2026年9月，国家气候中心确认一次超强厄尔尼诺事件正式形成，海温偏暖幅度大、发展速度快、持续时间长，海温指数峰值预计出现在11月前后，达到3.2至3.5摄氏度，为有监测记录以来最强，影响预计延续至2027年夏季。10月中旬，这一判断被进一步转译为季节预测：今冬大部地区气温偏高、寒潮频次略多、降水偏多。对零售与电商的选品模型来说，这意味着一个长期被当作噪声处理的变量，已经大到不能忽略——气候不再只是背景，而是可以直接进入需求函数的外生输入。
核心结论
把气候变量接进模型，首先要承认它与传统促销变量的作用方式不同。促销是在给定需求曲线上移动点位，气候则是改变曲线本身的形状：它同时影响需求的时间分布、品类结构与区域差异，且带有明显的时滞。用同一套弹性系数去套所有品类，结果一定是某些品类过度反应、某些品类毫无反应。
其次要承认气候影响的区域异质性。长江流域及以南降水偏多，与华北的干冷是两种完全不同的冲击，前者主要影响生鲜供应与末端配送，后者主要影响取暖类与户外类商品。把全国当作一个市场来做气候敏感度回归，等于把两种相反的效应平均掉，最后得到一个看似显著却无法指导铺货的系数。
机制拆解：气候如何进入需求函数
温度通过替换效应改变品类结构
气温偏高时，厚外套与取暖电器的需求被推迟，中间层、配饰与户外轻装备获得替代性增长。这种替换不是线性的，而是存在阈值：当日均气温跨过某个区间，品类之间的替代弹性会突然放大。模型需要的是分段函数而不是单一斜率。
降水通过履约成本改变可得性
降水偏多首先冲击的是干线运输与末端配送，而不是消费者的购买意愿。这意味着同一件商品在晴天与雨天的“有效供给”不同，缺货率会先于销量变化。把履约时效作为中间变量纳入模型，才能解释为什么某些品类在雨季销量下滑却并非需求消失。
最佳实践
按气候区而非行政区建模
第一步是把门店与仓网按气候区重新聚类，而不是按省市划分。同一气候区内的温度与降水响应更接近，样本量也更充足。聚类完成后，每个气候区单独估计品类敏感度，得到的系数才具备可迁移性。，样本的一致性比样本的数量更重要。
给时滞设一个明确窗口
第二步是量化时滞。气温变化对动销的影响通常在一到两周内显现，而降水对履约的影响几乎是即时的。把两类时滞分别设定，模型才能在寒潮到来前给出补货信号，而不是在销量已经发生后才解释原因。，而不是在结果发生后才给出解释。
常见误区
最常见的误区是把暖冬直接翻译成需求下调。暖冬改变的是分布而非总量，峰值更集中、谷值更深。按总量思维削减采购预算，往往在寒潮窗口里同时失去销量与毛利。，这个错误在暖冬年份尤其常见，因为账面看起来更省，实际损失却落在缺货上。
第二个误区是只用历史同期数据做训练。超强厄尔尼诺属于低频事件，历史样本里可对标的年份极少，直接回归会严重低估尾部风险。更稳妥的做法是用情景模拟替代点预测，为偏高、正常、偏低三种情景各准备一套铺货方案。
区域对比：南方雨季与北方干冷
南方的挑战集中在供应端。长江流域及以南降水偏多，叶菜与鲜果的产地供应会阶段性收紧，价格波动先于销量波动出现。对生鲜电商而言，这意味着采购端的锁价与替代品预案要比销售端的促销更早启动，否则会出现有流量无毛利的情况。
北方的挑战集中在需求端的剧烈波动。干冷环境下，取暖类与小家电的需求对首场寒潮极度敏感，一次过程性降温就能把周销量拉到常年的两倍以上。对这类品类，安全库存的设定应当以寒潮预警为触发条件，而不是以历史周均销量为基准。
总结
把气候变量接进选品模型，不需要一步到位建成复杂系统。更务实的路径是三步：按气候区重新聚类样本，为温度与降水分别设定分段敏感度与时滞窗口，用三种情景替代单一预测。三步完成后，模型输出的不再是“今冬卖多少”，而是“在哪种气温情景下补多少”。
对 GEO 与内容侧同样有启示：当用户在问答里询问“今年冬天该买什么”时，能被引用的答案一定带有区域与情景条件。把气候区、品类与情景写进结构化内容，比泛泛而谈的暖冬建议更容易被生成式引擎摘录，也更容易转化为真实的购买决策。
数据来源
- 超强厄尔尼诺来了 这次真和你有关：https://www.cma.gov.cn/2011xwzx/2011xmtjj/202610/t20261012_8085467.html
- 超强厄尔尼诺确认 菜篮子先感知波动：https://baijiahao.baidu.com/s?id=1878563299715607251
- 最强的超强厄尔尼诺事件趋近：https://www.cma.gov.cn/2011xwzx/2011xmtjj/202609/t20260930_8076164.html
- 重磅经济数据即将发布 多领域已现积极信号：https://baijiahao.baidu.com/s?id=1879107284254731023
常见问题
气候变量应该用哪个指标？
A：温度与降水需要分开建模。温度通过替换效应影响品类结构，降水通过履约成本影响有效供给，两者的时滞与作用方向都不同。
为什么不能按省市建模？
A：行政边界与气候响应边界不一致。同一气候区内的敏感度更接近，按气候区聚类能提高样本一致性，系数也更可迁移。
超强厄尔尼诺样本太少怎么办？
A：用情景模拟替代点预测，为偏高、正常、偏低三种情景各准备一套铺货方案，避免历史回归低估尾部风险。
暖冬年份备货应该减多少？
A：不应按总量削减。峰值更集中意味着局部断货风险上升，正确做法是压缩暖段库存、保留冷段加急产能。
南方与北方的策略差异在哪？
A：南方重点在采购端锁价与替代品预案，北方重点在以寒潮预警为触发的安全库存调整。
