很多关于零售行业库存及销量的研究报告指出,缺货现象在零售领域频繁发生,以传统线下零售商店为例,日常缺货率达到了8.2%,这个值在活动日和周末等人流密集的时候会更高。缺货在影响顾客体验,影响品牌形象的同时,也会不可避免的造成企业运营决策成本的提高,由于企业从历史销量中获取的数据存在需求缺失,根据这些历史数据进行销量预测会导致预测需求与真实需求存在偏差,这些偏差经过整个供应链牛鞭效应的放大,使得企业损失增加,运营成本上涨。传统需求预测大多并未考虑这类补货和缺货情况对预测准确性的影响,为弥补新零售在此方向研究中的空白,本文针对自动售饭机提出了一种考虑补货缺货情况的需求预测方法,提高企业的需求预测准确度,从而提升企业生产配货效率以及整体管理运营水平。对于自动售饭机此类缺货和补货行为频发的领域,我们针对性地开发了一个考虑补货缺货情况的需求预测模型,在需求预测过程中充分考虑缺货以及补货时间先后对销售数据的影响。该模型首先在顾客选择模型基础上构建考虑缺货现象以及补货现象的顾客选择模型,并通过构建模型,模拟随着时间变化顾客到达网点时的所有可用的替代方案,内生地捕捉缺货对顾客选择的影响。模型构建过程中使用有关销售的商店级别销售数据、有关产品初始库存以及产品部分描述信息,充分考虑产品特征,基于效用最大化原则进行模型参数的估计以了解缺货影响,估算补货行为发生的时间。在此基础上,我们利用估算结果对时间序列进行时间和品类角度的重新聚合,从而对传统时间序列预测方法进行预测结果优化,构成用于自动售饭机需求预测的组合模型,通过不同方法实验结果的对比,证明该模型在实际问题应用上具有实践性意义。在整个研究过程中,首先,我们展示了如何将缺货以及补货时间的不确定性对顾客选择的影响进行量化。其次,我们构建考虑缺货现象的销量预测模型,对网点的补货时间进行合理估算,并根据估算结果对销量数据重构,并进行需求预测,形成完整的考虑补货缺货情况的自动售饭机品类预测模型,为有关领域的需求预测提供了新的方向和见解。最后,使用真实数据对模型效果进行综合评估,剖析模型性能,并进行总结分析。