moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2025.51.4.013 1943 Разделение базового спроса и промо-эффекта при прогнозировании продаж в индустрии быстрого питания Separating base demand and promotional effect in sales forecasting in the fast-food industry Быстров Александр Игоревич Bystrov Alexander alexandr.jri.bystrov@yandex.ru aff-1 Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации Russian Presidential Academy of National Economy and Public Administration 01 01 2026 1 1 10.26102/2310-6018/2025.51.4.013 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В статье рассматривается методика прогнозирования продаж в индустрии быстрого питания, основанная на раздельном моделировании базового спроса и промо-эффекта. Цель исследования заключается в повышении точности прогноза путем выделения регулярного спроса от дополнительного объема продаж, обусловленного промо-акциями. В работе предложен подход, основанный на предварительной фильтрации промо-дней из временного ряда и последующем применении экспоненциального сглаживания (модель Holt-Winters) для оценки базовых продаж. Разница между фактическими продажами и прогнозируемым базовым рядом интерпретируется как промо-эффект, что позволяет более объективно оценить влияние акций на итоговый спрос. Методология исследования включает сравнительный анализ нескольких стратегий обработки данных промо-дней: отсутствие фильтрации, полное удаление и замена значений на типичные показатели. Эксперименты, проведенные на данных сети ресторанов, показали, что стратегия замены продаж в промо-дни обеспечивает наилучший результат с WAPE около 16,7 % по сравнению с другими подходами. Полученные результаты свидетельствуют о снижении риска дефицита товара в периоды пикового спроса и повышении эффективности планирования запасов, что имеет важное практическое значение для оптимизации операционной деятельности в сфере быстрого питания.

This article examines a methodology for sales forecasting in the fast-food industry, based on separate modeling of base demand and promotional effects. The aim of the study is to improve forecast accuracy by isolating regular demand from the additional sales volume driven by promotional campaigns. The proposed approach involves preliminary filtering of promotional days from the time series, followed by the application of exponential smoothing (the Holt-Winters model) to estimate base sales. The difference between actual sales and the forecasted base series is interpreted as the promotional effect, allowing for a more objective assessment of the impact of promotions on final demand. The research methodology includes a comparative analysis of several strategies for processing promotional day data: no filtering, complete removal, and replacing values with typical indicators. Experiments conducted on data from a restaurant chain showed that the strategy of replacing sales on promotional days provides the best result, with a WAPE of approximately 16.7% compared to other approaches. The results indicate a reduction in the risk of product shortages during peak demand periods and an increase in the efficiency of inventory planning, which has important practical significance for optimizing operational activities in the fast-food sector.

 прогнозирование спроса промо-акции экспоненциальное сглаживание базовые продажи временной ряд индустрия быстрого питания demand forecasting promotions exponential smoothing base sales time series fast-food industry Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Мхитарян С.В., Данченок Л.А. Прогнозирование продаж с помощью адаптивных статистических методов. Фундаментальные исследования. 2014;(9–4):818–822. Лукашевич Н.С., Темиргалиев Е.Р., Баранова Т.В. Прогнозирование продаж на основе модели Хольта-Уинтерса. Вестник Карагандинского университета. Серия "Экономика". 2022;108(4):172–179. https://doi.org/10.31489/2022ec4/172-179 Напольская Ю.В. Многофакторный регрессионный анализ и прогнозирование розничных продаж товаров FMCG в оффлайн магазинах с использованием POS данных. Beneficium. 2024;(4):49–57. https://doi.org/10.34680/BENEFICIUM.2024.4(53).49-57 Михайлов Д.В. Анализ практики применения алгоритмов машинного обучения в российских розничных сетях для развития операционной деятельности и разработки маркетинговой стратегии предприятия. В сборнике: Fundamental and Applied Approaches to Solving Scientific Problems: сборник научных статей по материалам XII Международной научно-практической конференции, 28 апреля 2023 года, Уфа, Россия. Уфа: Научно-издательский центр «Вестник науки»; 2023. С. 122–141. Устинов Д.А., Емельянцев Д.О., Дуров И.В., Татаренков А.С. Автоматизация ценообразования в ритейле с применением машинного обучения. Universum: технические науки. 2024;(6–1):20–26. https://doi.org/10.32743/UniTech.2024.123.6.17762 Бажанов Н.Н. Экспоненциальное сглаживание как метод прогнозирования временных рядов. В сборнике: Теория и практика науки третьего тысячелетия: сборник статей Международной научно-практической конференции, 07 марта 2014 года, Уфа, Россия. Уфа: Башкирский государственный университет; 2014. С. 194–196. Пегачкова Е.А., Яковлева А.Г. Анализ влияния различных факторов на продажи с помощью алгоритмов машинного обучения. В сборнике: Материалы XXIII международной конференции по вычислительной механике и современным прикладным программным системам (ВМСППС'2023), 04–10 сентября 2023 года, с. Дивноморское, Краснодарский край, Россия. Москва: Московский авиационный институт (национальный исследовательский университет); 2023. С. 127–128. Афанасьева Т.В. Прогнозирование локальных тенденций временных рядов в задачах анализа больших данных. Автоматизация процессов управления. 2014;(4):42–47. Булгаков Ю.В. Адаптивные модели прогноза продаж. Маркетинг в России и за рубежом. 2011;(4):3–14. Мхитарян С.В. Адаптивная тренд-сезонная модель прогнозирования продаж компании с учетом предполагаемых изменений темпов роста. Хроники объединенного фонда электронных ресурсов «Наука и образование». 2016;(12):4.

The authors declare that there are no conflicts of interest present.