EventCast: LLM 기반 이벤트 지식을 활용한 이커머스 하이브리드 수요 예측

EventCast: Hybrid Demand Forecasting in E-Commerce with LLM-Based Event Knowledge

수요 예측은 재고 계획 및 풀필먼트 일정 수립에 직접적인 영향을 미치는 이커머스 운영의 핵심입니다. 그러나 기존 예측 시스템은 타임세일, 명절 캠페인, 갑작스러운 정책 개입 등 수요 패턴이 급격하고 예측 불가능하게 변화하는 영향력이 큰 시기에는 제대로 작동하지 못하는 경우가 많습니다. 본 논문에서는 미래의 이벤트 지식을 시계열 예측에 통합하는 모듈형 예측 프레임워크인 EventCast를 소개합니다. 미래의 개입을 무시하거나 수치 예측에 거대언어모델(LLM)을 직접 사용하는 기존 방식과 달리, EventCast는 LLM을 오직 이벤트 기반 추론에만 활용합니다. 캠페인, 명절 일정, 판매자 인센티브 등을 포함하여 기존 운영 데이터베이스에 존재하는 비정형 비즈니스 데이터는 LLM을 통해 처리되며, LLM은 세계 지식(world knowledge)을 활용하여 문화적 뉘앙스와 새로운 이벤트 조합을 반영한 해석 가능한 텍스트 요약으로 이를 변환합니다. 이러한 요약 정보는 이중 타워(dual-tower) 아키텍처 내에서 과거 수요 특성과 결합되어 정확하고 설명 가능하며 확장 가능한 예측을 가능하게 합니다. 4개국 160개 지역에 걸쳐 10개월 동안 실제 이커머스 시나리오에 적용한 결과, EventCast는 이벤트 지식을 활용하지 않은 모델 대비 MAE와 MSE를 각각 최대 86.9%, 97.7% 개선하였으며, 이벤트 기간 동안 최고의 산업 베이스라인과 비교하여 MAE는 최대 57.0%, MSE는 83.3% 감소시켰습니다. EventCast는 2025년 3월부터 실제 산업 파이프라인에 배포되어 역동적인 이커머스 환경에서 운영 의사 결정을 개선하는 실용적인 솔루션을 제공하고 있습니다.

Demand forecasting is a cornerstone of e-commerce operations, directly impacting inventory planning and fulfillment scheduling. However, existing forecasting systems often fail during high-impact periods such as flash sales, holiday campaigns, and sudden policy interventions, where demand patterns shift abruptly and unpredictably. In this paper, we introduce EventCast, a modular forecasting framework that integrates future event knowledge into time-series prediction. Unlike prior approaches that ignore future interventions or directly use large language models (LLMs) for numerical forecasting, EventCast leverages LLMs solely for event-driven reasoning. Unstructured business data, which covers campaigns, holiday schedules, and seller incentives, from existing operational databases, is processed by an LLM that converts it into interpretable textual summaries leveraging world knowledge for cultural nuances and novel event combinations. These summaries are fused with historical demand features within a dual-tower architecture, enabling accurate, explainable, and scalable forecasts. Deployed on real-world e-commerce scenarios spanning 4 countries of 160 regions over 10 months, EventCast achieves up to 86.9% and 97.7% improvement on MAE and MSE compared to the variant without event knowledge, and reduces MAE by up to 57.0% and MSE by 83.3% versus the best industrial baseline during event-driven periods. EventCast has deployed into real-world industrial pipelines since March 2025, offering a practical solution for improving operational decision-making in dynamic e-commerce environments.