基于决策树算法的服装网络限时促销预测模型及应用研究开题报告

 2020-02-10 11:02
1.目的及意义(含国内外的研究现状分析)

1.1研究目的

随着“互联网 零售”模式的兴起,传统的线下销售模式已不再适用于服装销售企业,涌现出了像唯品会、蘑菇街等一批电商服装零售企业。商家竞争日趋激烈,为了增加销量平台会举办各种类型的促销活动,限时特卖(flash sales)即为其中的一种。随着销售的增长、品类的扩张,历史销售数据的增加为商家进行数据分析提供了便利,但是如何利用历史数据预测限时促销的效果,从而服务于后期的营销策略成为新的挑战。

本文致力于通过对商家历史销售数据的利用,结合企业实际经营特点和理论缺口,尝试性构建影响限时特卖网站销售的指标体系。利用决策树算法构建服装销售预测模型,从而对影响限时促销活动的因素进行关联分析并挖掘规律,最后根据预测数据为案例企业今后更好的开展限时特卖活动提供建议。

1.2研究意义

(1)理论意义

通过查阅限时促销、销售预测、在线零售相关的文献,国内虽然有针对服装销售企业销售预测的研究,但是大部分采用定性方法研究影响促销的因素,或者是利用构建模型的方法研究单一线下或者是020情境下的日常销售情况。而国外也只有Kris JF(2016)对拉街网的限时特卖进行销量预测和价格优化,本文试探性的沿用了Kris的决策树模型,并对影响限时特卖的指标体系进行优化用于国内某一服装限时特卖网站上,验证新的需求预测模型的准确性和精度,使得本文具有一定的理论研究意义。

(2)现实意义

随着产品品类多元化和商家竞争的日益激烈,电商商家都在采取多种促销方式来降低库存,对于限时特卖网站来说近50%的销售收入来自于首次曝光产品的限时特卖。本文根据对目标企业历史数据的分析和销售预测模型的构建,对影响活动效应的因素进行建模分析,最后根据预测数据为案例企业今后更好的开展限时特卖活动提供建议,从而提升目标企业的科学化决策水平,降低促销成本获取更多的利润。

1.3国内外研究现状

1.3.1国内研究现状

目前国内学者对于服装销售预测的研究还没有限定在限时促销这一情景,主要是围绕单一的线上或者线下实体店铺的货品销售预测,李玉灵(2016)利用自动回归技术对某一服装企业020渠道进行销售值预测,模型适用于目标企业配补货需求[2]。而孙晓静(2015)运用聚类分析和 CART 决策树算法构建销售预测模型探究出服装销售受销售渠道、地域、文化、经济等众多因素的影响[8]。这一研究方法与本文所采用的相近。而在对限时促销的研究中国内学者大多采用定性研究,李研(2016)对限时促销和限量促销两种促销情境进行探究[6],而包括韩科伦(2015)在内的其他学者则探究了在线评论、时间压力、价格折扣等因素对限时促销销量的影响[9],这为本文构建限时促销销量影响因子指标体系提供了新的思路。

可以看出国内关于服装限时特卖网站的销量预测研究鲜有,但是随着唯品会、蘑菇街等垂直电商的飞速发展,限时特卖已成为众多商家偏好的促销手段。本文将为限时特卖网站进行销售预测模型的构建,运用决策树算法对某一服装品类的促销进行预测,并利用历史数据检验其测量精度。

1.3.2国外研究现状

由于限时特卖网站这种商业模式发展历史不长,国外对于限时特卖网站的研究较新成果也不多。Vakeel(2018)运用实证方法研究了交易倾向、归因和情绪对限时闪购得影响。与本文最相关的是Kris JF于2016年发表在MSOM上的《在线零售分析:需求预测和价格优化》,文章围绕着拉街网的经营现状展开研究,利用机器学习技术来预测拉街网某一限时特卖活动的历史销售损失,并预测新产品的市场需求,利用算法设计出拉街网的日常定价决策模型[11]

本文受此研究启发,将文中对于产品需求预测的模型沿用于国内某一服装限时特卖网站,但是由于数据资源的缺乏本文将对影响促销效果的指标体系进行优化,引入评价指数,尝试性构造出适用于国内限时特卖网站的销量预测模型并验证其有效性。

2.研究(设计)的基本内容、目标、拟采用的技术方案及措施





2.1基本内容与目标


2.1.2研究内容


在梳理了国内外关于限时促销活动销售预测及限时促销效果影响因素相关的理论和方法的基础上,本文尝试性优化了影响限时促销效果指标体系,并将改进决策树算法探究其中的关联因素。本文主要包括以下五部分内容:


1章:绪论。介绍了本次研究的目的及意义,对国内外限时促销的研究现状进行论述,并提出本次研究的方法和拟采用的技术路线,指出了本文的研究创新点和所做的贡献。


2:相关理论知识及文献综述。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;