基于遗传神经网络下新零售目标产品的销量预测研究.docxVIP

?

?

基于遗传神经网络下新零售目标产品的销量预测研究

?

?

魏芳怡李尽法严尹彤张嘉欣

摘要：产品的短期销售需求预测对减少零售企业的库存管理压力，节约运营成本具有重要意义。利用某零售企业生产的N款产品在华东区内的相关数据，运用统计回归方程模型得出目标SKC（单款单色产品）在节假日的销售量。基于此，使用遗传-神经网络算法对10个目标小类在12周内对每周的周销量进行预测，求出各周的MAPE，并预测目标小类内所有SKC在12周内每周的销量。对于目标小类内的SKC，根据销售量变化趋势与所属目标小类变化趋势进行对比，对于差异较大的SKC，用折线图表现其与所属目标小类变化趋势的差异，实现对目标产品短期销量的精准预测。

关键词：新零售目标产品;统计回归模型;遗传-神经网络算法;销量预测

本文索引：魏芳怡，李尽法，严尹彤，张嘉欣.[J].中国商论，2021（18）：-035.

：F724.2：A：2096-0298（2021）09（b）--04

随着国内消费市场的不断发展，顾客对商品的需求越来越多样化，新零售逐渐发展起来。新零售模式的主要特点就在于更智能的数据使用，如何利用企业所有数据进行有效、准确的市场销量预测是新零售发展的一个重要课题。

1引言

新零售是个人、企业以互联网为依托，运用大数据、人工智能等先进技术，对商品的生产、流通与销售过程进行升级改造，重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式[1]。

新零售目标产品销量预测对降低供应链运营成本、加速产品推广与提高企业决策合理性[2]具有重要意义。产品销量预测研究成果已经比较丰富，多由跨学科的团队完成，研究方法迥然有别。李晓敏等[3]对44篇文献进行研究，发现在使用传统定量方法的文献中，有15.91%采用了回归分析的方法，31.82%的文献应用时间序列模型，在现代人工智能方法商务研究中，11.36%文献采用神经网络的方法，15.91%文献采用灰色系统进行研究。张敏珏等[4]基于改进的灰色模型烟草产品销量的预测分析。乐洋[5]运用多元回归分析饮料上市时间、饮料种类、含糖量等多种因素对销量的影响。武玉英等[6]对京东商城的联想笔记本进行新产品分析，引入迁移学习方法建立销量预测模型，以求提高预测精度。何喜军等[7]综合考虑在线搜索、在线评论与页面访问等影响电商销量的多维指标构建基于集成学习Xgboost的新产品销量预测模型。YongZhang等[8]运用单变量与多变量的时间序列模型来预测电动汽车销量。JZhao等[9]通过对Prophet模型和季节差分自回归移动平均模型的深入研究，以及对某电商产品2015年1月至2018年3月日销量的分析，提出了一种用于销量预测的Prophet-sarima组合模型。ZhaoK等[10]运用神经网络模型预测小样本电商产品销量。荣飞琼等[11]构建基于卷积神经网络的在线产品销量预测模型，评估了模型对于不同类型产品的适应情况。

以上文献研究方法各有优势，也存在自身弊端，如灰色预测适用于数据量较少的数据的短期预测;神经网络适用于处理大数据问题但在预测精度上有待提高等。基于此，本文将不同的预测方法组合，对新零售目标产品的销量进行更加精准地预测。

2数据处理

2.1数据预处理

基于收集到的企业数据，利用Excel筛选历史销售时间处于2019年6月1日至2019年10月1日内的SKC。依据SKC与目标小类的对应关系，求出该段时间内销售额排名前10的小类，得到目标小类每个月的平均价格、库存、价格变化、销售量变化和销售量等维度的数据，排名前10的目标小类见表1。

2.2累计销售额排名前50的SKC

由于目标小类中的SKC过多，以累计销售额排名前50的SKC来代表目标小类中所有的SKC。分析2019年国庆节、双十一、双十二和元旦这四个节假日内各种相关因素对目标小类中SKC的销售量的影响。

计算出2019年7月1日至2019年10月1日内累计销售额排名前50的SKC，总销售额计算方式如下：

其中，E表示累计销售额，Q表示SKC的销量，a表示单个SKC的实际花费。结合实际情况，把目标小类编码作为产品的销售特征。小类编码一共有8种，没有小类编码的SKC算为一种，共9种。为了表示这9种小类，采用One-Hot编码进行数据的转化，得到转换结果即编码对应关系。One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都有独立的寄存器位，并且在任意时候只有一位有效。

2.3统计回归方程模型的建立

由于累计销售额前50的目标SKC中，大部分没有提供标价数据，無法直接通过实际花费比标价来确定商品折扣。基于现有数据，紧密结合现实生活中的销售规律，将节假日平均销售价格与节假日前两