一家快閃零售商以小型首發預測需求，而非依賴專家品味

這家零售商的整個模式就是快閃商品：少量生產新奇產品，迅速售罄下架。專家判斷難以奏效，因為這些產品具流行性、沒有歷史銷售曲線，還可能讓公司留下永遠賣不掉的高成本庫存。

公司沒有請專家猜測整個生產批次，而是採用測試市場流程。先以小批量開賣，產生早期需求訊號，再結合508項產品的其他資料，並以lasso與隨機梯度提升法建模。

結果務實而非學術上的精雕細琢：以預測分析取代專家意見後，滯銷品比例降低約40%，公司因此生產較少賣不掉的產品，並以更少浪費管理其供應鏈。

讓小型首發教會我們預測

測試市場在全量生產之前，把一個未知的時尚賭注轉化為可衡量的訊號。

正則化模型與提升模型能處理眾多產品特徵，而不會過度信任任何單一專家說法。

輸出結果契合商業決策：是否再生產更多單位，而非產品看起來是否時尚。

對於沒有時間序列的新產品，先便宜地買資訊，再昂貴地買庫存。

INFORMS的文章報導，該公司採用預測性預測來減少生產永遠賣不掉的產品，並更有效地管理其供應鏈。此案例是一個簡潔的例子，說明如何以廉價、分階段的證據取代基於品味的預測。