基于商品聚类的电商销量预测 .pdfVIP

基于商品聚类的电商销量预测

王建伟

【摘要】随着我国大力推进电商行业的发展,越来越多的电商企业加入到线上的竞

争之中.随着销量的增大,第三方电商企业所掌握的销售数据也越来越多,这些分类上

零散的销售数据给数据处理预测带来了一定的难度,常常导致在预测过程中数据不

完备或者预测结果存在非常大的偏差.为了改善这一问题,这里提出了一种基于销售

数据的产品重分类预测模型,利用产品销售共性提取产品聚类簇,再使用时间序列模

型得出预测结果并通过隐马尔科夫预测模型给出预测结果的概率分布.通过实验分

析,利用以上模型的预测获得较好的预测结果,对电商企业制定营销策略具有一定的

参考价值.

【期刊名称】《计算机系统应用》

【年(卷),期】2016(025)010

【总页数】7页(P162-168)

【关键词】电商;聚类;时间序列;隐马尔可夫;预测

【作者】王建伟

【作者单位】中国矿业大学计算机科学与技术学院,徐州221116

【正文语种】中文

近年来我国电子商务行业发展迅猛,且一直保持着较快的增长势头,2012年,交易

额就达81000亿元,2013年,仅天猫双十一购物狂欢节支付宝成交额变达到了

571.1亿元,电商行业全年销售额更是达到了惊人的123000亿元.2012年3月,

工信部出台了《电子商务“十二五”规划书》,首次将电子商务战略升级至国家发

展计划,并指出到2015年,电子交易额翻两番,突破18万亿元1.由此可见,电子

商务的发展已经得到了国家战略层面上的关注.

在电商行业销售额不断增大的背后,是各层电商间的相互角力竞争,国内天猫,淘宝,

京东,亚马逊等在C2C平台领域各有优势,而借助这些平台的大中小型电商的竞争

也日趋白热化,如何在平台中用更低的投入获取更高的营销回报是大中型第三方商

家一直在追求的目标.

作为日益成长的非平台电商企业,随着销量的增长,品类的扩张,积累了越来越多的

销售数据,一方面,数据的增加给数据处理分析带来了更为可靠的保障,另一方面,

数据的激增又给中小型电商处理数据带来了新的挑战.作为销售多品类商品的买家,

随着商品品类的增多,数据会进一步分化,如何将这些零碎的数据重组在一起,再利

用重组后的数据发现销量之间变化的规律,给出具有营销指导性意见的结果,对于

中小型非平台电商利用自由数据提升销量有着重要的意义.

对于电子商务营销策略的研究,文献[2]从消费者消费行为的角度进行了分析,通过

浏览记录,有哪些信誉好的足球投注网站记录,评价记录等数据,利用统计的方式,对用户行为进行了系统的

分析,并利用分析结果对电商营销给出对应的策略.文献[3]指出了精准营销在电子

商务中的重要作用.文献[4]通过利用消费数据,利用RFP,RFM两张模型,对用户的

购买情况进行分析,针对购买情况给出了营销策略,从数据层面上给出了一种制定

针对客户的营销策略方案.

文献[5]详细的介绍了时间序列技术在电商市场预测中的作用,并对不同模型的实际

应用做了分析,通过实验的方式论证了时间序列在实际应用中的可行性.文献[6]注

意到了有些电商销售数据的季节性变化特征,针对这一特征,综合利用稳定季节性

模式与支持向量回归模型对销量进行预测.文献[7]利用了马尔科夫模型及时间序列

模型预测了外汇汇率,这种组合预测的方法给本文在电商领域引入外部因素分析销

量模型提供非常重要的借鉴与参考价值.文献[8]利用隐马尔科夫模型,利用4个隐

含状态,对股票走势进行建模,文献[9]也基于时间序列模型,结合人工智能,数据挖

掘等领域的知识,深入分析了其在股市预测中的作用.文献[10]通过研究商品销量与

气温变化,提出了基于温度的销量预测方法.

本文首先要解决多品类商品数据碎片化的问题,希望通过对数据的处理利用新的商

品分类方法替换掉原有的商品分类.然后再在新的分类下,利用预测模型对销售序

列进行预测,但是目前常用的时间序列预测模型,其在预测的时候存在忽略动态变

量的缺点,这里引入隐马尔科夫预测模型,利用定性的方法将时间序列模型的预测

值进行定界,便于分析人员更高效准确的对预测值进行利用.本文所假设一般处理

模型如图1所示.

本文主要对利用聚类技术对商品重新分类部分与商品预测部分进行分析与可行性研

究,对产生的预测值可能要利用到的处理规则与专家系统暂不做讨论.

3.1数据预处理

本文主要研究的电商数据来自于某中型第三方电商企业,此类电商企业除了拥有自

己的自建商城销售平台,大部分销售任务是通过各大电商平台进行的,因此这个级

别的电商数据特征是分散于异