亚马逊卖家如何预估产品日销量？在亚马逊店铺运营的过程中，有很多情况需要预测销售，尤其是后端供应链的库存问题需要预测，如周年纪念、节假日、创作节日等都是有需求的。那幺，亚马逊预测日销量的方法有哪些呢？
首先，主观经验判断。
这应该是最原始和最广泛使用的方法，虽然已经进入了大数据时代，但是经验判断方法仍然有很大的影响。事实上这种方法即通过整合多个角色来确定结果。虽然经验判断方法听起来不可靠，但在实际使用上并没有太大的不同，毕竟是宏观决策，具体实施仍然有很大的灵活性，另一个原因是业务还不够复杂，不能用大数据来解决，当然，简单的商业经验是最好的。
第二，时间序列法。
历史销售在多个时间点的组合是时间序列，统计中对时间序列的讨论太多了。时间序列一般是一个单因素线性模型，即只考虑历史销售量的因素，ARIMA、霍尔特-温特斯等模型将尽力挖掘数据隐藏的周期性和趋势因素，但不要忘记，在所有的历史数据中，有多少产品具有周期性因素。如果仅仅从数据本身，我们最多可以知道趋势信息，利用趋势信息来预测未来，在趋势逆转时往往会大翻车，比如大量的备货导致无法销售。
第三，机器学习方法。
多元线性回归、CART树、SVR等，以及梯度提升树GBM，近年来热门LSTM和CNN也被应用于销售预测问题中。这种模型的特点是需要大量的数据和尺寸。在时间序列模型中，只需要历史销售额的维数。然而，除了历史上的销售信息、商品本身的属性，如颜色、材质、季节性、成本、供应能力、服务水平等，我们也必须考虑市场的反应。如果它是一个自营网站，可以看到浏览数量，点击，收藏加购物车等常用的电子商务指标，但也考虑广告支出。当然，我们的前提是这些数据是可用的。
