Электрондық коммерцияға сұранысты болжау жасырын рейтинг факторларының және бақыланатын сатуды шынайы сұранысқа қатысты бұрмалайтын бағаның өзгеруінің әсерінен күрделене түседі. Бұл мақалада ықтималдық болжауды, Байес белгісіздік бағалауын және себеп-салдарлық талдауды біріктіру тұрғысынан сұранысты моделдеуге заманауи тәсілдердің жүйелі шолуы ұсынылған. Үш негізгі бағыт қарастырылады: ықтималдық терең уақыт қатарлары моделдері (DeepAR, Temporal Fusion Transformer, N-BEATS, PatchTST, Chronos және TimesFM негіздік моделдері); Байес нейрондық желілері және белгісіздікті бағалауға арналған ансамбльдік әдістер; баға әсерлерін себептік моделдеу әдістері, соның ішінде Double Machine Learning және құрылымдық себептік моделдер. Әдістердің салыстырмалы талдауы белгісіздік, рейтинг және себеп-салдарлыққа байланысты есепке алу критерийлеріне негізделшп жүргізілген. Байес белгісіздікті, позициялық ауытқуды және тауардың бақыланбайтын көрінгіштігі жағдайында бағаның себеп-салдарлық әсерлерін бірге ескеретін архитектуралардың болмауы - негізгі іргелі кемшілік болып анықталды. Электрондық коммерция жағдайында шынайы сұранысты анықтау үшін жасырын рейтингтік айнымалылары бар интеграцияланған Байес себеп- салдарлық моделдерді әзірлеуге қатысты әрі қарай зерттеу бағыттары ұсынылады.