“互聯網+外貿”背景下基于跨境電商大數據的浙江省出口產品銷量預測與庫存優化策略

王雪蓉++萬年紅

通過大數據技術挖掘“互聯網+外貿”環境下浙江省跨境電商產品消費記錄，歸納關鍵因子，設計了產品銷量預測與庫存優化策略、算法和綜合模型。實證研究結果顯示，該模型實現了預測值、期望值、實際值基本走勢同步，預測效果良好，提高了最佳庫存均衡效率，優化升級了浙江省產能，具有一定的應用推廣價值。

互聯網+外貿跨境電商大數據產品銷量預測庫存優化

“互聯網+外貿”的實質是跨境電商，其更進一步促進了跨境電商在線化、數據化。對于“互聯網+外貿”跨境電商未來產品銷量需進行科學預測，并據此優化產品庫存。關于該問題的研究，目前有多種方法可以應用，例如專家定量預測、主觀概率預測、回歸分析預測、定性灰色模型、定性時間序列預測、BP神經網絡、大數據分析以及基于經驗模態分解預測、庫存層次分析法等相關研究方法。其中，大數據分析法是通過消費者在“互聯網+外貿”環境中實施跨境電商活動時留下的產品消費痕跡，實現個性化的產品銷量數據定量定性預測，在網絡數據搜索計算量、可靠性、穩定性、預測誤差、魯棒性等方面相比其他方法更具有良好的銷量預測效率和庫存優化效果。

因此本文綜合運用相關文獻已提出的研究方法，從銷量大數據挖掘方法、銷量預測方法以及基于銷量預測結果的產品庫存優化方法三個角度，設計一個“互聯網+外貿”背景下基于跨境電商大數據的浙江省出口產品銷量預測與庫存優化綜合模型。

1“互聯網+外貿”背景下跨境電商產品銷量大數據挖掘方法

Step1：采用Web頁機器人程序和檢索程序，搜索最大數量的品牌、型號、類別、產品名、價格、性能、副標題、簡單描述、庫存數量、銷量統計、產品參數及詳細參數等關鍵詞屬性記錄的采樣數據。

Step2：直接從原始數據庫中調用搜索結果，采用行為模式識別監控程序和軌跡追蹤控制函數GZK（x）對引起消費者注意、興趣、喚起欲望、留下記憶、實施購買行動的諸如商家廣告詞、精致目錄、商品有關圖片、產品詳細比較說明、效用水平以及趨勢等影響數據進行識別、分析、評價，計算數據擬合度SJND（i），從而得到影響產品銷量的數據庫。

2產品銷量預測與庫存優化策略、方法

2.1銷量預測策略、方法

根據產品銷量大數據挖掘結果，設計“互聯網+外貿”背景下基于跨境電商大數據的產品銷量預測算法。步驟如下：

Step1：通過采用連乘層次分析和支持向量機聚類方法，線上線下劃分“潛在、初始、經常、頻繁、忠誠”五個層次的消費者等級集合XFD，挖掘包括數據序列的趨勢特征、外部環境信息和內部經營信息等數據間的類屬關系LSi，j。通過建立專家評估偏好矩陣計算五個層次消費者的分類置信值FZXi、影響權重ηi及整體滿意度ZMDi，進而計算各影響因素對五個層次客戶的影響效用YXYi。

Step2：采用分布式定量預測策略的輪盤賭選擇法從線上數據庫中抽取產品內容特征NAT、結構特性GAT、拓撲特征TAT、時序特征SAT、用戶回復關系UHR等元信息特征組成集合QYAT={NATi，GATi，TATi，SATi，UHRi}。

Step3：采用集中式定性預測策略的綜合賦權法從QYAT中提取關鍵因子，通過可定制、高擴展性的消費者信息指數XXIi、情緒指數XQIi、信心指數XIIi、工作搜索指數GSIi及零售信息指數LXIi等關鍵詞搜索數據，分析在線搜索數據與產品銷量間的相關演化關系函數WSXL（x）。

根據式（1），平滑調整指數系數或學習累積概率，使函數WSXL（x）疊代運算多次，使相關演化關系調整量達到指定收斂精度。

Step4：采用多元非線性回歸分析法建立條件集屬性TJS、決策集屬性JCS上的適應度SMD和相應隸屬函數LSH（x），建立時間間隔區間上實值預測變量或屬性函數間的依賴關系RR（x，y），產生問題識別、信息搜索、評價選擇、決策購買、購后評價的規則知識集GZS以及結構特性鏈接密度和平均密度及意外規則等，設計如式（2）所示的并行綜合銷量值回歸預測目標函數：

根據式（2），通過歐幾里德范數下的最速下降法，移動平均、分時段地估計消費者可能購買人數，從而根據不同的密度屬性預測未來產品銷量。

2.2基于銷量預測結果的庫存優化策略、方法

產品銷量預測是影響庫存的關鍵因素。

根據銷量預測策略、方法和回歸預測函數，收集浙江省供求信息，假設預測的產品總需求量為GRN，生產制造、銷售成本分別為MP和SP，物流成本為WP，均衡庫存量為JHK，采購單價為PRICE，采購成本固定為COST，倉儲費率為RATE，庫存直接、間接總成本為TOTAL。

首先，使ZXLY（x）為單調函數，在線獲取銷量預測原始數據（訂單數據及其處理成本數據、倉儲中心及供應商地理位置數據、物流配送數據），并采用交叉算子計算時間區間內的所有極大值、極小值點。計算COST及RATE值。

其次，通過德爾菲法反復征集、歸納、修改專家的經驗值，通過n次樣本插值函數對所有極大值點進行插值，通過變異算子求解原始庫存上下兩包網絡線波峰值、均衡值及非線性頻率信號，得到最佳采購訂貨批量成本與年倉儲成本之和，最終計算出比較精準的TOTAL值。

最后，根據“空間聚類”思想，通過過濾函數篩選過濾極大值、極小值兩端點污染數據和誤差，計算庫存安全水平KAL、訂貨提前期內需求變動的標準方差BZFC、訂貨提前期天數N，從而得到如下在線化的庫存效率最優解公式ZYJ：

根據式（3），輸入相關參數值，即可定量定性優化庫存量、庫存成本與平衡采購數，實現浙江省供應商選擇、庫存盤點、資金的充分使用，供應商、制造商和零售商根據預測模型得到預測結果，共同制定庫存計劃，建立基于大數據分析的在線銷售網絡管理系統和在線庫存響應系統，確定庫存優化參數等，將需求量、預測結果在線集成反饋到庫存信息系統管理部門，從而驅動智能、高效的庫存均衡與調撥，提升庫存效率，升級庫存策略和安全水平，消除庫存危機，保障企業經營活動的順利進行。

最后，根據銷量預測及庫存優化策略、方法，構建如圖1所示的浙江省出口產品銷量預測與庫存優化綜合模型。

3應用實證

3.1實證數據分析

本文實證樣本數據主要通過各大網絡搜索引擎，根據浙江省出口產品歷史痕跡挖掘200天之前的引起消費者注意、興趣、喚起欲望、留下記憶、實施購買行動的諸如商家廣告詞、精致目錄、商品有關圖片、產品詳細比較說明、效用水平以及趨勢等影響外貿跨境電商銷售量的關鍵詞搜索指數。通過數理統計處理分析產品內容特征、結構特性、拓撲特征、時序特征、趨勢特征、用戶回復關系等元信息特征以及消費者信息指數、情緒指數、信心指數、工作搜索指數、零售信息指數及庫存優化等關鍵詞搜索數據，劃分消費者等級。

因數據的數量級、殘差和時空范圍不同，因此，需要通過Z-score標準化協方差矩陣對原始數據進行標準化。

3.2實證過程及性能分析

首先，驗證第1章銷量大數據挖掘方法是否充分、科學，是否能得到穩定的關鍵因子數據挖掘結果集。實證步驟如下：

Step1：通過對關鍵詞屬性記錄的采樣數據可靠性分析，將任何一個樣本輸入投影到元信息特征空間中，得到一個降維子空間，獲得一組坐標向量。

Step2：根據向量主成分選擇標準，第一特征值取SJND（i）的最小值，對失效數據的總方差取GZK（x）的最大值，多個指標變量可投影到二維平面。

Step3：負梯度定向迭代，分析期望挖掘結果與實際挖掘結果的變化和偏差。

該實證結果表明：經多次迭代，當失效影響因素數據分布差異較大時，期望挖掘結果與實際挖掘結果有較大偏差；反之，當失效影響因素數據分布差異較小時，產品歷史銷量關鍵詞搜索數據集拒絕接受非影響數據，實際挖掘結果近似服從標準正態分布，其銷量預測適應度限定在93.1%的范圍內，總方差在可允許的10%以內，說明關鍵數據挖掘序列是平穩的，得到的關鍵因子數據挖掘結果集是穩定可靠的。

其次，取標準化后的前150組樣本數據作為訓練數據，剩余205組作為檢驗數據。運用訓練回歸手段，驗證產品銷量預測與庫存優化策略、方法、綜合模型的實用性。步驟如下：

Step1：模擬預測過程中，可用指數平滑手段解決150組樣本數據的噪音，根據式（1）-（3）計算具體的實驗結果，計算可定制、高擴展性的權重系數ηi、相關演化關系WSXL（x），根據最近一期的觀察值、期望值、實際值的特征矩陣值、特征向量及貢獻率，采用綜合賦權法得到預測值。

Step2：將需求量、預測結果在線集成反饋到庫存信息系統管理部門，改善庫存健康度。

實證效果評價指數如下：

適應度（可信區間為[14-18]）、總體方差（可信區間為[0.0-0.12]）、耦合系數（可信區間為[20-26]）、緊致歸屬度（可信區間為[0.88-1.0]、最佳庫存均衡率（可信區間為[0.9-1.0]））。這些指數通過如下均方偏差公式來獲得：

模型綜合效果如表1所示。

從表1來看，模擬預測過程中，剔除了一些極值點污染數據和偏差，模型得到了較為充分的擬合，可定制的耦合系數、適應度、緊致歸屬度、最佳庫存均衡率得到了有效提升，總體方差、誤差得到了有效控制。這說明通過產品內容、結構、拓撲、時序、趨勢、用戶回復關系等元信息特征以及消費者信息、情緒、信心、工作搜索、零售信息指數及庫存優化等關鍵詞搜索特征矩陣值、特征向量及貢獻率得到的最近一期的觀察值、期望值、實際值的基本走勢是同步的，可以據此求得相應的與實際值偏差不大的之后各期的預測值，并篩選過濾極大值、極小值兩端點污染數據和誤差，計算庫存安全水平KAL、訂貨提前期內需求變動的標準方差BZFC、訂貨提前期天數N，具有出最佳庫存均衡效率。

因此，實驗證明了“互聯網+外貿”背景下基于跨境電商大數據的浙江省出口產品銷量預測與庫存優化策略、方法、綜合模型具有一定的實用價值。

4結論

產品銷量預測是影響庫存優化的關鍵因素。通過挖掘、分析產品銷量大數據并預測未來銷量已成為“互聯網+外貿”跨境電商的重要研究領域。本文通過各大網絡搜索引擎，挖掘浙江省消費者購買產品的歷史痕跡關鍵詞搜索指數，劃分消費者等級，構建穩定可靠的關鍵因子數據庫，從而設計了“互聯網+外貿”背景下基于跨境電商大數據的浙江省出口產品銷量預測與庫存優化策略、方法、綜合模型，實驗顯示相關指數均達到了要求。但由于“互聯網+”的完全開放性以及大數據內容包羅萬象，本文將它們應用到跨境電商產品銷量預測與庫存優化的方法和手段實際是抽象、不夠全面的，因此，論文作者今后還需要掌握更全面更具體的研究方法，進一步解決本論文研究的不足。

參考文獻：

[1]王翀.跨境電商是有出有進的“互聯網+外貿”[J].國際貿易問題， 2016，31（1）：65-73.

[2]崔東佳.大數據時代背景下的品牌汽車銷量預測的實證研究[D].河南大學， 2014.5-44.

[3]王碧宏.大數據時代下跨境電商發展的影響因素研究[J].佳木斯職業學院學報， 2014（12）：188-189.

[4]肖俊峰.外貿企業市場銷量影響因素及預測統計分析[J].國際商貿， 2016（2）：217-218.

[5]慕檸嚀.零售進銷存管理優化研究[D].河北工程大學， 2013.5-56.

[6]鮑祥霖.一個新的銷量預測模型[J].系統工程理論方法應用， 2014，9（1）：83-88.

課題資助：浙江省社會科學界聯合會研究課題成果（2017Z03）。