特征设计要覆盖三个维度：
- 用户侧：复购周期、最近一次购买距今天数、用户等级、地域消费力分层（如用城市GDP或平台历史人均GMV分档）、设备类型（iOS/Android影响促销触达率）
- 商品侧：类目热度（全站该类目7日搜索量/加购量）、价格带（按平台价分位数划段，如P25-P75为中端）、是否新品（上架≤30天）、是否有主图视频、SKU是否参与跨店满减
- 场域侧：日期属性（是否周末、是否节假日前3天、是否大促预热期）、实时流量（过去1小时该商品曝光次数）、竞品动作（同三级类目TOP3竞品是否降价或上新）
注意：避免直接用原始数值（如“销量=127”），优先做滑动窗口统计（如近3/7/14天均值、环比变化率）、分位数编码（如价格带用0/1/2表示低/中/高），提升模型鲁棒性。
时间序列特征必须带滞后与滚动逻辑
销量有强自相关性和周期性，单纯用当天特征无法捕捉趋势。务必加入：
立即学习“Python免费学习笔记（深入）”；
- 滞后项：lag_1（昨日销量）、lag_7（上周同日）、lag_14（两周前同日）
- 滚动统计：rolling_mean_3（近3天均值）、rolling_std_7（近7天标准差）、rolling_max_14（近14天峰值）
- 周期分解信号：用快速傅里叶变换（FFT）或简单余弦函数提取周周期（cos(2π×day_of_week/7)）、月周期（cos(2π×day_of_month/30)）
滞后特征要对齐业务节奏——比如大促期间，lag_1可能突变失真，可补充“lag_1_if_not_promo”做条件滞后，或改用lag_3更稳定。
用目标编码替代简单分组均值，防数据泄露
对高基数类别特征（如商品ID、店铺ID），直接用groupby.mean()会严重过拟合，尤其在训练集和线上分布不一致时。推荐目标编码（Target Encoding）并加平滑：
示例代码逻辑：mean_enc = (df.groupby('item_id')['y'].sum() + prior * global_mean) / (df.groupby('item_id')['y'].count() + prior)
其中prior设为10~50之间经验值，小样本ID自动向全局均值收缩。训练时用K折目标编码（K=5），预测时用全量训练集编码，确保线上线下一致。
训练阶段必须模拟线上推理场景
很多模型离线AUC很高，一上线就崩，根源是训练和预测的特征生成逻辑不一致。关键三点：
- 所有滚动/滞后特征，必须用截至T-1时刻的数据计算，不能用T时刻真实值（如不能用“今日实时销量”算滚动均值）
- 节假日、大促等规则类特征，需提前配置好日历表（含未来3个月的活动节点），避免模型依赖未发生的标记
- 训练时用TimeSeriesSplit交叉验证（而非随机KFold），保证每折训练集都在验证集之前，防止未来信息泄露
建议封装一个FeatureGenerator类，统一管理特征计算时序依赖，训练和线上serving共用同一套逻辑。
基本上就这些。特征不是越多越好，而是要能讲出“为什么这个数会影响明天卖多少”的故事。模型可以换，但业务特征一旦沉淀下来，就能持续复用、快速迭代。
