要分析采购历史，先把数据理清楚。你需要把每个客户的订单记录按时间排好，比如过去一年里下了几次单，间隔多少天。拿一家工业滤芯经销商举例，某个客户过去12个月下了6次订单，间隔分别是45天、50天、48天、52天、47天。这些数字平均下来就是48天左右，说明这个客户差不多每48天补一次货。
实际操作时，建议用Excel或者CRM系统的筛选功能，按客户ID把订单拉出来。重点看最近三次的间隔，因为老的记录可能受市场波动影响。比如有个客户之前间隔60天，但最近三次缩短到40天，那就说明他的采购节奏变快了，不能再用老数据算。
还有个小技巧：把节假日和行业淡旺季标出来。有些客户在春节前会囤货，间隔突然缩短，这个因素要排除掉。不然你按平常周期算，就会打乱预测。说白了，数据要干净，规律才准。
光算出平均间隔还不够，因为客户偶尔会因为库存积压或者临时项目推迟下单。这时候移动平均法就派上用场了。比如你取最近三次的间隔做平均，而不是用全部数据，这样能过滤掉偶然因素。还是拿那个滤芯客户说，他最近三次间隔是50天、48天、47天，平均就是48.3天，跟整体平均差不多，但更能反映当前状态。
我见过一个做包装材料的案例，客户平时每30天下单，但有一次因为供应商断货，硬是拖到50天才补。如果用全量平均，周期会变成35天，不准。但用三次移动平均，那个异常值的影响就小多了，算出来是31天，更贴近真实节奏。这个方法在Excel里用AVERAGE函数就能实现，简单实用。
不过要注意，移动平均的窗口大小不是固定的。如果客户下单频率稳定，用三次就够了；如果波动大，比如季度性明显，那就要取五到六次。说白了，灵活调整窗口，才能让预测贴合实际。我建议你拿历史数据回测一下，看看哪种窗口误差最小。
算出预测周期后，别傻等。你需要设置一个预警时间点，比如在预计下单日的前一周提醒销售跟进。举个例子，客户上次下单是1月15日，预测周期48天，那下次就是3月4日左右。提前7天，也就是2月25日，系统自动发一条消息给销售，让他去问客户有没有补货需求。
实际操作时，我推荐用CRM的条件规则功能。比如设定“距离上次订单天数大于预测周期-7”时触发提醒。这样既不会太早打扰客户，也不会错过窗口期。有个做工业阀门的公司就是这么干的，他们把预警设在预测日的前5天，结果跟进成功率提升了30%。因为客户正好在考虑备货，销售一打电话，单子就顺理成章了。
另外，还要考虑库存消耗速度。如果客户下单的货物是消耗品，比如润滑油，那周期跟使用量直接挂钩。你可以跟客户聊聊他的生产线运行情况，调整预测。说白了，预警不是死数字，要结合业务场景微调，才能提高命中率。
有些B2B客户下单完全没有固定周期，比如项目制采购，一年就两三次。这种客户用平均法算出来可能误差很大，这时候分位数法更好用。你把所有间隔从小到大排，取中位数或者四分位数作为参考。比如一个客户过去12个月下了4次单，间隔是30天、90天、120天、60天，中位数是75天，比平均75天一样，但分散度大。
对于这种客户，我更推荐用75%分位数，也就是120天。因为这类客户大概率会拖到最晚时间才下单，你按中位数跟进，可能太早。按120天设预警，反而能卡在客户真正需要的点上。我做过一个案例，一个建筑设备租赁商客户，下单间隔从20天到150天不等，用75%分位数设预警后，销售跟进效率翻倍。
当然，分位数法也有局限性，它需要足够多的历史数据才稳定。如果客户只有两三次记录，那就直接按最长间隔加个缓冲期。说白了，不规则客户得用保守策略，宁晚勿早，不然频繁打扰反而会丢单。多试几种方法，找到最适合你客户群体的那一种。
