基于電商網(wǎng)絡(luò)數(shù)據(jù)挖掘的商品銷售量短期預(yù)測

趙梓賀，徐慧智 （東北林業(yè)大學(xué) 交通學(xué)院，黑龍江 哈爾濱 150040）

0 引 言

在“互聯(lián)網(wǎng)+”的時代，電子商務(wù)已漸漸融入了人們的日常生活。隨著消費者在網(wǎng)絡(luò)購物比例的提高，網(wǎng)絡(luò)銷售平臺的數(shù)量也越來越多。消費者日益多樣化和個性化的需求，使企業(yè)間競爭更加激烈，電商進入精細(xì)化運營階段。為了及時地把握市場需求變化，合理地規(guī)劃有限的資源，基于網(wǎng)銷商品全平臺的銷量預(yù)測已成為研究的熱點。

國內(nèi)外學(xué)者對此開展了相關(guān)研究，王建偉[1]提出了利用產(chǎn)品銷售共性提取產(chǎn)品聚類簇的產(chǎn)品重分類預(yù)測模型，王雪蓉等[2]通過分析銷量的可控關(guān)聯(lián)性進行大數(shù)據(jù)挖掘，進行動態(tài)預(yù)測，Juan R Trapero等[3]分析了促銷活動中的銷量預(yù)測，劉治、謝天保和曹永立等[4-6]利用網(wǎng)絡(luò)爬蟲獲取評分、搜索數(shù)據(jù)，對多種預(yù)測模型進行比較分析，Jinlou Zhao等[7]提出了在線零售商之間的市場需求信息共享可以實現(xiàn)供應(yīng)鏈的增值，降低供應(yīng)商的庫存水平。Ching-Chin Chern、孟園等[8-9]從網(wǎng)絡(luò)口碑的角度促進了銷售預(yù)測的研究，張鈉等[10]提出由于需求波動較大，不同的訂貨周期應(yīng)采用不同的預(yù)測方法。Gro Kl?boe等[11]提出使用具有平衡狀態(tài)信息的模型進行模擬預(yù)測。

綜上所述，商品銷量屬于商家內(nèi)部數(shù)據(jù)，難以從網(wǎng)站上直接獲得，傳統(tǒng)的統(tǒng)計方法滯后于短時預(yù)測需求。區(qū)別于傳統(tǒng)銷售的銷量預(yù)測，網(wǎng)絡(luò)數(shù)據(jù)具有實時性。電商發(fā)售平臺逐漸增多，各平臺之間數(shù)據(jù)不能充分共享，根據(jù)各平臺的實時銷售數(shù)據(jù)進行數(shù)據(jù)挖掘具有現(xiàn)實的應(yīng)用意義，能夠?qū)ι唐返娜脚_銷售量有總體把握。

本文統(tǒng)計了電商平臺產(chǎn)品評價數(shù)量，為解決評價與實際銷售量存在時間遲滯的現(xiàn)象，設(shè)計了用戶調(diào)查問卷，獲取用戶的評價延遲期，據(jù)此推算平臺銷售數(shù)據(jù)。采用時間序列分解法進行短期預(yù)測，及時掌握商品的銷售動態(tài)。

1 數(shù)據(jù)獲取及處理

1.1 獲取評價數(shù)量

選取五款網(wǎng)絡(luò)熱銷手機商品，統(tǒng)計網(wǎng)絡(luò)銷售平臺每天的評價數(shù)量（實時獲取最近1 000條評價，約為1周的銷售量數(shù)據(jù)）。

為了增加數(shù)據(jù)樣本數(shù)量，對商品評價數(shù)量進行了追蹤記錄，具體統(tǒng)計時段為2018年8月30日到11月1日。圖1為統(tǒng)計結(jié)果。

1.2 設(shè)計調(diào)查問卷

為統(tǒng)計顧客評價延遲期，設(shè)計了調(diào)查問卷。問卷采取網(wǎng)絡(luò)發(fā)放的形式，共獲得反饋問卷250份，經(jīng)過篩選，有效問卷218份，有效率為87.2%。調(diào)查問卷樣式見表1。

圖1 產(chǎn)品評價數(shù)量統(tǒng)計圖

1.3 信度分析

為驗證問卷調(diào)查獲取數(shù)據(jù)的可信度，對調(diào)查問卷進行信度分析，相關(guān)系數(shù)計算見公式（1）。

其中，K為問題數(shù)；為第i題得分方差；為總分的方差。

表2為信度系數(shù)的取值范圍。經(jīng)計算問卷信度系數(shù)0.71（信度系數(shù)在0.7＜α≤0.9），認(rèn)為該問卷結(jié)果為“很可信”，測驗結(jié)果穩(wěn)定可靠，詳見表3至表6。

表2 信度系數(shù)的取值范圍

表3 可靠性統(tǒng)計量

表4 摘要項統(tǒng)計量

表5 信度分析表

表6 項間相關(guān)性矩陣

1.4 計算商品銷量

根據(jù)調(diào)查問卷的問題7，獲得被調(diào)查者的評價延遲期，見表7。

表7 評價延遲期

根據(jù)調(diào)查問卷的結(jié)果對產(chǎn)品評價數(shù)量的數(shù)據(jù)進行處理。默認(rèn)商品為次日達，配送時間為一天。則每天的產(chǎn)品銷量等于經(jīng)過不同的評價延遲期后的評價數(shù)總和，見公式（2）。

其中，Vi為第i天的銷量，Mi為第i天的評價數(shù)。

根據(jù)公式（2） 得到商品8月29日到10月17日的銷售量（8月29日到10月10日用于構(gòu)建時間序列預(yù)測模型，10月11日至10月17日用于驗證模型有效性）。圖2（a） 至圖2（e） 分別為P20 pro、nove3、nove3e、mate10、暢享8等5種商品評價數(shù)與銷量的對比圖。

圖2 產(chǎn)品銷售量統(tǒng)計結(jié)果

2 短期預(yù)測

選用乘法模式的時間序列對圖2數(shù)據(jù)進行分解，見公式（3）。

其中，Xt為商品銷量，Tt為長期趨勢因素，Ct為循環(huán)指數(shù)，Zt為周期性指數(shù)，It為隨機性因素。

采用移動平均得到長期趨勢因素和循環(huán)變動因素，見公式（4）。

采用標(biāo)準(zhǔn)差作為指標(biāo)，確定合理移動步長（比選N=3、N=4、N=5），分析結(jié)果見表8。

表8 移動平均的標(biāo)準(zhǔn)差比

根據(jù)表5確定的合理步長獲取移動平均數(shù)列，圖3（a） 至圖3（e） 為P20 pro、nove3、nove3e、mate10、暢享8等5種商品銷量與移動平均值的對比。

圖3 商品銷量與移動平均值的對比圖

將觀察值除以移動平均得到數(shù)據(jù)的周期性和隨機性，見公式（5）。

圖4（a） 至圖4（e） 為P20 pro、nove3、nove3e、mate10、暢享8等5種商品周期性和隨機性。

圖4 周期性和隨機性

以1周為周期，通過累加平均消除隨機影響，得到周期性指數(shù)，見公式（6）。

其中，ri為每周同一天的平均數(shù)，為總平均數(shù)。

表9為計算得到的各產(chǎn)品周期指數(shù)。

表9 各產(chǎn)品的周期指數(shù)

利用趨勢外推法求出長期趨勢Tt，將循環(huán)變動和長期趨勢分離開來，結(jié)果見圖5。

根據(jù)公式（7） 得到循環(huán)變動因子Ct，P20 pro、nove3、nove3e、mate10、暢享8等5種商品的循環(huán)變動因子變化圖如圖6（a） 至圖6（e） 所示。

圖5 長期趨勢圖

圖6 循環(huán)變動因子

對第7周，即10月10日到10月17日1周的銷售量進行預(yù)測。循環(huán)因子Ct變動周期較長，隨機性It無法直接進行預(yù)測，因此Ct與It忽略不計，只考慮周期與趨勢Zt×Tt的影響，趨勢計算結(jié)果見表10。

表10 長期趨勢預(yù)測值

計算長期趨勢預(yù)測值與周期指數(shù)的乘積，得到最終的預(yù)測結(jié)果，計算結(jié)果見表11。

為了驗證預(yù)測模型的可行性，將預(yù)測銷量與實際銷量進行對比。見表12和圖7（a）至圖7（e）。

采用MAPE（平均絕對百分誤差） 來衡量預(yù)測是否可行，見公式（8） 至公式（9），MAPE評價參考表見表13，計算結(jié)果見表14。

表11 預(yù)測結(jié)果

表12 預(yù)測值與實際值的對比

圖7 預(yù)測值與實際銷量的對比圖

表13 MAPE評價參考表

表14 MAPE計算結(jié)果

其中，n為預(yù)測的項數(shù)，Yi為第i項實際值，F(xiàn)i為第i項預(yù)測值。

結(jié)果表明5種商品的MAPE均小于10%認(rèn)為預(yù)測評價效果為“精確”，預(yù)測銷售量可以較好的擬合實際數(shù)據(jù)。

3 結(jié)論

本文基于電商的網(wǎng)絡(luò)數(shù)據(jù)挖掘進行商品銷售量的短期預(yù)測，提出了通過記錄商品評價數(shù)量得到商品銷售量數(shù)據(jù)的方法，設(shè)計調(diào)查問卷并進行信度分析，提高了網(wǎng)絡(luò)數(shù)據(jù)的可信度?；谑占玫降木W(wǎng)絡(luò)數(shù)據(jù)，運用時間序列分解法分解出長期趨勢及周期性變動因素，得到數(shù)據(jù)的分布規(guī)律，根據(jù)數(shù)據(jù)的發(fā)展趨勢預(yù)測下一個周期的銷量。

對預(yù)測結(jié)果進行評價，5種商品的MAPE（平均絕對百分誤差）均小于10%，短期預(yù)測值與實際銷量基本吻合，商品銷量的發(fā)展趨勢遵循長期趨勢與周期指數(shù)。本文中收集電商網(wǎng)絡(luò)數(shù)據(jù)以及用時間序列分解法進行預(yù)測的方法適用于對電商網(wǎng)絡(luò)全平臺商品銷售數(shù)據(jù)的獲取及統(tǒng)計分析，且方便快捷，具有一定的可信度，可以及時掌握商品在網(wǎng)絡(luò)全平臺的銷售動態(tài)。