數(shù)據(jù)挖掘下電商日常銷量預(yù)測探究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數(shù)據(jù)挖掘下電商日常銷量預(yù)測探究范文，希望能給你帶來靈感和參考，敬請閱讀。

【摘要】銷量預(yù)測對于電商企業(yè)的投資經(jīng)營決策具有重要意義。本文基于某企業(yè)的歷史銷售數(shù)據(jù)，通過因子分析法對影響日銷量的16個變量進(jìn)行降維處理，得到直接因子、潛在因子和轉(zhuǎn)化率因子三類潛變量，并在此基礎(chǔ)上運用正規(guī)方程法對觀測變量（日銷量）進(jìn)行線性回歸分析，最后利用該預(yù)測模型預(yù)估調(diào)整影響變量后的觀測變量變化趨勢，為商家的營銷策略調(diào)整提供指導(dǎo)建議。

【關(guān)鍵詞】數(shù)據(jù)挖掘；銷量預(yù)測；營銷策略

1引言

基于互聯(lián)網(wǎng)的交易平臺具有降低交易成本、提升交易效率等優(yōu)勢，為電子商務(wù)的發(fā)展提供了有利條件。近年來，隨著生產(chǎn)消費水平的提高，日常商品交易數(shù)量急劇上升，數(shù)據(jù)挖掘相關(guān)算法在該領(lǐng)域的應(yīng)用顯得尤為重要。與此同時，在全民實現(xiàn)“彎道超車”的時代，大數(shù)據(jù)與人工智能等技術(shù)不斷記錄分析人們的消費生活習(xí)慣，能夠為用戶提供更加精確的營銷服務(wù)。作為電商企業(yè)，如何利用電商平臺提供的有效數(shù)據(jù)資源，作出針對性的銷售調(diào)整，以期最大限度地提高利潤，是一個非常重要的技術(shù)手段。徐國虎、孫凌（2012）在電商發(fā)展的早期階段已開始著手將大數(shù)據(jù)技術(shù)應(yīng)用于線上線下用戶數(shù)據(jù)挖掘。其研究基于線上線下用戶數(shù)據(jù)體量大、類型多、速率快、價值高的特點，運用大數(shù)據(jù)技術(shù)提出由數(shù)據(jù)來源層、收集層、存儲層、分析層到最后應(yīng)用層構(gòu)成的O2O用戶數(shù)據(jù)挖掘框架，并指出“最準(zhǔn)確的商務(wù)決策來源于數(shù)據(jù)支持，大數(shù)據(jù)應(yīng)用必將成為O2O電子商務(wù)深入發(fā)展的重中之重”。羅紅梅（2013）認(rèn)為企業(yè)營銷領(lǐng)域應(yīng)該從直覺、經(jīng)驗或情感化的決策過程走向數(shù)據(jù)挖掘和分析為主導(dǎo)的“理性”時代，網(wǎng)絡(luò)精準(zhǔn)營銷的核心是數(shù)據(jù)營銷。在電商促銷活動方面，孫鈺（2017）指出活動期間的銷量會顯著大于日常銷量，而活動前后的銷量小于日常的銷量，且活動前后期的轉(zhuǎn)換率較低。尹勝燕（2017）研究了RFM、關(guān)聯(lián)規(guī)則、聚類分析等方法在數(shù)據(jù)發(fā)掘中的應(yīng)用，指出應(yīng)用數(shù)據(jù)挖掘技術(shù)可以在制定營銷策略時統(tǒng)籌兼顧，使得商家的運營決策具有一定的前瞻性?；谧匀徽Z言處理的文本情感分析，劉玉林、菅利榮（2018）通過分析電商平臺評價系統(tǒng)中的留言判斷情感傾向，并建立情感指數(shù)，以此來評估顧客的情感傾向和商家的經(jīng)營管理狀況。周靜曦(2019)基于某商家的歷年銷量數(shù)據(jù)，從模型假設(shè)、模型建立與求解等幾個方面對數(shù)據(jù)進(jìn)行ARIMA模型的建立，并根據(jù)ARIMA模型對未來幾天的銷售量進(jìn)行擬合和預(yù)測分析，然后用馬爾可夫模型進(jìn)行結(jié)果檢驗，為商家的補(bǔ)單及存貨提供理論依據(jù)。葛娜、孫連英等（2019）在深入分析Prophet加法模型和長短時記憶神經(jīng)網(wǎng)絡(luò)的特性的基礎(chǔ)上，依據(jù)某企業(yè)產(chǎn)品銷量時間序列數(shù)據(jù)的趨勢規(guī)律，構(gòu)建了一種用于預(yù)測銷售量的Prophet-LSTM神經(jīng)網(wǎng)絡(luò)組合模型，設(shè)計并實現(xiàn)了與組合前Prophet、LSTM單項模型及兩種典型時間序列預(yù)測模型的對比實驗。雖然相關(guān)學(xué)者已從多個角度和方法研究電商數(shù)據(jù)挖掘，但由于電商主營產(chǎn)品的多樣性及其與銷售數(shù)據(jù)復(fù)雜性之間的矛盾，使其很難用一種通用的決策算法來判斷銷售策略的合理性。本文擬從實際銷售數(shù)據(jù)入手，通過對多種影響因素進(jìn)行數(shù)據(jù)降維，并利用降維后的數(shù)據(jù)進(jìn)行銷量預(yù)測，從而為商家選擇合理的銷售策略提供指導(dǎo)。

2研究方法

本文數(shù)據(jù)來源于某電商企業(yè)自2020年5月1日至2020年7月16日共計76天的真實歷史銷售數(shù)據(jù)，每日數(shù)據(jù)中包括15項影響因素(x1，...，x15分別對應(yīng)商品訪客數(shù)、商品瀏覽量、商品平均停留時長、商品詳情頁跳出率、商品加購件數(shù)、商品收藏人數(shù)、下單買家數(shù)、下單金額、下單轉(zhuǎn)換率、支付買家數(shù)、支付轉(zhuǎn)換率、下單件數(shù)、支付件數(shù)、訪客平均價值、成功退款金額)和一項觀測因素(支付金額)，構(gòu)成76×16的數(shù)值矩陣表。

（一）數(shù)據(jù)歸一化

對于任意序列xi∈Rn，存在雙射f，使得x0=f(xi)屬于標(biāo)準(zhǔn)正態(tài)分布，其中μ，σ分別對應(yīng)序列xi的均值和方差，如（1）所示。（1）為了消除量綱，利用上述歸一化方法將數(shù)據(jù)放縮，作為初始的數(shù)據(jù)預(yù)處理。

（二）相關(guān)性分析

因數(shù)據(jù)記錄中影響因素較多，且有部分因素之間的相關(guān)性是比較直觀的，如下單件數(shù)與下單金額，因而我們首先做一個相關(guān)性分析，常用的反映兩變量之間變化趨勢的方向以及程度的系數(shù)包括pearson、spearman、kendall三種相關(guān)系數(shù)，其值范圍為ρ=p[-1，1]，其中0表示兩個變量不相關(guān)，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)，值越大表示相關(guān)性越強(qiáng)?？紤]到數(shù)據(jù)間有較強(qiáng)的線性相關(guān)性，我們直接采用pearson相關(guān)系數(shù)，兩個變量x1，x2∈Rn之間的計算方式如（2）所示。（2）顯然，該矩陣為對稱矩陣，且對角線元素全為1，因而我們僅顯示下三角，如圖1所示?？梢钥吹?，冗余變量較多，因而下一步采取數(shù)據(jù)降維處理，考慮到數(shù)據(jù)降維的可解釋性，因而采用因子分析法來實現(xiàn)這一目標(biāo)。圖1相關(guān)矩陣

（三）因子分析

在進(jìn)行因子分析之前，我們先進(jìn)行Kaiser-Meyer-Olkin(KMO)和Bartlett’s球檢驗。這兩個指標(biāo)是衡量樣本是否適合進(jìn)行因子分析的依據(jù)，其中KMO表示變量之間的相關(guān)性，值越接近1表示相關(guān)性越強(qiáng)，一般0.9表示非常合適，0.8表示合適，0.6則表示效果很差或直接不合適；Bartlett’s球檢驗用于檢測相關(guān)矩陣是否為單位陣（變量間是否獨立），若概率值小于顯著水平α=0.05，則表示適合做因子分析。經(jīng)計算（見表1），結(jié)果顯示適合因子分析。這里的系數(shù)A是我們關(guān)心的因子荷載矩陣。顯然，如果忽略特殊因子ε的影響，公因子F在系數(shù)A的作用下可線性表示所有的待分析變量X。設(shè)公因子F可由變量X線性表出，如（3）所示。Fp×1=βp×mXm×1（3）其中，β為線性組合對應(yīng)的加權(quán)系數(shù)，依此來計算因子得分，顯然，每個公因子的得分分別對應(yīng)影響變量對該因子的貢獻(xiàn)。因此，選取因子得分大的公因子來代表相應(yīng)影響變量的貢獻(xiàn)信息。計算相關(guān)矩陣F的特征值λ[t]，t=1，…，n，不失一般性，設(shè)它們滿足λ[t]≥λ[2]≥…≥λ[n]則必然存在一個整數(shù)p≤n，使得∑Pt=1λ[t]≥0.9∑nt=1λ[t]，且累計方差貢獻(xiàn)率大于0.75，記p為降維后的因子個數(shù)。經(jīng)計算，這里的因子個數(shù)p=3。對因子載荷矩陣進(jìn)行旋轉(zhuǎn)計算得分，最終得到更有實際意義的公因子，如圖2所示。根據(jù)權(quán)重關(guān)系，可將公因子F1、F2、F3分別命名為直接因子、潛在因子、轉(zhuǎn)化率因子，然后我們利用這三個公因子來預(yù)測日下單金額。

（四）線性回歸模型

線性回歸的一般形式可表示為公式（4）。y`m×1=θm×pFp×1（4）m表示樣本個數(shù)，p表示公因子個數(shù)，那么觀測結(jié)果y與預(yù)測結(jié)果y′之間的誤差Rss可表示為：令誤差最小，計算Rss的導(dǎo)數(shù)，有：進(jìn)而θ=（XTX）-1XTy，即正規(guī)方程。計算得到θ后，直接代入原線性方程，即可得到預(yù)測結(jié)果。正規(guī)方程、嶺回歸和梯度下降所得擬合誤差百分比如圖3所示。圖3擬合誤差百分比

（五）樸素貝葉斯模型

因本文研究的變量均為連續(xù)型，且在經(jīng)過因子分析后可以適當(dāng)將三個公因子看做是相互獨立的變量，因而采用高斯樸素貝葉斯模型。在此之前，我們引入一些理論框架。設(shè)（Ω，F(xiàn)，P）為概率空間，如果，則稱Ai為Ω的有窮剖分。全概率公式指的是如果在有窮剖分基礎(chǔ)上，P（Ai）＞0，則對任一事件B∈F，有相應(yīng)的，如果對任一事件B∈F，P(B)>0，則：稱為貝葉斯公式，實際上貝葉斯公式可以看做條件概率公式在全概率公式下的適當(dāng)變形。對于高斯樸素貝葉斯而言，我們需要將上述公式中的P表示為高斯函數(shù)即可：依此計算三種公因子的條件概率并完成模型訓(xùn)練，然后代入預(yù)測參數(shù)即可推斷預(yù)測結(jié)果。如圖4所示。

3結(jié)果與討論

由于特殊活動日期如雙11、618等數(shù)據(jù)的偶然性強(qiáng)且各因素的關(guān)聯(lián)性相對較弱，而且根據(jù)觀察，雖然雙11、618等活動當(dāng)天銷售量會有爆發(fā)式增長，但是縱觀全年總銷量構(gòu)成，非活動期間的日常交易額還是占據(jù)絕對比重，因此分析日常交易額的相關(guān)數(shù)據(jù)更具實際意義。從數(shù)據(jù)降維角度我們可以將大部分影響數(shù)據(jù)分成三類，一類直接轉(zhuǎn)化為交易額，如下單買家數(shù)、下單件數(shù)等；一類雖然沒有直接轉(zhuǎn)化為交易額，但可能在將來的一段時間變現(xiàn)，如加購件數(shù)、收藏人數(shù)等；最后一部分就和轉(zhuǎn)化率等有關(guān)，用來表示總體訪客的變現(xiàn)價值。在制定銷售策略時，可以從這三個角度來分別研究?？傮w來講，在流量增加的情況下，轉(zhuǎn)化率因子可以衡量總體效益，但影響當(dāng)日直接交易額的是直接因子，而對于潛在因子則需要一個滯后的時間來實現(xiàn)變現(xiàn)，在做促銷活動時可著重考慮這部分?jǐn)?shù)據(jù)。在預(yù)測方面，相比于樸素貝葉斯分類模型，本文使用的多變量線性回歸模型可以更準(zhǔn)確地預(yù)測觀測變量。實際上為了選取合適的擬合方法，本文分別用正規(guī)方程、嶺回歸和梯度下降來進(jìn)行模型擬合，得到的結(jié)果如圖3。針對本次研究，梯度下降的誤差最大，可能達(dá)到35%，嶺回歸次之，介于10%-15%，正規(guī)方程表現(xiàn)最好，基本低于5%。有相關(guān)文章的研究通過閾值將數(shù)據(jù)二值化，從而把研究目標(biāo)轉(zhuǎn)化為一個二分類問題，與之不同的是，本文考慮到影響變量的連續(xù)性，引入高斯樸素貝葉斯模型來處理該問題，相較于前者的閾值分割處理，本文的影響因素具有更多的特征信息。關(guān)于最后的預(yù)測結(jié)果，鑒于貝葉斯網(wǎng)絡(luò)的分類本質(zhì)，這里選取日交易額均值的1.5倍作為閾值，判定是否可以達(dá)成該目標(biāo)，結(jié)果為“0”或“1”的布爾值，預(yù)測結(jié)果如圖4。圖中預(yù)測結(jié)果與實測值結(jié)果完全吻合，當(dāng)然該模型在本質(zhì)上是用分類模型來做一個擬合問題，對于預(yù)測結(jié)果只能給出布爾值，無法給出更多信息，也存在一定局限，但并不影響研究結(jié)論。在實際銷售中對于商家而言，高于1.5倍于日常均值的交易額僅僅是一個范圍，具體可能是2倍甚至10倍，其中的區(qū)別有時可能影響很大，這也是后續(xù)研究需要進(jìn)一步挖掘的。

4結(jié)論

本文根據(jù)電商企業(yè)每日交易的歷史數(shù)據(jù)，將日下單金額作為觀測變量，其余變量作為影響變量，分析了影響觀測變量的主要因素并構(gòu)建預(yù)測模型。首先利用因子分析將冗余的影響變量劃分為直接因子、潛在因子和轉(zhuǎn)化率因子，得到影響日下單金額的三種公因子，然后分別利用高斯樸素貝葉斯模型以及基于正規(guī)方程法做線性擬合模型，得到較為理想的結(jié)果。本文提供的預(yù)測模型可以通過適當(dāng)調(diào)整主要影響因素來觀測結(jié)果變化，計算調(diào)整成本與收益率進(jìn)而得到最優(yōu)策略，這對于電商企業(yè)分析銷售趨勢、調(diào)整營銷策略，具有直接的指導(dǎo)意義。

作者:馮明 單位:中國社會科學(xué)院大學(xué)商學(xué)院