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(shí)代，電子商務(wù)已漸漸融入了人們的日常生活。隨著消費(fèi)者在網(wǎng)絡(luò)購(gòu)物比例的提高，網(wǎng)絡(luò)銷(xiāo)售平臺(tái)的數(shù)量也越來(lái)越多。消費(fèi)者日益多樣化和個(gè)性化的需求，使企業(yè)間競(jìng)爭(zhēng)更加激烈，電商進(jìn)入精細(xì)化運(yùn)營(yíng)階段。為了及時(shí)地把握市場(chǎng)需求變化，合理地規(guī)劃有限的資源，基于網(wǎng)銷(xiāo)商品全平臺(tái)的銷(xiāo)量預(yù)測(cè)已成為研究的熱點(diǎn)。

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

綜上所述，商品銷(xiāo)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(jì)方法滯后于短時(shí)預(yù)測(cè)需求。區(qū)別于傳統(tǒng)銷(xiāo)售的銷(xiāo)量預(yù)測(cè)，網(wǎng)絡(luò)數(shù)據(jù)具有實(shí)時(shí)性。電商發(fā)售平臺(tái)逐漸增多，各平臺(tái)之間數(shù)據(jù)不能充分共享，根據(jù)各平臺(tái)的實(shí)時(shí)銷(xiāo)售數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘具有現(xiàn)實(shí)的應(yīng)用意義，能夠?qū)ι唐返娜脚_(tái)銷(xiāo)售量有總體把握。

本文統(tǒng)計(jì)了電商平臺(tái)產(chǎn)品評(píng)價(jià)數(shù)量，為解決評(píng)價(jià)與實(shí)際銷(xiāo)售量存在時(shí)間遲滯的現(xiàn)象，設(shè)計(jì)了用戶調(diào)查問(wèn)卷，獲取用戶的評(píng)價(jià)延遲期，據(jù)此推算平臺(tái)銷(xiāo)售數(shù)據(jù)。采用時(shí)間序列分解法進(jìn)行短期預(yù)測(cè)，及時(shí)掌握商品的銷(xiāo)售動(dòng)態(tài)。

1 數(shù)據(jù)獲取及處理

1.1 獲取評(píng)價(jià)數(shù)量

選取五款網(wǎng)絡(luò)熱銷(xiāo)手機(jī)商品，統(tǒng)計(jì)網(wǎng)絡(luò)銷(xiāo)售平臺(tái)每天的評(píng)價(jià)數(shù)量（實(shí)時(shí)獲取最近1 000條評(píng)價(jià)，約為1周的銷(xiāo)售量數(shù)據(jù)）。

為了增加數(shù)據(jù)樣本數(shù)量，對(duì)商品評(píng)價(jià)數(shù)量進(jìn)行了追蹤記錄，具體統(tǒng)計(jì)時(shí)段為2018年8月30日到11月1日。圖1為統(tǒng)計(jì)結(jié)果。

1.2 設(shè)計(jì)調(diào)查問(wèn)卷

為統(tǒng)計(jì)顧客評(píng)價(jià)延遲期，設(shè)計(jì)了調(diào)查問(wèn)卷。問(wèn)卷采取網(wǎng)絡(luò)發(fā)放的形式，共獲得反饋問(wèn)卷250份，經(jīng)過(guò)篩選，有效問(wèn)卷218份，有效率為87.2%。調(diào)查問(wèn)卷樣式見(jiàn)表1。

圖1 產(chǎn)品評(píng)價(jià)數(shù)量統(tǒng)計(jì)圖

1.3 信度分析

為驗(yàn)證問(wèn)卷調(diào)查獲取數(shù)據(jù)的可信度，對(duì)調(diào)查問(wèn)卷進(jìn)行信度分析，相關(guān)系數(shù)計(jì)算見(jiàn)公式（1）。

其中，K為問(wèn)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(jì)算問(wèn)卷信度系數(shù)0.71（信度系數(shù)在0.7＜α≤0.9），認(rèn)為該問(wèn)卷結(jié)果為“很可信”，測(cè)驗(yàn)結(jié)果穩(wěn)定可靠，詳見(jiàn)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(jì)量

表4 摘要項(xiàng)統(tǒng)計(jì)量

表5 信度分析表

表6 項(xiàng)間相關(guān)性矩陣

1.4 計(jì)算商品銷(xiāo)量

根據(jù)調(diào)查問(wèn)卷的問(wèn)題7，獲得被調(diào)查者的評(píng)價(jià)延遲期，見(jiàn)表7。

表7 評(píng)價(jià)延遲期

根據(jù)調(diào)查問(wèn)卷的結(jié)果對(duì)產(chǎn)品評(píng)價(jià)數(shù)量的數(shù)據(jù)進(jìn)行處理。默認(rèn)商品為次日達(dá)，配送時(shí)間為一天。則每天的產(chǎn)品銷(xiāo)量等于經(jīng)過(guò)不同的評(píng)價(jià)延遲期后的評(píng)價(jià)數(shù)總和，見(jiàn)公式（2）。

其中，Vi為第i天的銷(xiāo)量，Mi為第i天的評(píng)價(jià)數(shù)。

根據(jù)公式（2） 得到商品8月29日到10月17日的銷(xiāo)售量（8月29日到10月10日用于構(gòu)建時(shí)間序列預(yù)測(cè)模型，10月11日至10月17日用于驗(yàn)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(píng)價(jià)數(shù)與銷(xiāo)量的對(duì)比圖。

圖2 產(chǎn)品銷(xiāo)售量統(tǒng)計(jì)結(jié)果

2 短期預(yù)測(cè)

選用乘法模式的時(shí)間序列對(duì)圖2數(shù)據(jù)進(jìn)行分解，見(jiàn)公式（3）。

其中，Xt為商品銷(xiāo)量，Tt為長(zhǎng)期趨勢(shì)因素，Ct為循環(huán)指數(shù)，Zt為周期性指數(shù)，It為隨機(jī)性因素。

采用移動(dòng)平均得到長(zhǎng)期趨勢(shì)因素和循環(huán)變動(dòng)因素，見(jiàn)公式（4）。

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

表8 移動(dòng)平均的標(biāo)準(zhǔn)差比

根據(jù)表5確定的合理步長(zhǎng)獲取移動(dòng)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(xiāo)量與移動(dòng)平均值的對(duì)比。

圖3 商品銷(xiāo)量與移動(dòng)平均值的對(duì)比圖

將觀察值除以移動(dòng)平均得到數(shù)據(jù)的周期性和隨機(jī)性，見(jiàn)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(jī)性。

圖4 周期性和隨機(jī)性

以1周為周期，通過(guò)累加平均消除隨機(jī)影響，得到周期性指數(shù)，見(jiàn)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(jì)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(shì)外推法求出長(zhǎng)期趨勢(shì)Tt，將循環(huán)變動(dòng)和長(zhǎng)期趨勢(shì)分離開(kāi)來(lái)，結(jié)果見(jiàn)圖5。

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

圖5 長(zhǎng)期趨勢(shì)圖

圖6 循環(huán)變動(dòng)因子

對(duì)第7周，即10月10日到10月17日1周的銷(xiāo)售量進(jìn)行預(yù)測(cè)。循環(huán)因子Ct變動(dòng)周期較長(zhǎng)，隨機(jī)性It無(wú)法直接進(jìn)行預(yù)測(cè)，因此Ct與It忽略不計(jì)，只考慮周期與趨勢(shì)Zt×Tt的影響，趨勢(shì)計(jì)算結(jié)果見(jiàn)表10。

表10 長(zhǎng)期趨勢(shì)預(yù)測(cè)值

計(jì)算長(zhǎng)期趨勢(shì)預(yù)測(cè)值與周期指數(shù)的乘積，得到最終的預(yù)測(cè)結(jié)果，計(jì)算結(jié)果見(jiàn)表11。

為了驗(yàn)證預(yù)測(cè)模型的可行性，將預(yù)測(cè)銷(xiāo)量與實(shí)際銷(xiāo)量進(jìn)行對(duì)比。見(jiàn)表12和圖7（a）至圖7（e）。

采用MAPE（平均絕對(duì)百分誤差） 來(lái)衡量預(yù)測(cè)是否可行，見(jiàn)公式（8） 至公式（9），MAPE評(píng)價(jià)參考表見(jiàn)表13，計(jì)算結(jié)果見(jiàn)表14。

表11 預(yù)測(cè)結(jié)果

表12 預(yù)測(cè)值與實(shí)際值的對(duì)比

圖7 預(yù)測(cè)值與實(shí)際銷(xiāo)量的對(duì)比圖

表13 MAPE評(píng)價(jià)參考表

表14 MAPE計(jì)算結(jié)果

其中，n為預(yù)測(cè)的項(xiàng)數(shù)，Yi為第i項(xiàng)實(shí)際值，F(xiàn)i為第i項(xiàng)預(yù)測(cè)值。

結(jié)果表明5種商品的MAPE均小于10%認(rèn)為預(yù)測(cè)評(píng)價(jià)效果為“精確”，預(yù)測(cè)銷(xiāo)售量可以較好的擬合實(shí)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(jìn)行商品銷(xiāo)售量的短期預(yù)測(cè)，提出了通過(guò)記錄商品評(píng)價(jià)數(shù)量得到商品銷(xiāo)售量數(shù)據(jù)的方法，設(shè)計(jì)調(diào)查問(wèn)卷并進(jìn)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(yùn)用時(shí)間序列分解法分解出長(zhǎng)期趨勢(shì)及周期性變動(dòng)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(shì)預(yù)測(cè)下一個(gè)周期的銷(xiāo)量。

對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)，5種商品的MAPE（平均絕對(duì)百分誤差）均小于10%，短期預(yù)測(cè)值與實(shí)際銷(xiāo)量基本吻合，商品銷(xiāo)量的發(fā)展趨勢(shì)遵循長(zhǎng)期趨勢(shì)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(shí)間序列分解法進(jìn)行預(yù)測(cè)的方法適用于對(duì)電商網(wǎng)絡(luò)全平臺(tái)商品銷(xiāo)售數(shù)據(jù)的獲取及統(tǒng)計(jì)分析，且方便快捷，具有一定的可信度，可以及時(shí)掌握商品在網(wǎng)絡(luò)全平臺(tái)的銷(xiāo)售動(dòng)態(tài)。