1、首先，我们有一个海量数据处理能力的爬虫引擎，它会每天爬取亚马逊各站点的产品基本信息，如价格、评论数等，特别是BSR排名。

2、基于我们最近3年的历史销量数据积累和用户真实反馈，我们大概知道每个站点，每个大类目BSR和销量的对应关系。

3、基于日销量和当日BSR的对应关系，我们就可以基于该ASIN每日平均BSR，初步预测日销量。

4、根据每月已预测出来的日销量平均值*当月天数，得到当月的月销量。

5、同时，我们也会考虑该ASIN的历史销量走势，以及随着每日时间的后移，去校正销量预测的准确率。

特别注意，如果一个Listing的各子体共享父体BSR，则该子体的销量就是父体的销量，即各子体销量之和，所以它们各子体销量看起来都是相同或非常接近的。

在销量预测过程中，主要有如下异常情况，会导致销量预测的偏差：

1、因为BSR是基于订单量，而不是销量，一个包含10件商品的订单和包含1件商品的订单，对BSR的提升是一样的。

所以当某类产品用户经常购买超过1件，销量预测偏差就较大。

2、如果当日因为秒杀等促销引起BSR剧烈变化，比如从10万名突然提升到2000名，当日均值为2万左右（一天按四个时段计算均值），就不太准了。

3、如果产品缺货，BSR在稳步下降但有值，系统会预测当天有销量，实际销量为0。

这个问题会通过监控BuyBox一定程度缓解。

4、因为数据监控不及时，比如某些ASIN做不到一天监控一次或多次，导致当日没有BSR，只能用最近几天的BSR预测当日均值。

5、某些小类目，比如Tablet Stands（ipad支架，亚马逊站内搜索：ipad holder），基本上都没有大类BSR，就无法基于大类BSR预测；

如果我们不小心收录并且预测了，销量可能会很离谱，我们会不断杜绝这类Bug。

6、某个类目销量整体大增，比如亚马逊Prime Day和黑五，导致同样BSR排名的ASIN，当日销量比上月整体飙升了，这个不太好预测。

7、对于头部产品，特别是BSR在500以内的，预测误差会比较大。

因为BSR是基于排名的，比如某类目头部前10的产品，排名基本上稳定了，但某ASIN的BSR排名从第8名升到第5名，因为有几天日销量从300飙升到1000，实际日销量从300升到500，BSR排名也是这样变化的。

8、ASIN的类目突然变更了，从 Beauty & Personal Care变更到 Health & Household，销量就可能有几天就不准了。