“新零售”概念由马云在2016年提出,指企业以互联网为载体,通过运用大数据等先进技术,对商品的制造、销售与物流流程进行改进,并将线上营销、线下体验以及物流运输相结合的新零售模式。新零售的目的是对企业效率的提升,传统的零售平台销售成本高,资源占用多,存储成本高,线上、线下和物流的整合模式才是零售平台未来的发展方向。新零售的采购环节尤为重要,既不能供不应求,也不能供过于求,因此对采购的预测意义颇大。当供不应求时,为防止客户流失应形成库存储备预警方案,提升企业收益。2017年,《汽车销售管理办法》出台,取消强制要求品牌授权的单一体制,鼓励汽车销售渠道的多样化。在政策的推动下,汽车新零售得以迅速发展。汽车行业作为新零售的新兴产业之一,已经在市场上出现,拥有很高的关注度。因此本文以某汽车新零售平台为例进行研究。该汽车新零售平台以互联网为载体,通过融资租赁将线上和线下相结合。平台通过建立线下仓库来储存采购车辆,从仓库直接发车给消费者,以此减少车辆物流运输时长。区别于其他种类产品的采购,汽车有着运输耗时长、费用大、存储成本高的特点。汽车平台要想提升效率,最重要的就是减少库存空间、降低库存以及提升周转率。同时,各大汽车厂商新车型推出迅速以及汽车价格变化更新快,已经提前采购形成库存的车型毕竟有限。为防止潜在客户流失,应向有强烈购买欲望但意向车型库存不足的用户提供替代性方案,形成预警。例如,消费者若在汽车新零售平台中测试了“贷款资质”,说明其购车欲望强烈,却未下单购车,此时该用户可列为“潜在用户”。若意向购买某种非在库车型的潜在用户较多,可评估并将此车型列入采购计划;若有意向购买某种车型的消费者占少数,应针对不同消费者购买汽车的个性化需求差异处理,优先运用模型寻找消费者可支付的在库性能相似的车型进行推荐。本文以某汽车新零售平台为研究主体,以避免损失、提升企业收益为总体目标。首先,基于供给侧进行销量预测。对于正在销售的车型,历史销量即可直接对采购数量提供参考;对于新上架的车型,本文根据车型不同性能对比RandomForest、GBRT及XGBoost算法,对销售数量进行预测,最终选择GBRT模型作为最优模型,并输出特征重要程度,为采购提供决策。其次,基于消费者情况给出库存储备预警与服务方案。综合价格和性能两方面为消费者提供意向车型替代方案。在价格方面,对比RandomForest、GBRT及XGBoost模型,根据测试“贷款资质”输入的消费者自身属性信息对其可支付汽车价格进行预测。最终选择GBRT模型作为最优模型,并输出特征重要程度。在车型性能方面,运用K-Prototypes算法对近五年年款所有车型进行聚类,在与用户意向非在库车型的同类别在库车型中选择符合消费者要求的性能属性的车型进行推荐。综合以上两方面,最大化留存客户,防止潜在客户流失,为决策提供可靠支持。