基于BP神經(jīng)網(wǎng)絡(luò)的跨境電商買(mǎi)手平臺(tái)選品模型構(gòu)建

朱君然，王保魯

(1.倫敦藝術(shù)大學(xué) 倫敦時(shí)裝學(xué)院，英國(guó)倫敦 WC1V7EY； 2.北京服裝學(xué)院 服裝藝術(shù)與工程學(xué)院，北京 100029)

隨著國(guó)民經(jīng)濟(jì)與互聯(lián)網(wǎng)技術(shù)的發(fā)展，近年來(lái)我國(guó)跨境電商行業(yè)發(fā)展愈發(fā)迅猛。根據(jù)易觀Analysys發(fā)布數(shù)據(jù)顯示，2021年中國(guó)跨境進(jìn)口零售電商交易規(guī)模預(yù)計(jì)將達(dá)到4 943.7億元人民幣，且市場(chǎng)規(guī)模還會(huì)進(jìn)一步擴(kuò)大[1]。在眾多跨境電商模式中，買(mǎi)手平臺(tái)(自營(yíng)型B2C模式)通過(guò)直接參與到貨源組織、商品選擇、物流倉(cāng)儲(chǔ)及銷(xiāo)售過(guò)程，降低了消費(fèi)者選擇成本，提升了消費(fèi)者信任度，得到消費(fèi)者的青睞。但同時(shí)，該模式下資金占用程度較高，要求企業(yè)能準(zhǔn)確感知消費(fèi)者需求，需要平臺(tái)買(mǎi)手具備較高的選品能力，以提升動(dòng)銷(xiāo)率，保證平臺(tái)的健康運(yùn)轉(zhuǎn)[2]。目前平臺(tái)買(mǎi)手更多依賴(lài)個(gè)人經(jīng)驗(yàn)和傳統(tǒng)數(shù)據(jù)處理方式進(jìn)行選品工作，買(mǎi)手往往會(huì)因?yàn)閭€(gè)人主觀判斷出現(xiàn)偏差而未做出利益最大化的選擇。

面對(duì)這一問(wèn)題，現(xiàn)有研究多通過(guò)分析影響跨境電商平臺(tái)選品的諸多因素，以給出指導(dǎo)平臺(tái)選品的合理化建議，如采用技術(shù)選品法、試錯(cuò)選品法和市場(chǎng)選品法等[3-4]，但現(xiàn)有研究多從定性分析角度給出選品建議，缺少經(jīng)量化分析后的選品模型，選品準(zhǔn)確率難以驗(yàn)證。

在前人研究的基礎(chǔ)上，本文結(jié)合實(shí)際案例對(duì)跨境電商買(mǎi)手平臺(tái)選品過(guò)程及相關(guān)影響因素進(jìn)行研究，通過(guò)量化分析選擇最優(yōu)影響因素組合并加以驗(yàn)證。目前，人工智能技術(shù)開(kāi)始應(yīng)用于人類(lèi)生活的方方面面，時(shí)尚零售業(yè)也開(kāi)始探索運(yùn)用人工智能和大數(shù)據(jù)技術(shù)改變傳統(tǒng)運(yùn)營(yíng)方式，幫助企業(yè)實(shí)現(xiàn)更加精準(zhǔn)的市場(chǎng)預(yù)測(cè)與款式開(kāi)發(fā)等。本文運(yùn)用人工智能算法(BP神經(jīng)網(wǎng)絡(luò))，尋找能夠輸出最佳預(yù)測(cè)結(jié)果的因素組合，從而構(gòu)建一套可以幫助平臺(tái)買(mǎi)手降低個(gè)人主觀判斷偏差、提高選品準(zhǔn)確率的選品模型，實(shí)現(xiàn)對(duì)商品選擇的準(zhǔn)確預(yù)測(cè)。

1 影響買(mǎi)手選品因素分析

專(zhuān)業(yè)買(mǎi)手對(duì)服飾類(lèi)產(chǎn)品采買(mǎi)的根本目的是為企業(yè)獲得利潤(rùn)，所以選品過(guò)程中不可僅僅依賴(lài)個(gè)人審美進(jìn)行選擇，需要綜合完善的評(píng)判標(biāo)準(zhǔn)以及一定的選品邏輯[5]。研究得知，產(chǎn)品的面料材質(zhì)、款式造型、色彩花紋、設(shè)計(jì)元素、價(jià)格等會(huì)影響消費(fèi)者購(gòu)買(mǎi)決策，當(dāng)?shù)刈匀画h(huán)境與社會(huì)環(huán)境也會(huì)影響服飾類(lèi)產(chǎn)品銷(xiāo)售[6-8]。另外，買(mǎi)手平臺(tái)自身銷(xiāo)售與庫(kù)存數(shù)據(jù)，如銷(xiāo)售收入、毛利率、庫(kù)存等，也是買(mǎi)手需要著重管理和參考的重要指標(biāo)[9]。

根據(jù)對(duì)國(guó)內(nèi)某跨境奢侈品電商B2C端選品運(yùn)營(yíng)部主管與專(zhuān)員及國(guó)內(nèi)某小型跨境奢侈品零售企業(yè)合伙人開(kāi)展專(zhuān)家訪談可知，影響跨境電商買(mǎi)手平臺(tái)選品決策的因素普遍包含面料、款式、顏色、價(jià)格等商品自身因素，季節(jié)氣候等自然環(huán)境因素，政治文化等社會(huì)環(huán)境因素，以及平臺(tái)銷(xiāo)售數(shù)據(jù)、供應(yīng)商條件等。綜合以上內(nèi)容，得出5大類(lèi)共計(jì)15項(xiàng)影響跨境電商買(mǎi)手平臺(tái)選品的關(guān)鍵因素，如表1所示。

表1 影響選品因素

2 BP神經(jīng)網(wǎng)絡(luò)

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。作為一種機(jī)器學(xué)習(xí)方式，BP神經(jīng)網(wǎng)絡(luò)通過(guò)學(xué)習(xí)輸入與輸出值之間的非簡(jiǎn)單線性映射關(guān)系，不斷修正網(wǎng)絡(luò)權(quán)值和閥值，最終使誤差信號(hào)最小，逼近任意復(fù)雜的非線性輸出值，并以此構(gòu)建輸入值與輸出值之間的神經(jīng)網(wǎng)絡(luò)模型[10]。

在紡織服裝領(lǐng)域，利用BP神經(jīng)網(wǎng)絡(luò)可以幫助實(shí)現(xiàn)服裝號(hào)型歸檔與推薦、服裝款式與圖像分類(lèi)識(shí)別、服裝庫(kù)存管理與銷(xiāo)售預(yù)測(cè)等。如曾祥鶴等[11]利用BP神經(jīng)網(wǎng)絡(luò)建立由凈體尺寸輸入自動(dòng)生成成衣尺寸預(yù)測(cè)模型，以提高服裝打板效率；羅戎蕾等[12]將流行趨勢(shì)、季節(jié)氣候變化、產(chǎn)品價(jià)格等作為輸入量，采用神經(jīng)網(wǎng)絡(luò)構(gòu)建銷(xiāo)售預(yù)測(cè)模型。

在本文中，將影響買(mǎi)手選品的相關(guān)因素作為輸入量，產(chǎn)品是否可以成功銷(xiāo)售(即買(mǎi)手平臺(tái)是否選擇該產(chǎn)品)作為輸出量，通過(guò)BP神經(jīng)網(wǎng)絡(luò)，來(lái)構(gòu)建輸入量與輸出量間的網(wǎng)絡(luò)模型并進(jìn)行驗(yàn)證。神經(jīng)網(wǎng)絡(luò)初始模型如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

3 基于BP神經(jīng)網(wǎng)絡(luò)的選品模型設(shè)計(jì)與應(yīng)用

3.1 數(shù)據(jù)集建立

選取國(guó)內(nèi)某跨境電商買(mǎi)手平臺(tái)進(jìn)行實(shí)證研究。該企業(yè)是一家主營(yíng)海外奢侈品牌服飾類(lèi)商品的跨境電商，其貨品供應(yīng)商主要為意大利奢侈品經(jīng)銷(xiāo)商?；诒?中的影響選品要素，對(duì)該平臺(tái)買(mǎi)手負(fù)責(zé)人及數(shù)位在該企業(yè)從事選品工作的專(zhuān)業(yè)買(mǎi)手進(jìn)行訪談，結(jié)合該平臺(tái)實(shí)際情況，挑選出最符合該公司實(shí)際業(yè)務(wù)模式的選品影響因素9項(xiàng)，分別是：價(jià)格競(jìng)爭(zhēng)力、品牌流行度、產(chǎn)品流行度、設(shè)計(jì)創(chuàng)意、面料與材質(zhì)、可搭配性、實(shí)穿性、自然環(huán)境和產(chǎn)品(相似或同類(lèi))過(guò)往銷(xiāo)售情況。同時(shí)，按照程度或主觀評(píng)價(jià)由低至高，采用5級(jí)量表，為各因素制定量化評(píng)分標(biāo)準(zhǔn)。如在價(jià)格競(jìng)爭(zhēng)力因素中，“1”表示產(chǎn)品價(jià)格競(jìng)爭(zhēng)力很低，“5”表示產(chǎn)品價(jià)格競(jìng)爭(zhēng)力很高；在面料與材質(zhì)因素中，“1”表示產(chǎn)品面料與材質(zhì)很差，“5”表示產(chǎn)品面料與材質(zhì)很好。

然后，經(jīng)該跨境電商買(mǎi)手平臺(tái)許可后，對(duì)2019年售罄率高于80%以及售罄率低于20%的商品進(jìn)行隨機(jī)抽取，共采集商品60件，其中銷(xiāo)售較好與銷(xiāo)售較差商品各占一半。商品按品類(lèi)分布情況如表2所示。商品數(shù)據(jù)包含品牌貨號(hào)、商品名稱(chēng)、采購(gòu)價(jià)格、品類(lèi)、顏色、商品圖片、歷史銷(xiāo)售數(shù)據(jù)等。

表2 采集商品數(shù)量分布

最后，將此60件(套)商品的商品數(shù)據(jù)制作成表，由該平臺(tái)買(mǎi)手負(fù)責(zé)人對(duì)照影響選品的9項(xiàng)因素，對(duì)每一件商品進(jìn)行評(píng)價(jià)。各商品在每一影響因素的得分匯總成為選品模型輸入向量X=(x1，x2，…，x60)T。在輸出向量O中，售罄率高于80%的商品賦值為“1”，售罄率低于20%的商品賦值為“0”。

3.2 神經(jīng)網(wǎng)絡(luò)建立

首先，將60組數(shù)據(jù)導(dǎo)入MatLab軟件。其次，為使輸入與輸出數(shù)據(jù)的量度統(tǒng)一，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，使最終數(shù)據(jù)落在[0,1]之間。處理公式如下：

之后，將樣本數(shù)據(jù)矩陣劃分為訓(xùn)練集和測(cè)試集。訓(xùn)練集包含40組樣本數(shù)據(jù)，剩余20組樣本數(shù)據(jù)為測(cè)試集，用于檢測(cè)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果準(zhǔn)確程度。訓(xùn)練集與測(cè)試集中銷(xiāo)售較好與銷(xiāo)售較差商品均按照1∶1比例隨機(jī)抽取。

訓(xùn)練中設(shè)定學(xué)習(xí)率為0.001，最大訓(xùn)練步數(shù)為5 000。在訓(xùn)練完成后用測(cè)試集的20組數(shù)據(jù)對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，輸出預(yù)測(cè)結(jié)果，并與真實(shí)值進(jìn)行誤差對(duì)比。

3.3 輸入變量調(diào)整

3.4 結(jié)果采集與分析

經(jīng)過(guò)多次因素組合與驗(yàn)證，最終得出在保留價(jià)格競(jìng)爭(zhēng)力、品牌流行度、產(chǎn)品流行度、設(shè)計(jì)創(chuàng)意和產(chǎn)品銷(xiāo)售情況5個(gè)主要因素的訓(xùn)練模型中，輸出預(yù)測(cè)結(jié)果準(zhǔn)確度最佳。該模型輸入層節(jié)點(diǎn)數(shù)為5，隱含層節(jié)點(diǎn)數(shù)為11，輸出層節(jié)點(diǎn)數(shù)為1，學(xué)習(xí)率為0.001，最大訓(xùn)練步數(shù)為5 000。模型預(yù)測(cè)結(jié)果與真實(shí)值對(duì)比如圖2所示。圖中縱坐標(biāo)為商品能成功銷(xiāo)售的概率，“0”代表商品銷(xiāo)售情況較差(售罄率低于20%)，“1”代表銷(xiāo)售情況較好(售罄率高于80%)。對(duì)應(yīng)地在選品預(yù)測(cè)中，“0”代表買(mǎi)手平臺(tái)在選品過(guò)程中不應(yīng)選擇此商品，“1”代表在選品過(guò)程中應(yīng)選擇此商品。圖中圓圈點(diǎn)代表商品的真實(shí)銷(xiāo)售情況，實(shí)心點(diǎn)代表選品模型給出的預(yù)測(cè)值。由圖可知，模型預(yù)測(cè)值與真實(shí)值基本吻合。R2為訓(xùn)練過(guò)程中預(yù)測(cè)值對(duì)真實(shí)值的跟蹤情況。R2越接近1說(shuō)明模型中的變量對(duì)輸出變量解釋能力越強(qiáng)，預(yù)測(cè)準(zhǔn)確度越好。圖中所示R2為0.95，說(shuō)明預(yù)測(cè)準(zhǔn)確度較高。同時(shí)，由于神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化是隨機(jī)的，所以盡管多次運(yùn)行該程序輸出結(jié)果不同，但R2仍穩(wěn)定在0.7～1.0之間，證明該系統(tǒng)做出的預(yù)測(cè)值與真實(shí)值近似度高，可以實(shí)現(xiàn)預(yù)測(cè)效果。

圖2 選品模型預(yù)測(cè)誤差對(duì)比圖

4 結(jié)束語(yǔ)

本文通過(guò)對(duì)影響跨境電商買(mǎi)手平臺(tái)選品決策的主要因素進(jìn)行研究，總結(jié)歸納出5大類(lèi)15項(xiàng)影響因素。同時(shí)結(jié)合實(shí)際案例，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)，最終構(gòu)建出以?xún)r(jià)格競(jìng)爭(zhēng)力、品牌流行度、產(chǎn)品流行度、設(shè)計(jì)創(chuàng)意和產(chǎn)品銷(xiāo)售情況為5個(gè)輸入量，以商品成功銷(xiāo)售概率為單一輸出量的3層神經(jīng)網(wǎng)絡(luò)模型。模型預(yù)測(cè)結(jié)果較為穩(wěn)定、準(zhǔn)確。該模型驗(yàn)證了基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建選品模型的可行性?？缇畴娚藤I(mǎi)手平臺(tái)可參考此模型，依據(jù)自身業(yè)務(wù)模式，構(gòu)建符合平臺(tái)需求的選品模型，以幫助企業(yè)實(shí)現(xiàn)更高效的選品工作。同時(shí)，本文仍有許多不足之處需要改進(jìn)。如本文模型構(gòu)建所用樣本數(shù)據(jù)量較小，且沒(méi)有考慮消費(fèi)者個(gè)人信息數(shù)據(jù)，仍需在后期研究中予以補(bǔ)充，同時(shí)可以對(duì)BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)一步改進(jìn)，以提高模型的預(yù)測(cè)能力及在復(fù)雜業(yè)務(wù)場(chǎng)景下的適用能力。