销量预测要把动作从旁路里拿出来

销量预测要把动作从旁路里拿出来：阿里 1688 的离线窗口和线上对照

阿里巴巴集团与中国科学技术大学等在 2026 年 8 月 26 日提交的论文，评的不是「下周销量相关系数高不高」，而是：商家还没执行的预算和折扣，模型能不能当成干预去仿真，而不是当成历史里的又一路特征。方法叫 CEDAR（Controlled and Event-Driven Demand Forecasting via Residual Decomposition，用动作感知的残差分解做可控、事件驱动的需求预测）。作者认为普通时间序列预测即使把运营决策拼进协变量，优化的仍是历史策略下的相关外推，自回归惯性会把市场自身变化和决策引起的变化搅在一起，反事实分析不可靠。

数据怎么切，才不算偷看已经发生的冲击

离线数据来自阿里 1688，大约 3200 万条商品轨迹，覆盖 2024 和 2025。状态按滚动 7 天聚合，九个指标：展现、浏览、收藏、加购、买家数、GMV、广告展现、广告点击、询盘数。动作两个：7 天平均营销折扣（折后价相对原价），以及同期广告花费。

每条轨迹切成 15 个连续周的重叠窗口。新窗口每 15 周采一次，年内剩余周再向前回采。这样大约得到 3200 万个训练样本。测试集固定为 2025 年最后一个窗口，前面的窗口全部用于训练。作者明确不用随机划分，因为随机抽样可能让模型走捷径，记住已经见过的外部冲击。类目是三级，最细 8,942 个小类。每个小类内部对九个状态和两个动作做 z-score，避免量纲差把训练带偏。外部信号包括站内热搜、站外热点，以及 26 个主要节假日。文本侧用 Qwen-Plus 抽热点关键词并组织成句子，再用 BGE-zh-v1.5 编成 1024 维向量。数据集被称作 E-Comm 15-Week。论文说正在争取发布部分匿名版本，主实验时还没有公开全集。

两个预测设定：用过去 10 周预测未来 5 周（next 5），用过去 5 周预测未来 10 周（next 10）。指标是 MSE、MAE 和 NMSE，NMSE 等于 MSE 除以真实值平方的均值。离线结果是 5 个随机种子的均值和标准差。隐藏维统一 256。Transformer 类包括 CEDAR 在内，头数 4、层数 5。训练和推理都在 4 张 NVIDIA H20 上。

对照是 Informer、TFT、PatchTST、PETFormer 和 Timer-XL（大规模预训练时间序列模型）。能吃外生变量的基线，把商家动作和状态拼在一起当额外通道。CEDAR 把动作当成一等模态，和状态转移交错。这是协议差异，不是同一输入再换一个损失。

离线误差：next 5 的 MSE 大约是最强基线的四成

表 1 里 CEDAR 在两个视界、三项指标上都最低。正文给出的点估计是：next 5 的 MSE 为 0.182，最强基线 PatchTST 为 0.424、PETFormer 为 0.434，相对降幅 57.1% 和 58.1%。同视界 NMSE 为 0.083，相对最好基线降超过 56%。next 10 的 MSE 为 0.414，NMSE 为 0.189。表里还写了均值±标准差，例如 next 10 的 MSE 是 0.414±0.015，next 5 是 0.182±0.006。Informer 在 next 10 上 MSE 超过 30（表中约 32.2±21），作者把它当成「不知道决策」的预测在非平稳动作下会垮的证据，不是把 Informer 写成可直接上线的对手。

消融（表 2，点估计，未再报标准差）以完整模型为底：next 10 / next 5 的 MSE 为 0.414 / 0.182，MAE 为 0.132 / 0.0603。去掉近期状态变为 0.443 / 0.209；去掉商品元数据 0.466 / 0.227；去掉 AIT 预测 0.499 / 0.264；去掉节日关键词 0.451 / 0.213；去掉新闻关键词 0.417 / 0.188，其中 next 5 的 MAE 为 0.0601，略好于完整模型的 0.0603，所以不是每一格都单调变差。只留 AIT、不要残差修正是 0.489 / 0.252。打乱时间是 0.527 / 0.274。一阶段把 AIT 和残差模块一起训是 0.471 / 0.231，差于两阶段。

更长视界用 10 周历史做输入，MSE（附录表 5，无标准差）：next 5 仍是 0.182，对 PatchTST 0.424、PETFormer 0.434；next 10 为 0.414，对 0.849 和 0.743；next 15 为 0.734，对 1.526 和 1.382；next 20 为 1.103，对 2.173 和 1.945；next 25 为 1.612，对 2.847 和 2.561。误差随视界变大，优势还在，但绝对误差已经离开短视界的量级。

公开集只用来看残差分解能不能离开 1688，不复现反事实预算任务。Kaggle Store Sales 有零售销量和促销、日历，但是店-品类粒度，没有带预算语义的商家动作。next 5 上 CEDAR 的 MSE / MAE / NMSE 为 0.5819 / 0.3680 / 0.3778，PETFormer 为 0.6321 / 0.4623 / 0.4104，PatchTST 为 0.6814 / 0.4112 / 0.4425。相对最强基线 PETFormer，MSE 从 0.6321 到 0.5819。

训练耗时（附录）：CEDAR 第一阶段约每 epoch 11 分钟、14 个 epoch、共 154 分钟；第二阶段约 16 分钟、5 个 epoch、共 80 分钟。事件嵌入是一次性离线成本，约 4 小时。PatchTST 约 119 分钟，PETFormer 约 651 分钟。

线上对照写了什么，没写什么

线上实验是 2026 年 1 月 1 日到 1 月 30 日，在 1688 的广告和营销优化里做 A/B。论文写初始部署覆盖 239 家合作商家、245 笔预测服务订单，交易额 877 万元，初始复购率 61%。对照组沿用现有生产模型：只吃总预算的扩散时间序列预测。实验组用 CEDAR 做不同预算方案下的销量仿真，再进推荐和规划。结果是实验组商家 LTV 高 13%（46,471 对 41,228），店级 ROI 平均高 15%。论文说短促和长规划都看到增益，但没有给出分流单位、样本量置信区间，也没有把 61% 复购写成相对对照组的提升。46,471 和 41,228 没有单位说明，不能自行改写成人均或单商户。877 万元和 239 家是部署规模，不是 A/B 的效果量。

定性例子只说明残差模块能接上外部冲击：社交平台上「奶皮子糖葫芦」走热时，没有事件建模的基线沿旧轨迹外推，CEDAR 从热点里抽出「糖葫芦」并预测流量和销量跳升。这不是另一张主表。

这些对比不能外推成什么

测试集是 2025 年最后一窗，用来躲开对已见冲击的捷径，因此不能读成随机留出、也不能读成对 2024 年任意一周都成立。五个种子说明离线提升不是单次初始化，Informer 的巨大标准差说明该基线本身不稳。Kaggle 上的增益只支持「事件残差在公开零售数据上仍有用」，作者写明它没有商家预算动作。数据集全集尚未按论文所说发布。线上 13% 和 15% 是平台自述的一个月实验，对照是「只吃总预算的扩散模型」，不是和表 1 里每一条离线基线再做一遍线上。动作交错能否真的识别干预效果，附录依赖序列可忽略性等假设，正文没有用随机化实验去验证这个因果假设本身。

出处：阿里，Junjie Meng、Ranxu Zhang、Zi-an Zhang、Shujun Liu、Xiaoning Qi、Xiaozhou Xu、Yanyong Zhang、Hui Xiong、Chao Wang，CEDAR: Controlled and Event-Driven Demand Forecasting via Residual Decomposition，2026-08-26，https://arxiv.org/abs/2608.25871