電子商務銷售預測理論依據分析

王旖旎

【摘? 要】科學有效地對電子商務進行銷售預測，有助于電子商務企業(yè)合理配置資源和提高管理效率。論文在總結已有銷售預測方法的基礎上，運用灰色系統(tǒng)、灰色神經網絡、狼群算法等理論作為電子商務銷售預測的前提依據，不斷完善銷售預測方法，建立灰色神經網絡新模型，有效提高銷售預測的精準度。

【Abstract】Scientific and effective sales forecasting of e-commerce is helpful for e-commerce enterprises to rationally allocate resources and improve management efficiency. On the basis of summarizing the existing sales forecasting methods， this paper uses the theories of grey system， grey neural network and wolf pack algorithm as the premise basis of e-commerce sales forecasting， constantly improves the sales forecasting methods， and establishes a new grey neural network model to effectively improve the accuracy of sales forecasting.

【關鍵詞】電子商務;銷售預測;理論依據;精度提升

【Keywords】e-commerce; sales forecasting; theoretical basis; improvement of accuracy

【中圖分類號】F724.6;F274? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2021）06-0150-02

1 引言

銷售預測是指在未來的特定時間，依據歷年的銷售狀況，采用常用的預測模型和預測方法估計未來的銷售市場，以提高價值評估、增加銷售量和降低成本為目的，實現生產率、數量金額和服務能力的提升。因此，銷售預測是提升電子商務產業(yè)市場核心競爭力的關鍵環(huán)節(jié)。

2 既有銷售預測方法回顧

電子商務作為全新的經濟模式對中國經濟發(fā)展產生重要影響，當商品同質化現象越來越嚴重時，電子商務市場的競爭更加激烈，為提升電子商務企業(yè)的市場核心競爭力，及時對電子商務銷售進行預測，使之能更快速地適應市場新變化。因此，國內外學者高度關注電子商務銷售預測研究，研究的方法各不相同，主要分為定性和定量2種預測方法。定性預測研究指通過市場調查獲得的各類信息，憑借多年的知識和經驗，主觀能動地估計市場行情的發(fā)展趨勢，主要有綜合意見法、專家會議法、主觀概率法、銷售人員預測法、個人判斷法、德爾菲法、市場研究法、用戶調查法等。商業(yè)化程度加速了電子商務企業(yè)間的競爭，根據當前市場需求和企業(yè)經營實踐，采用部門主管集體討論法、銷售人員意見征集法和德爾菲法等定性預測法進行銷售預測，為企業(yè)的經營提供科學決策（王一紅，2001）。定量預測研究指根據歷年的統(tǒng)計資料和銷售數據，利用各種數學方法建立數學模型對市場行情的發(fā)展趨勢進行定量的計算，獲得精準的預測結果，主要有時間序列分析法、灰色理論系統(tǒng)、機器學習理論、BP神經網絡、回歸分析法、馬爾可夫、遺傳算法、粒子群算法、狼群算法、GM（1，1）預測模型、效用理論預測模型等。某公司未來年度商品銷售總量運用GM（1，1）模型進行預測，使用SPSS軟件對未來年度的商品月銷量進行預測，結合灰色關聯方法計算得出月銷量的預測值，精準的預測結果為公司銷售提供決策參考（李家會，2014）;以灰色系統(tǒng)理論為基礎建立GM（1，1）預測模型，對某公司礦泉水未來年度銷售進行精準預測，得出銷售量在中長期會保持相對穩(wěn)定的速度進行增長，有助于公司的長期規(guī)劃（江玉杰，2015）;基于灰色理論系統(tǒng)中GM（1，1）和GM（1，N）銷售預測方法，得出改進的多維灰色模型IGM（1，N）算法，再將IGM（1，N）算法與神經網絡算法相結合，提出混合智能算法以提高銷售預測精度（劉衛(wèi)校，2016）;通過構建電子商務銷售額預測指標，提出遺傳優(yōu)化改進的灰色神經網絡模型進行銷售額預測實證研究，充分挖掘中國電子商務行業(yè)的深度，為政府和企業(yè)提供可量化和科學有力的決策依據（王德闖，2017）。

3 電子商務銷售需求預測依據分析

電子商務銷售預測受眾多因素的影響，具有隨機性、非線性、離散性、動態(tài)性、不確定性等特點，基于此，有研究者針對不確定的灰色系統(tǒng)提出運用灰色神經網絡對銷售情況進行預測，也有研究者利用遺傳算法、蟻群算法、粒子群算法等較好的全局尋優(yōu)能力，優(yōu)化灰色神經網絡模型，改變權值和閾值的參數，對銷售情況進行更精準的預測，通過查閱大量相關文獻得出，這些模型和算法應用于銷售預測將會有更大的改進空間。為進一步提高電子商務銷售預測的精度，以灰色理論為基礎，提出改進狼群算法優(yōu)化灰色神經網絡建立的新模型，防止網絡陷入局部最優(yōu)，采用這種高效的銷售預測方法為電子商務可持續(xù)發(fā)展提供扎實的理論依據。

3.1 灰色系統(tǒng)理論

1982年，我國鄧聚龍教授最先提出灰色系統(tǒng)理論，該理論很適合小樣本、貧信息、不確定性問題的研究，強調將系統(tǒng)數據無規(guī)律的序列演變?yōu)橛幸?guī)律的序列，提煉和挖掘部分已知有價值的信息，進而推導出部分未知的信息，使系統(tǒng)不斷得到補充和更新。在灰色系統(tǒng)理論的基礎上建立灰色模型（grey model，GM），學習流程如下：

步驟1：設x（0 ）為原始數據序列：

x（0 ）=（xt（0 ）|t=1，2，…，n）=（x1（0 ），x2（0 ），…，xn（0 ））? ? ? （1）

步驟2：對原始數據序列x（0 ）作一次累加，使之得到呈現一定規(guī)律的新數據序列x（1 ），那么新數據序列x（0 ）的第t項等于原始數據序列x（0 ）的前t項相加，公式如下：

步驟3：基于新數據序列x（1 ）建立差分方程如下：

步驟4：求（3）方程的解得到如下結果：

xt* （1 ）=（x1（0 ）-u/a）e-a （t-1）+u+/a? ? ? （4）

步驟5：的預測值通過對作一次累減得到如下結果：

xt* （0 ）=（x1* （1 ）-xt-1* （1 ））? ? t=2，3，…，n? ? ? ? ? ? ? ? ? ? ? ? （5）

3.2 灰色神經網絡理論

灰色神經網絡是一種模擬生物神經網絡信息處理的模型，由大量的神經元構成并行互聯網絡，適合對不確定優(yōu)化問題進行建模，具有很強的非線性擬合尋優(yōu)能力，廣泛應用于人工智能、信號處理、模式識別、輔助決策、自動控制等眾多領域。式（6）為基于灰色神經網絡模型建立的微分方程，式（7）為其對應的時間響應式：

灰色神經網絡模型中有n個參數，微分方程表達式可以寫為：

式中，輸入參數是y1，y2，y3，…，yn，輸出參數是y1，微分方程系數是a，b1，b2，…，bn-1。

式（6）的時間響應式可以寫為：

3.3 狼群算法

狼群算法是一種模擬狼群圍捕獵物過程的智能算法，具有探狼游走、頭狼召喚、猛狼圍攻3種智能行為：探狼游走行為指在當前區(qū)域搜尋最優(yōu)位置;頭狼召喚行為指頭狼召喚的猛狼快速奔向頭狼附近;猛狼圍攻行為指猛狼圍捕附近的獵物。其遵守“勝者為王”的頭狼產生規(guī)則和“強者生存”的狼群更新機制，淘汰生存能力差的狼，使生存能力強的狼覓得足夠的食物，從而維持狼群主體的生存和發(fā)展。

3.4 狼群算法的改進

基于狼群算法原理，通過抓住關鍵點對測試函數和路徑規(guī)劃進行改進，與傳統(tǒng)狼群算法作比較，采用Matlab軟件做仿真實驗以驗證改進狼群算法的正確性和有效性。

3.5 新灰色神經網絡模型構建原理

利用改進的狼群算法優(yōu)化灰色神經網絡，在此基礎上提出一種新穎的灰色神經網絡模型運用于電子商務銷售預測，根據網絡輸出和實際輸出的誤差調整新模型中各個參數的值，構建輸入輸出變量，對網絡進行訓練，使網絡輸出不斷逼近實際輸出，從而對電子商務銷售數據進行更精準的預測。因此，新灰色神經網絡建模流程具有較強的邏輯性和實用性，如圖1所示。

4 結語

電子商務的飛速發(fā)展對國民經濟產生巨大的影響，銷售預測作為電子商務企業(yè)生存和發(fā)展的基礎，在成本核算、利潤估算、資金周轉、營銷策略、人力投入、市場需求等方面扮演著越來越重要的作用。因此，電子商務銷售預測過程中需要灰色系統(tǒng)、灰色神經網絡、狼群算法等理論作為依據，利用改進的狼群算法構建新灰色神經網絡模型，以便更好地解決電子商務企業(yè)銷售預測的難題。

【參考文獻】

【1】江玉杰.GM（1，1）預測模型在產品銷售預測中的運用[J].浙江紡織服裝職業(yè)技術學院學報，2015，14（02）：36-41.

【2】劉衛(wèi)校.基于離散灰色預測模型與人工神經網絡混合智能模型的時尚銷售預測[J].計算機應用，2016，36（12）：3378-3384.

【3】許銘.基于深度學習的銷售數據挖掘與預測模型研究[D].大連：大連理工大學，2019.