某電子商務企業銷售業績預測

李林香

摘 要：本文取某電商2012年9月13日至2014年2月28日的經營數據，應用滑動平均趨勢外推預測法、隨機時間序列預測等時間序列預測法及馬爾科夫預測法對該企業銷售額進行預測，并與實際值進行比較檢驗，滑動平均趨勢外推預測法相對較為準確。

關鍵詞：時間序列；馬爾科夫鏈；電商；預測

一、引言

科技的飛速發展和個人電腦的普及使得電子商務蓬勃發展，網上C2C交易或網上拍賣這一全新的商業模式逐漸為人們所熟悉，在eBay、易趣、淘寶等網上購物也開始進入人們的生活。以阿里巴巴集團為例，2011年，天貓（ 原“淘寶商城”） 交易額達到了1000億元的規模，聚劃算團購交易額突破100億元，市場份額超過50%，手機淘寶全年交易額超過100億元，支付寶總注冊用戶數超過6.5億，日交易額超過40億[1]。除購物形式外，電子商務與傳統商務的一個顯著區別是電子商務可留下大量的數據供管理者決策。

時間序列預測是在假設事物發展在時間上是漸進的基礎上研究其發展規律的經濟預測方法[2]。馬爾科夫（Markov）預測方法是指利用馬爾科夫鏈來確定狀態的變化趨勢，從而對未來的市場占有率或者利潤變化進行預測的一種方法[3]。兩種方法在預測領域均有廣泛的應用，由于數據限制，傳統的銷售額、利潤等指標的預測多用馬爾科夫預測法，而電子交易可將這些指標細分到日甚至分秒，在如些豐富的樣本量下，時間序列預測是否會表現的更優越？

本文以某電子商務企業為例，對其銷售額以時間序列及馬爾科夫法進行預測，比較幾種預測方法的預測效果。

二、數據來源及處理

本文數據來自淘寶網數據魔方某電商經營業績，該商家2012年9月13日才營業，取其2012年9月13日至2014年2月28日共計534組日交易數據，本文數據、圖形均使用R軟件分析得出。

三、實證分析

該電商自開業日至2013年4月，業務均處在較快的上升階段，日均銷售額從2012年9月的193.50元增至萬元以上，日均成交人數也升至百人以上，老客戶月成交量穩步上升，詳見其日銷售量圖（圖1）：

圖1黑色曲線即為該電商每日銷售額，最突出的一點即雙十一狂歡購物節，其日銷售額達503796元，隨即銷售恢復正常。下面用幾種不同方法對該電商銷售情況進行預測。

1、滑動平均趨勢外推預測法

滑動平均趨勢外推預測法分為加權滑動平均預測法和指數平滑法。

當樣本序列具有非水平趨勢時，可采用基于局部常數均值理論的加權滑動平均法作趨勢外推預測。樣本時間序列在前期有較明顯的上升趨勢，但逐漸趨向于穩定，故選擇30項作為平移項對其進行趨勢外推。圖1紅色曲線系為30項滑動平均預測曲線，外推一期的預測值為27797.53元。

加權滑動平均預測法受限于兩個方面：一是必須有N個歷史數據，二是預測值僅包含了這N個數據的信息，而不能反映更多歷史數據的信息。指數平滑法克服了以上缺限，既能更多反映最新觀察值的信息，又可反映大量的歷史資料信息。指數平滑法中α的確定非常重要，本文采用α優選法即0.618法，外推一期的預測值為24775.07元。

2、隨機時間序列預測

滑動平均趨勢外推預測法適合進行長期預測，由于該電商仍屬擴張期，假定期已穩定可能存在較大誤差，故采用隨機時間序列預測法進一步預測。

首先，對銷售額時間序列進行平穩性檢驗，單位根檢驗表明該時間序列為非平穩序，一階差分后平穩。通過模型的識別、參數估計、模型檢驗，擬合成ARIMA（0，1，2）模型。模型為：。

2014年3月1日的銷售額預測值為24027.00元，則該月總銷售額的預測值為745617.00元，詳見表1。（圖2）為隨機時間序列預測圖，可看出，隨機時間序列預測法對歷史數據的擬合較滑動平均趨勢外推預測法更佳。

表1：2014年3月份的日銷售額預測表

24027

24053

24053

24053 24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

24053

3、馬爾科夫預測法

馬爾科夫預測法是一種常用的市場狀態、利潤等預測方法，由于企業產品的銷售與前一階段的銷售狀態有關，而與早先的狀況如何聯系較小，因此我們可以把這一過程近似地看成一個馬爾科夫過程，運用馬爾科夫法來預測[4]。設暢銷為1，滯銷為2，則從當期到下一期有四種可能的轉移狀態：1至1、1至2、2至1及2至2。

設1至1（連續暢銷）發生的次數為n1，1至2（暢銷轉滯銷）發生的次數為n2，2至1（滯銷轉暢銷）發生的次數為n3，2至2（連續滯銷）發生的次數為n4由此可得各狀態發生的概率，并構造一次轉移概率矩陣，設該矩陣為P，則：

在求得一次轉移矩陣P后，假設P0是初始分布行向量，則第n步的概率為：P（n）=P（0）Pn。同理可利用P2、P3得到P（2）、P（3）等的預測的概率。再按最大概率原則，選擇最大概率者對應的狀態作為預測結果。同理，可根據其銷售額的變化及各狀態的轉移概率可得期望銷售額分布矩陣，詳見[2]。

1、日銷售狀態及銷售額預測

由于春節期間未營業， 至2014年2月6日銷售額才趨向穩定，故取2014年2月6日至2014年2月28日的日成交量及銷售額的數據，定義日成交量大于等于200件為暢銷，小于200件則為滯銷。

經R軟件計算，狀態轉移概率矩陣，期望銷售額分布矩陣，一步期望銷售額向量（38111.91 30698.82）。由于前一期的狀態為2，即滯銷，根據狀態轉移概率矩陣，預測下一期的狀態為暢銷，期望銷售額34533.00 元。

2、月銷售狀態及銷售額預測

考慮到起步階段業務量不穩定，取2013年5月至2014年2月月度數據，計算馬爾科夫狀態轉移矩陣及期望銷售額矩陣，對市場狀態及銷售額進行預測。定義月成交人數大于或等于4000人為暢銷，小于4000人為滯銷。

經R軟件計算，狀態轉移概率矩陣，期望銷售額分布矩陣，一步期望銷售額向量（538641.50 684629.60）。由于前一期的狀態為1，即暢銷，根據狀態轉移概率矩陣，預測下一期的狀態為滯銷，期望銷售額538641.50 元。故馬爾科夫預測法預測3月份為滯銷，期望銷售額538641.50 元。

四、檢驗

本文運用三種不同方法，對某電商經營業績進行預測，滑動平均趨勢外推預測法取30項作為平移項外推一期（即2014年3月1日）的預測值為27797.53元，指數平滑法推一期的預測值為24775.07元；隨機時間序列預測法下一期的預測值為24027.00元，2014年3月的總銷售額為745617.00元；馬爾科夫預測法預測2014年3月1日期望銷售額34533.00 元，2014年3月的期望銷售額538641.50 元。

指數平滑法與隨機時間序列預測法均使用了所有的歷史數據信息，二者結果較為接近，其它預測法都只使用了部分數據，到底哪種預測法能更準確預測該電商的經營情況？

該電商2014年3月1日的27046.73元，與滑動平均趨勢外推預測法預測的27797.53元比較接近，指數平滑法及隨機時間序列預測法低估了銷售額，而馬爾科夫預測法用2014年2月數據進行的日銷售額預測又高估了。

由于2014年3月月度實際數據還未出來，但馬爾科夫法預測2014年3月的期望銷售額538641.50 元，日均銷售額僅為17375.53元，預計存在較大的偏差。

由于電商經營的特殊性，引入新的推廣途徑或成功參加某項促銷活動銷售額可能有數倍之差，以上幾種方法都是在原來銷售額基礎上進行的，并未考慮影響銷售的其它因素，難免有失偏頗。

五、結論

本文用多種方法對某電商2014年3月銷售情況進行預測，并與實際值進行比較檢驗，相對而言，滑動平均趨勢外推預測法較為準確。但由于影響電子商務銷售額的因素眾多、影響機制復雜，可能需要引入影響因素的復雜模型才能提高預測精度。

參考文獻：

[1]鄒雄智；劉錦，中小企業電子商務發展策略[ J]，企業經濟，2012（12）

[2]陳春暉；聶亞菲，經濟預測與決策[M]，北京，2011

[3]陳玉娟；查奇芬，基于馬爾科夫Markor鏈的企業銷售利潤預測與決策[J]，商場現代化，2008（2）

[4]秦立公；韋金榮；劉忠萍，基于馬爾科夫鏈的農產品價格趨勢預測及Matlab實現[J]，安徽農業科學，2013（05）