電子商務(wù)成交量預(yù)測分析方法研究

陳　珊　孔　陽

?

電子商務(wù)成交量預(yù)測分析方法研究

陳珊孔陽

摘要：隨著我國計算機與互聯(lián)網(wǎng)的普及與發(fā)展，伴隨著社會經(jīng)濟發(fā)展步入新的歷史階段，電子商務(wù)的成交量呈“井噴”趨勢。在電子商務(wù)迅速發(fā)展的背后，則是缺乏科學(xué)的指導(dǎo)和準(zhǔn)確的預(yù)測。本文闡述了近年來電子商務(wù)成交量預(yù)測的方法，并探討了方法的優(yōu)劣和應(yīng)用難點，并對各方法進(jìn)行了總結(jié)。

關(guān)鍵詞：電子商務(wù)；成交量預(yù)測

1.電子商務(wù)成交量預(yù)測概述

隨著我國計算機與互聯(lián)網(wǎng)的普及與發(fā)展，伴隨著社會經(jīng)濟發(fā)展步入新的歷史階段，電子商務(wù)的成交量呈“井噴”趨勢，2013年，中國網(wǎng)絡(luò)購物市場交易規(guī)模達(dá)到1.84萬億元，相比2012年增長39.4%，僅在2014年11月11日當(dāng)天，淘寶網(wǎng)的交易量就達(dá)到了637億元人民幣。而在我國電子商務(wù)快速發(fā)展的背后，則是缺乏規(guī)范化、信息化、專業(yè)化指導(dǎo)的現(xiàn)狀。商家無法科學(xué)地預(yù)測商品成交量，則易造成備貨不足或過剩；而從商品的流通角度來看，因為對交易成交量沒有得到很好的預(yù)測和估計，快遞物流企業(yè)無法預(yù)知某一個節(jié)點或時間段內(nèi)的業(yè)務(wù)量，無法對將來的趨勢進(jìn)行估計。如果對成交量有較為科學(xué)、準(zhǔn)確的預(yù)測，則能大大減少快遞爆倉的現(xiàn)象，有效降低物流成本。

時間序列主要是指針對某種現(xiàn)象用一個表格的形式按照某一段時期內(nèi)的不同時間節(jié)點和其對應(yīng)的數(shù)值來依次排列組成后形成的序列，而電子商務(wù)成交量的波動屬于非平穩(wěn)時間序列。其波動的影響是用戶的上網(wǎng)購物習(xí)慣、季節(jié)性需求、節(jié)假日促銷、天氣情況、偶發(fā)事件、長期趨勢共同作用的結(jié)果，這些因素的波動并不確定。而電子商務(wù)這個特殊市場的信息，來源十分廣泛，電子商務(wù)的相關(guān)數(shù)據(jù)收集十分方便且成本較低；電子商務(wù)市場對預(yù)測的反饋時間要求極短，必須能動態(tài)、實時地對市場變化做出預(yù)測。這就決定了對電子商務(wù)成交量的預(yù)測方法需要有特別的適應(yīng)性。本人重點分析的方法主要是以下三種：移動平均預(yù)測、指數(shù)平滑預(yù)測、時間回歸預(yù)測。

2.電子商務(wù)成交量預(yù)測原理

現(xiàn)如今，在對電子商務(wù)的商品交易量預(yù)測方面的研究較少，主要聚焦于討論電子商務(wù)中交易的轉(zhuǎn)化概率、交易發(fā)生的影響因素、用戶的瀏覽行為及訪問路徑研究。Moe和Fader站在電子商務(wù)交易銷售轉(zhuǎn)化率的角度出發(fā)進(jìn)行研究，研究表明：顧客的訪問記錄對購買概率具有朝向邊際遞減的積累效應(yīng)。Poel和Buckinx總結(jié)了四類變量來預(yù)測購物行為：訪問水平的一般點擊流行為、更細(xì)節(jié)的點擊流信息、消費者人口統(tǒng)計、歷史購物行為，并且，通過對一家網(wǎng)上店鋪的點擊流數(shù)據(jù)進(jìn)行評估四類變量的預(yù)測能力。而對于預(yù)測的方法，一般采用移動平均和指數(shù)平滑等方法來對成交量進(jìn)行計算，找出其基本變化趨勢并以此來預(yù)測未來。

2.1移動平均預(yù)測

移動平均法是根據(jù)時間序列，逐項推移，依次計算包含一定項數(shù)的序時平均數(shù)，以此進(jìn)行預(yù)測的方法。移動平均法將動態(tài)時間序列的時距進(jìn)行擴大，逐期移動，并分別計算其時間序列的平均數(shù)，最終將計算結(jié)果排列成新的動態(tài)序列的方法。當(dāng)電子商務(wù)成交量的基本趨勢是在某一水平線上下波動時，可對成交量用一次移動平均法建立預(yù)測模型，即收集一組成交量數(shù)據(jù)的觀察值，并計算其均值，然后利用這組成交量的均值作為下一期成交量的預(yù)測值；當(dāng)成交量的基本趨勢和某一個線性的模型相近或吻合時，常用二次移動平均法。但當(dāng)電子商務(wù)成交量的時間序列同時存在線性趨勢和周期波動時，則可以用趨勢移動平均法來建立預(yù)測模型。移動平均預(yù)測相對來說考慮了動態(tài)發(fā)展的連續(xù)性，能把隱藏在成交量時間序列中的變動規(guī)律較明顯的反映出來。

2.2指數(shù)平滑預(yù)測

指數(shù)平滑法是由布朗所提出來的，布朗認(rèn)為之所以時間序列可被合理地順勢推延是因為時間序列的態(tài)勢具有穩(wěn)定性或規(guī)則性；他認(rèn)為在某種程度上會持續(xù)的未來的將是最近的過去態(tài)勢。后來，通過將較大的權(quán)數(shù)放在最近的資料，經(jīng)深入研究使得指數(shù)平滑法應(yīng)用相當(dāng)廣泛，內(nèi)容非常豐富，方法也比較多。指數(shù)平滑法進(jìn)行逐層的平滑計算的方法是——通過對電子商務(wù)成交量的歷史統(tǒng)計時間序列，找出電子商務(wù)成交量的基本變化趨勢消除由于各種隨機因素造成的影響并以此預(yù)測未來的成交量數(shù)據(jù)?？紤]到成交量時間序列的不同特征，還可以引入季節(jié)參數(shù)和趨勢參數(shù)，可以分別建立霍爾特雙參數(shù)線性指數(shù)平滑預(yù)測模型和溫特線性&季節(jié)性指數(shù)平滑預(yù)測模型。用時間序列指數(shù)平滑法來預(yù)測成交量有兩個顯著特點：一是遵循“厚近薄遠(yuǎn)”的原則，對成交量數(shù)據(jù)進(jìn)行加權(quán)平均和修勻；二是利用了電子商務(wù)成交量中全部的歷史數(shù)據(jù)和相關(guān)信息。如此得到的預(yù)測模型能在一定程度上減少異常數(shù)據(jù)對預(yù)測結(jié)果的影響，從而使成交量的時間序列中的一般規(guī)律性能夠較為顯著地體現(xiàn)出來。使用指數(shù)平滑預(yù)測能帶來最大的好處是預(yù)測精度可以與高級預(yù)測方法相比擬而且使用還十分簡單，因此在各個領(lǐng)域的時間序列預(yù)測中都有著非常廣泛的應(yīng)用?？梢赃\用此方法進(jìn)行短期預(yù)測的有：電子企業(yè)的市場規(guī)模、電子商務(wù)市場中的交易額。

2.3時間回歸預(yù)測

在這三種方法中，指數(shù)平滑法是最被大家廣泛應(yīng)用的一種，而且使用中有一個較大的優(yōu)點是簡單，不復(fù)雜，但當(dāng)電子商務(wù)成交量的時間序列產(chǎn)生多種變化方式時所引起的數(shù)據(jù)量增大，但時間回歸法的運用將使其變得簡便且具實用性。指數(shù)平滑法可以在表中用一條固定的平滑曲線顯示，并根據(jù)走勢按照時間序列分析詳細(xì)的走勢。在時間序列的七種模型中，最常見的方法都采用最小二乘法原理進(jìn)行參數(shù)預(yù)估；主要是線性方程、二次曲線，后面的指數(shù)曲線包括修正指數(shù)曲線、龔帕茲曲線、邏輯斯諦曲線以及振動曲線，可以根據(jù)曲線觀察到曲線是呈幾何遞增或遞減的現(xiàn)象。

3.電子商務(wù)成交量預(yù)測方法總結(jié)

比如黃穎用最小二乘曲線來對電子商務(wù)進(jìn)行預(yù)測，任麗麗，陸秋君用模糊線性回歸來研究電子商務(wù)交易額。縱使這些方法經(jīng)加權(quán)平均、修勻數(shù)據(jù)之后能在一定程度上減弱異常數(shù)據(jù)的影響，但當(dāng)序列具有較為復(fù)雜的變化形式時，計算量過大，不具有可操作性。綜上所述，對于電子商務(wù)成交量預(yù)測的研究較少，且方法單一，計算量過大，不具有實際應(yīng)用價值，對于網(wǎng)商成交量預(yù)測還需要一個對復(fù)雜以及不平穩(wěn)數(shù)據(jù)處理的工具和方法，只有通過對各種復(fù)雜時間序列的平滑處理，才能得出穩(wěn)定的結(jié)果，進(jìn)而提高預(yù)測精度。(作者單位：重慶交通大學(xué)管理學(xué)院)

參考文獻(xiàn):

[1]任麗麗，陸秋君.電子商務(wù)交易額預(yù)測的模糊線性回歸研究.電子商務(wù).2012,(7):66-69.

[2]艾瑞網(wǎng)，2014年中國網(wǎng)絡(luò)購物行業(yè)年度監(jiān)測報告[EB/OL], http://report.iresearch.cn/2143.html.

[3]Gary P.Schneider.電子商務(wù).機械工業(yè)出版社.2000(9)l-35,69-84,88-102.

[4]黃穎.基于非線性最小二乘曲線擬合法的電子商務(wù)預(yù)測模型.經(jīng)濟研究導(dǎo)刊.2009,(22):153-154.

[5]劉敏.電子商務(wù)發(fā)展測度與預(yù)測方法.北京:經(jīng)濟科學(xué)出版社，2008.12.

[6]Wendy W Moe，Peter S Fader.Dynamic Conver-sion Behavior at E-Commerce Sites.Management Science，2004(3):326-335.