預測每個零售單位——即使毫無歷史數據

• ThinkCol 以 Chronos-2 時間序列基礎模型建立單位層面的零售銷售預測流程，取代以物業組合平均數為基礎的人手預測。
• ETL 流程將雜亂的租戶記錄轉化為單位層面的時間序列，並融合通脹、訪港旅客人次及零售趨勢等香港宏觀訊號。
• 模型為每個單位提供附信賴區間的 36 個月機率預測，包括沒有銷售紀錄的新單位或空置單位。

一家高端商場營運商過往依賴以物業組合平均數為基礎、欠一致的人手預測。團隊無法預測新店或空置店舖的銷售額，亦無法在簽訂租約前測試租戶組合的變動會如何影響表現。

ThinkCol 以 Chronos-2 時間序列基礎模型建立了單位層面的零售銷售預測流程。ETL 流程將雜亂的租戶記錄轉化為整潔的單位層面時間序列，模型再融合通脹、訪港旅客人次及零售趨勢等香港宏觀訊號，為每個單位提供附信賴區間的 36 個月機率預測。

流程開箱即可處理四種租務情境——續租、行業組合變動的假設分析、銷售紀錄不足的單位，以及全新或現時空置的單位——無需為每個單位建立或維護獨立模型。

為何要度身訂造？ 現成的預測工具需要每個單位都有長期歷史數據，無法融合雜亂的外部數據，亦無法回答租戶組合的假設性問題。