基于多品牌產(chǎn)品擴(kuò)散模型的智能手機(jī)銷量仿真預(yù)測(cè)

喬 健 劉夢(mèng)莉 王 攀

(西北工業(yè)大學(xué)管理學(xué)院 陜西 西安 710072)

0 引 言

智能手機(jī)已成為消費(fèi)者不可或缺的耐用消費(fèi)品，其市場(chǎng)巨大、品牌眾多、競(jìng)爭(zhēng)十分激烈。企業(yè)必須具備強(qiáng)大的創(chuàng)新和銷量預(yù)測(cè)能力，才可能長(zhǎng)久立于不敗之地。產(chǎn)品擴(kuò)散模型是用于預(yù)測(cè)產(chǎn)品銷量的理想工具，包括單產(chǎn)品和多產(chǎn)品擴(kuò)散模型兩類，后者又分為多代和多品牌產(chǎn)品擴(kuò)散模型。智能手機(jī)具有多種品牌競(jìng)爭(zhēng)擴(kuò)散的特點(diǎn)，所以非常適合用多品牌產(chǎn)品擴(kuò)散模型進(jìn)行銷量預(yù)測(cè)。

多品牌產(chǎn)品擴(kuò)散模型分為宏觀和微觀模型兩種。學(xué)者們已提出多種宏觀模型，用于分析廣告策略[1-3]、定價(jià)策略[4]、產(chǎn)品替代[2]、重復(fù)購買[5]、入市時(shí)間和市場(chǎng)占有形式[5-6]等因素對(duì)多品牌產(chǎn)品擴(kuò)散過程的影響。宏觀模型一般由一組微分方程構(gòu)成，形式簡(jiǎn)潔且便于理論分析，但也存在一定的局限。首先，模型中變量不易過多，模型結(jié)構(gòu)也不易太復(fù)雜，否則，求解和分析都可能受阻。由于這些原因，現(xiàn)有的宏觀模型大多都是針對(duì)只有兩、三家廠商參與的寡頭壟斷市場(chǎng)上的多品牌產(chǎn)品擴(kuò)散情形。智能手機(jī)市場(chǎng)是一種參與廠商眾多的完全競(jìng)爭(zhēng)市場(chǎng)，因此，難以用宏觀模型描述這種市場(chǎng)上眾多品牌產(chǎn)品的擴(kuò)散問題。其次，最近的研究表明[7]，不同的消費(fèi)者網(wǎng)絡(luò)結(jié)構(gòu)對(duì)擴(kuò)散過程的影響有顯著差異，而宏觀模型無法反映網(wǎng)絡(luò)結(jié)構(gòu)對(duì)擴(kuò)散過程造成的影響。

基于Agent的微觀模型正好彌補(bǔ)了宏觀模型的上述不足[8]，成為近年來多品牌產(chǎn)品擴(kuò)散模型的研究熱點(diǎn)。例如，Schramm等[9]提出基于消費(fèi)者和品牌兩種Agent的模型，消費(fèi)者Agent的品牌選擇決策受其自身屬性、品牌屬性和鄰居行為的影響；Kim等[10]及李英和胡劍[11]在他們的模型中設(shè)計(jì)了基于產(chǎn)品信息、屬性權(quán)重和社會(huì)影響的多屬性模糊評(píng)價(jià)方法，用于分析技術(shù)學(xué)習(xí)率和政府補(bǔ)貼對(duì)傳統(tǒng)和新能源汽車擴(kuò)散過程的影響[11]；Stummer等[12]在所提出的模型中引入了重復(fù)購買機(jī)制；Jiang等[13]在所構(gòu)建的模型中考慮了創(chuàng)新程度、品牌印象、感知效用和電子口碑等因素的影響。經(jīng)仔細(xì)梳理后我們發(fā)現(xiàn)，微觀模型的研究在以下三方面還有待深入：第一，大多數(shù)現(xiàn)有模型僅用于多品牌產(chǎn)品擴(kuò)散問題的理論探討，未見到可準(zhǔn)確預(yù)測(cè)多品牌產(chǎn)品銷量走勢(shì)的模型報(bào)道。第二，購物網(wǎng)站上的線上評(píng)論已成為影響消費(fèi)者購買決策的重要因素，而我們發(fā)現(xiàn)，現(xiàn)有模型還未考慮線上評(píng)論對(duì)多品牌產(chǎn)品競(jìng)爭(zhēng)與擴(kuò)散過程的影響。第三，在產(chǎn)品、消費(fèi)者及其所處社會(huì)環(huán)境三方面，存在眾多影響消費(fèi)者購買決策的重要因素。模糊推理又是一種能集成眾多因素建模行為決策的理想技術(shù)，然而，我們至今尚未見到一例在產(chǎn)品擴(kuò)散模型中應(yīng)用此技術(shù)的有關(guān)報(bào)道。

基于以上分析，本文首先綜合來自產(chǎn)品、消費(fèi)者及其所處社會(huì)環(huán)境中的重要影響因素，提出一種將多Agent理論與模糊推理技術(shù)相結(jié)合的多品牌產(chǎn)品擴(kuò)散模型，然后基于四種品牌智能手機(jī)的真實(shí)銷量數(shù)據(jù)做仿真實(shí)驗(yàn)，檢驗(yàn)該模型的多品牌產(chǎn)品銷量預(yù)測(cè)能力。本文的研究在理論上和方法上均是一種創(chuàng)新。

1 消費(fèi)者Agent模型

本文依據(jù)多Agent理論將每個(gè)消費(fèi)者定義為一個(gè)Agent，每個(gè)Agent擁有若干種屬性、狀態(tài)和行為。

1.1 屬 性

消費(fèi)者Agent共有月收入水平I、產(chǎn)品需求D、質(zhì)量權(quán)重wQ、性能權(quán)重wF和品牌知名度權(quán)重wB等五種屬性。其中，wQ、wF和wB為[0,1]內(nèi)的常數(shù)，并且wQ+wF+wB=1；我們將I定義為：

It+1=(1+k)It

(1)

其中，t表示仿真時(shí)刻，It=0～N(μI,σI)，k為[0,1]內(nèi)的常數(shù)；我們將D定義為：

Dt+1=Dt+1/TUC

(2)

當(dāng)t=0時(shí)，Dt=0為[0,1]內(nèi)的隨機(jī)數(shù)，TUC代表消費(fèi)者Agent的平均產(chǎn)品更新周期。

1.2 狀 態(tài)

對(duì)于每種產(chǎn)品，消費(fèi)者Agent共有潛在購買者和購買者兩種狀態(tài)，即消費(fèi)者Agent沒有購買某產(chǎn)品時(shí)，它關(guān)于該產(chǎn)品的狀態(tài)是潛在購買者，否則，它關(guān)于該產(chǎn)品的狀態(tài)是購買者。某產(chǎn)品的潛在購買者購買該產(chǎn)品后，它關(guān)于該產(chǎn)品的狀態(tài)就轉(zhuǎn)變成了購買者。

1.3 決策行為

消費(fèi)者Agent共有產(chǎn)品購買和評(píng)論發(fā)表兩種決策行為。

(1) 產(chǎn)品購買決策 當(dāng)一個(gè)消費(fèi)者Agent的D達(dá)到事先設(shè)定的閾值DT時(shí)，那些已上市產(chǎn)品列表中該消費(fèi)者Agent沒買過的產(chǎn)品將成為它的候選產(chǎn)品。該消費(fèi)者Agent先通過模糊推理機(jī)計(jì)算對(duì)各候選產(chǎn)品的購買意愿W，再以輪盤賭方式從所有W大于事先設(shè)定的閾值WT的候選產(chǎn)品中選擇并購買一個(gè)產(chǎn)品。如果沒有滿足W>WT的候選產(chǎn)品，則取消本次購買計(jì)劃。消費(fèi)者Agent采用圖1所示的兩級(jí)模糊推理機(jī)計(jì)算對(duì)各候選產(chǎn)品的購買意愿。

圖1 輸入和輸出變量的隸屬函數(shù)

一級(jí)模糊推理機(jī)有兩個(gè)輸入變量：一個(gè)是消費(fèi)者Agent的I和該產(chǎn)品的價(jià)格P的比值R=I/P，用來衡量消費(fèi)者對(duì)產(chǎn)品價(jià)格的接受程度，該值越大表示接受程度越高；另一個(gè)是消費(fèi)者Agent對(duì)該產(chǎn)品價(jià)值的整體評(píng)估：

V=wQQ+wFF+wBB

(3)

式中：Q、F和B分別表示產(chǎn)品的質(zhì)量、性能和品牌知名度，值域均為[0,1]。一級(jí)模糊推理機(jī)的輸出變量是消費(fèi)者Agent對(duì)于該產(chǎn)品的效用估計(jì)U，值域?yàn)閇0,1]。

二級(jí)模糊推理機(jī)共有三個(gè)輸入變量，分別是一級(jí)模糊推理機(jī)的輸出變量U、外界對(duì)消費(fèi)者Agent的影響ICN和消費(fèi)者Agent上一次購買該品牌產(chǎn)品的經(jīng)驗(yàn)E。二級(jí)模糊推理機(jī)的輸出變量是消費(fèi)者Agent的W。ICN由線上口碑(又稱線上評(píng)論)對(duì)消費(fèi)者Agent的影響IC和鄰居中的購買者對(duì)消費(fèi)者Agent的影響IN組成，計(jì)算公式為：

ICN=αIC+(1-α)IN

(4)

式中：α∈[0,1]為常數(shù)，用于調(diào)節(jié)IC和IN在ICN中所占的比重。

消費(fèi)者Agent購買產(chǎn)品后，可能對(duì)所購產(chǎn)品做出好評(píng)、中評(píng)或差評(píng)。我們假設(shè)，好評(píng)和差評(píng)對(duì)其他消費(fèi)者Agent的產(chǎn)品購買決策分別產(chǎn)生正面和負(fù)面影響，中評(píng)不產(chǎn)生影響。據(jù)此，我們?cè)O(shè)計(jì)如下公式計(jì)算線上評(píng)論的影響：

IC=(β/η)(C+-ηC-)/(C++C-)

(5)

式中：C+和C-分別代表好評(píng)和差評(píng)的數(shù)量；η是一個(gè)大于1的常數(shù)因子，表示差評(píng)的影響大于好評(píng)的程度；β是一個(gè)分段函數(shù)，用于描述一種事實(shí)，即在線評(píng)論對(duì)消費(fèi)者Agent的產(chǎn)品購買決策的影響隨著評(píng)論數(shù)量的增加而增加。當(dāng)評(píng)論數(shù)量足夠多時(shí)影響程度的變化可以忽略。據(jù)此，我們定義β如下：

(6)

式中：C0表示中評(píng)的數(shù)量，閾值CT是一個(gè)代表評(píng)論數(shù)量級(jí)的常量。

IN體現(xiàn)從眾行為對(duì)消費(fèi)者Agent的產(chǎn)品購買決策的影響，用下式計(jì)算：

IN=γNA/N

(7)

式中：系數(shù)γ∈[0,1]用于反映消費(fèi)者Agent的從眾程度，該系數(shù)的取值因消費(fèi)者Agent而異；N和NA分別代表消費(fèi)者Agent在社交網(wǎng)絡(luò)中的鄰居總數(shù)和已購買該品牌產(chǎn)品的鄰居數(shù)。

E用來表達(dá)消費(fèi)者Agent對(duì)上一次購買該品牌產(chǎn)品的滿意程度，值域?yàn)閇-1,1]。E越大，表明消費(fèi)者Agent對(duì)上次的購買經(jīng)歷越滿意，越愿意再次購買該品牌的產(chǎn)品。我們認(rèn)為，消費(fèi)者對(duì)所購產(chǎn)品的滿意度主要受他或她對(duì)該產(chǎn)品的效用估計(jì)的影響。效用估計(jì)越高的產(chǎn)品，購買者滿意度高的可能性也越大。據(jù)此，我們分兩步估算E的值：

第一步，依次在[-1,x-]、[x-,0]、[0,x+]和[x+,1]區(qū)間內(nèi)各生成一個(gè)隨機(jī)數(shù)e1、e2、e3和e4，在[0,1]內(nèi)生成兩個(gè)隨機(jī)數(shù)r1和r2。

第二步，按以下規(guī)則給E賦值：當(dāng)r1<1-U時(shí)，若r2<1-U，則E=e1，否則E=e2；當(dāng)r1≥1-U時(shí)，若r2<1-U，則E=e3，否則E=e4。

兩級(jí)模糊推理機(jī)的所有輸入和輸出變量的模糊集及其相應(yīng)的論域見表1。其中，變量E的模糊集中的L、M和H取值的含義依次為差、中、好，其他變量的模糊集中的L、SL、M、SH和H取值的含義依次為低、較低、中、較高、高。

表1 輸入和輸出變量的模糊集、論域及隸屬函數(shù)的橫坐標(biāo)

隸屬函數(shù)的形式如圖2所示，其中，橫坐標(biāo)刻度x1、x2、x3、x4、x5的值見表1。

圖2 輸入和輸出變量的隸屬函數(shù)

一級(jí)模糊推理機(jī)的模糊規(guī)則如表2所示。為節(jié)省篇幅，這里省略了二級(jí)模糊推理機(jī)的模糊規(guī)則。本文采用Mamdini的推理合成方法[14]進(jìn)行模糊推理，采用重心法進(jìn)行解模糊運(yùn)算。

表2 一級(jí)模糊推理機(jī)的模糊規(guī)則

(2) 評(píng)論發(fā)表決策 研究表明，購買者發(fā)表評(píng)論的愿望與滿意度之間呈現(xiàn)一種U型的函數(shù)關(guān)系，即滿意或不滿意的程度越高，發(fā)表評(píng)論的愿望越強(qiáng)烈。已有研究和生活經(jīng)驗(yàn)均表明，使那些最滿意或最不滿意的購買者中，只有部分人愿意發(fā)表評(píng)論。據(jù)此，我們用1、0和-1分別表示好評(píng)、中評(píng)和差評(píng)，并設(shè)計(jì)評(píng)論發(fā)表決策規(guī)則如下：消費(fèi)者Agent購買某產(chǎn)品后，將以概率p=λ|E|發(fā)表評(píng)論，其中λ∈[0,1]為常數(shù)，用于控制購買者中發(fā)表評(píng)論者的比例。根據(jù)對(duì)消費(fèi)者的社會(huì)調(diào)查，我們提出以下規(guī)定，當(dāng)Ex+時(shí)發(fā)表好評(píng)。

2 多品牌產(chǎn)品擴(kuò)散模型

該模型模擬了多品牌產(chǎn)品在消費(fèi)者網(wǎng)絡(luò)中的競(jìng)爭(zhēng)與擴(kuò)散過程。研究表明，由消費(fèi)者構(gòu)成的在線社交網(wǎng)絡(luò)一般都有顯著的無標(biāo)度特性。所以，我們依據(jù)BA模型[15]構(gòu)建消費(fèi)者Agent社交網(wǎng)絡(luò)，并在該網(wǎng)絡(luò)上模擬產(chǎn)品的擴(kuò)散過程。首先設(shè)定BA模型的參數(shù)m0和m的取值，并按照該模型的演化規(guī)則構(gòu)建一個(gè)規(guī)模為S的消費(fèi)者Agent社交網(wǎng)絡(luò)。然后，令仿真時(shí)刻t=0，并開始仿真。每一仿真時(shí)刻完成以下操作：(1) 檢查待入市產(chǎn)品列表，將所有到達(dá)入市時(shí)間的產(chǎn)品移入已入市產(chǎn)品列表。(2) 檢查已入市產(chǎn)品列表，將所有到達(dá)退市時(shí)間的產(chǎn)品從該表刪除。(3) 每個(gè)消費(fèi)者Agent更新其I和D的值，并根據(jù)最新的D進(jìn)行產(chǎn)品購買決策，購買了產(chǎn)品的則更新其狀態(tài)并進(jìn)行評(píng)論發(fā)表決策。(4) 令t=t+1。如果t未達(dá)到仿真終止時(shí)刻T，則按BA模型的演化規(guī)則向消費(fèi)者Agent社交網(wǎng)絡(luò)中增加ΔS個(gè)新消費(fèi)者Agent，否則結(jié)束仿真。

3 模型的實(shí)現(xiàn)與運(yùn)行

在Repast Simphony仿真平臺(tái)上，我們用Java編程實(shí)現(xiàn)了上述多品牌產(chǎn)品擴(kuò)散模型的仿真程序。

在該程序中，我們根據(jù)消費(fèi)者Agent模型定義了一個(gè)消費(fèi)者Agent類，它由若干屬性變量、狀態(tài)變量和決策方法組成。還根據(jù)擴(kuò)散模型定義了一個(gè)由品牌ID、價(jià)格、質(zhì)量、性能、品牌知名度、入市時(shí)間和用戶評(píng)價(jià)等屬性變量組成的產(chǎn)品類，以及List類型的全局變量待入市產(chǎn)品列表BrandList1和已入市產(chǎn)品列表BrandList2。

在程序初始化階段，基于產(chǎn)品類創(chuàng)建全部待模擬的產(chǎn)品對(duì)象，并添加到BrandList1中。選擇Repast Simphony提供的ContextJungNetwork類作為Agent的空間環(huán)境。基于消費(fèi)者Agent類創(chuàng)建S個(gè)消費(fèi)者Agent，再根據(jù)BA模型建立以消費(fèi)者Agent為節(jié)點(diǎn)、以Agent之間的相鄰關(guān)系為邊的消費(fèi)者Agent網(wǎng)絡(luò)。

程序完成初始化后，將仿真步置為0，并開始仿真迭代。每個(gè)仿真步要完成的任務(wù)均放在由Repast Simphony提供的空方法step()中。本文中，這些任務(wù)主要指：更新消費(fèi)者Agent的收入和需求；更新待入市產(chǎn)品列表和已入市產(chǎn)品列表；消費(fèi)者Agent進(jìn)行產(chǎn)品購買決策和評(píng)論發(fā)表決策；輸出各品牌產(chǎn)品當(dāng)前銷量；向網(wǎng)絡(luò)中增加ΔS個(gè)新的消費(fèi)者Agent。

每執(zhí)行完一次step()方法，由Repast Simphony的Schedule調(diào)度機(jī)制負(fù)責(zé)推進(jìn)仿真步。當(dāng)仿真步數(shù)到達(dá)預(yù)設(shè)總步數(shù)時(shí)，仿真迭代將結(jié)束。

Repast Simphony既是一個(gè)編程環(huán)境，又是一個(gè)運(yùn)行環(huán)境。本文所有的仿真實(shí)驗(yàn)都是在該環(huán)境中運(yùn)行我們編寫的多品牌產(chǎn)品擴(kuò)散仿真程序完成的。

4 仿真實(shí)驗(yàn)

本文通過仿真實(shí)驗(yàn)預(yù)測(cè)了1998年-2012年間四種品牌智能手機(jī)的銷量走勢(shì)。

四個(gè)品牌智能手機(jī)的真實(shí)銷量見表3，擴(kuò)散過程大致分三個(gè)階段。1998年-2000年，APPLE手機(jī)還未上市，NOKIA、MOTOROLA和SAMSUNG手機(jī)的價(jià)差并不是很大，但是，NOKIA手機(jī)的質(zhì)量、性能和品牌知名度明顯更高，加之消費(fèi)者收入增長(zhǎng)帶來的市場(chǎng)潛量的增加，使其銷量增速明顯快于MOTOROLA和SAMSUNG手機(jī)。2001年-2006年，APPLE手機(jī)仍然未上市，SAMSUNG手機(jī)的質(zhì)量和性能明顯提高，導(dǎo)致NOKIA手機(jī)的增速明顯放緩。消費(fèi)者收入的不斷增長(zhǎng)和手機(jī)功能的不斷增強(qiáng)促使市場(chǎng)潛量加速擴(kuò)大，從而引起NOKIA、MOTOROLA和SAMSUNG手機(jī)在后期加速增長(zhǎng)。2007年-2012年，APPLE手機(jī)上市并以出色的質(zhì)量和性能開始搶奪高端市場(chǎng)，SAMSUNG手機(jī)繼續(xù)以很高的性價(jià)比與APPLE手機(jī)一道，分別加速占領(lǐng)中低端和高端市場(chǎng)。2008年，運(yùn)行安卓系統(tǒng)的手機(jī)上市。與安卓和IOS相比，塞班系統(tǒng)的性能明顯處于下風(fēng)。上述原因?qū)е翹OKIA手機(jī)的銷量從2009年開始出現(xiàn)下滑，并于2011年被SAMSUNG手機(jī)超越。而MOTOROLA手機(jī)從2007年開始，就因缺乏創(chuàng)新而導(dǎo)致銷量快速下滑。

表3 四種智能手機(jī)銷量的真實(shí)值、預(yù)測(cè)值及其相對(duì)差

續(xù)表3

根據(jù)上述對(duì)四種品牌智能手機(jī)的真實(shí)銷量的分析，我們?cè)O(shè)定模型參數(shù)如下：

由于個(gè)體差異性的原因，消費(fèi)者的wQ、wF、wB、DT、WT和γ，通常都是彼此不同的。

一般而言，產(chǎn)品的質(zhì)量、性能和品牌知名度在消費(fèi)者心目中的重要程度也不同。對(duì)部分消費(fèi)者的調(diào)查表明，大部分被調(diào)查者傾向于認(rèn)為wF>wQ>wB，并且關(guān)于三者占比的觀點(diǎn)也趨同。因此，我們認(rèn)為，假設(shè)wQ～N(0.4,0.04)、wF～N(0.5,0.05)和wB～N(0.1,0.02)較符合實(shí)際。為此，針對(duì)每個(gè)消費(fèi)者Agent，先按上述分布產(chǎn)生3個(gè)隨機(jī)數(shù)分別賦予該Agent的wF、wQ和wB，再進(jìn)行歸一化，使wQ+wF+wB=1。

需求/購買意愿的值域?yàn)閇0,1]，0表示沒有需求/購買意愿，1表示需求/購買意愿的上限，即最大需求/最大購買意愿。我們認(rèn)為，需求/購買意愿超過上限的一半時(shí)，內(nèi)心活動(dòng)轉(zhuǎn)化為實(shí)際行動(dòng)較合理。所以，針對(duì)每個(gè)消費(fèi)者Agent，在[0.5,1]內(nèi)生成2個(gè)隨機(jī)數(shù)，分別賦予該Agent的DT和WT。

調(diào)查表明，消費(fèi)者的從眾程度也有差異，而且沒有規(guī)律。據(jù)此，針對(duì)每個(gè)消費(fèi)者Agent，在[0,1]內(nèi)生成1個(gè)隨機(jī)數(shù)，賦予該Agent的γ。

其余模型參數(shù)的設(shè)置如表4所示。為節(jié)省篇幅，全部產(chǎn)品參數(shù)均在此未列。

表4 30次仿真實(shí)驗(yàn)中部分模型參數(shù)的設(shè)置

可以看到，上述部分模型參數(shù)的初值是隨機(jī)產(chǎn)生的，目的是為了使模型更符合實(shí)際。為消除預(yù)測(cè)結(jié)果的隨機(jī)誤差，我們先進(jìn)行30次仿真實(shí)驗(yàn)，再平均全部實(shí)驗(yàn)結(jié)果得出預(yù)測(cè)值。表4所示為四種品牌智能手機(jī)銷量的真實(shí)值(百萬部)、預(yù)測(cè)值(百萬部)及其相對(duì)差(%)。可以看出，在所有年份里，預(yù)測(cè)值的相對(duì)差均小于10%，說明預(yù)測(cè)效果是令人滿意的。

我們又采用誤差平均絕對(duì)百分比(MAPE)、平均絕對(duì)誤差(MAD)、均方根誤差(RMSE)和R方(R2)等4個(gè)指標(biāo)檢驗(yàn)了預(yù)測(cè)值的精確度，檢驗(yàn)結(jié)果如表5所示。MAPE考慮了絕對(duì)誤差與真實(shí)值的比率，值越小精確度越高；R2的值域?yàn)閇0,1]，越接近1表明預(yù)測(cè)效果越好。該表顯示，所有MAD和RMSE均小于10，所有MAPE均小于0.05，所有R2均大于0.99，可見本文模型的預(yù)測(cè)精度確實(shí)不錯(cuò)。表3和表5的結(jié)果說明，本文建立的多品牌產(chǎn)品擴(kuò)散模型可以較好地預(yù)測(cè)四種品牌智能手機(jī)的銷量走勢(shì)。由于表4中的模型參數(shù)是通過試錯(cuò)法人工設(shè)定的，所以目前的預(yù)測(cè)結(jié)果并非模型所能達(dá)到的最優(yōu)值。如果設(shè)計(jì)優(yōu)化算法自動(dòng)找出模型參數(shù)的最優(yōu)組合，預(yù)計(jì)將進(jìn)一步顯著提高預(yù)測(cè)的準(zhǔn)確性。

表5 預(yù)測(cè)值的精確度

5 結(jié) 語

智能手機(jī)具有多品牌競(jìng)爭(zhēng)擴(kuò)散的特點(diǎn)。而目前，我們尚未見到具備強(qiáng)大銷量預(yù)測(cè)能力的多品牌產(chǎn)品擴(kuò)散模型出現(xiàn)。消費(fèi)者的購買決策受產(chǎn)品、消費(fèi)者及其所處社會(huì)環(huán)境中眾多因素的影響，找到能將這些因素有機(jī)結(jié)合的一套建模理論和方法，以確保所構(gòu)建的模型能準(zhǔn)確刻畫消費(fèi)者的決策邏輯及其對(duì)產(chǎn)品競(jìng)爭(zhēng)與擴(kuò)散過程的影響邏輯，是構(gòu)建具備強(qiáng)大銷量預(yù)測(cè)能力的多品牌產(chǎn)品擴(kuò)散模型的關(guān)鍵。本文運(yùn)用多Agent理論和模糊推理技術(shù)，綜合產(chǎn)品、消費(fèi)者和社會(huì)環(huán)境中的重要因素所構(gòu)建的多品牌產(chǎn)品擴(kuò)散模型，被大量實(shí)驗(yàn)證明能較好地預(yù)測(cè)多品牌智能手機(jī)的銷量走勢(shì)。本文的研究不僅豐富和發(fā)展了創(chuàng)新擴(kuò)散理論，而且還可為相關(guān)企業(yè)的產(chǎn)品營(yíng)銷提供決策參考。