專利名稱：：基于產(chǎn)品固有生命周期特征的銷售預測模型的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種基于產(chǎn)品固有生命周期發(fā)展特征的組合型動態(tài)銷售需求預測模型。
背景技術(shù)：
：預測分析是結(jié)合數(shù)理統(tǒng)計和運籌學的一項交叉學科技術(shù)。該技術(shù)被廣泛應用在自然科學、工程技術(shù)、企業(yè)運營等各個領(lǐng)域。在企業(yè)運營中最常見的應用是對產(chǎn)品銷售需求的預測。隨著市場競爭的日趨激烈，產(chǎn)品需求預測的難度不斷地提高，過去能夠有效預測銷售的傳統(tǒng)數(shù)理模型逐漸無法適應環(huán)境的變化和有限的數(shù)據(jù)。此現(xiàn)象在高新技術(shù)行業(yè)最為顯著，一方面新舊產(chǎn)品的更新?lián)Q代頻繁、生命周期短暫，另一方面品牌和產(chǎn)品的多樣性和流行性導致消費者的購買行為多變。由于依賴歷史數(shù)據(jù)的充足性和規(guī)律性，傳統(tǒng)預測模型的適用性和準確性逐漸降低。在該現(xiàn)象的影響下，對現(xiàn)有預測技術(shù)的改進和創(chuàng)新受到了越來越多的重視。理論界和工業(yè)界均認可并普遍采用的預測數(shù)學模型主要有以下幾種回歸模型、時間序列模型和概率模型?；貧w模型是一種尋求自變量和應變值之間函數(shù)關(guān)系的分析方法，對函數(shù)形態(tài)清晰明顯的數(shù)據(jù)形式較為適用，但在現(xiàn)實應用中，具有如此理想特征的數(shù)據(jù)非常少見，帶有伴隨有噪聲和不規(guī)則性的數(shù)據(jù)難以用具體函數(shù)描述。時間序列需求預測模型是依據(jù)從歷史數(shù)據(jù)組成的時間序列中找出預測對象的發(fā)展變化規(guī)律作為預測依據(jù)，常用時間序列預測模型有指數(shù)平滑法、隨機時間序列模型。指數(shù)平滑法是通過對歷史數(shù)據(jù)賦予隨著時間的遠離逐漸按指數(shù)函數(shù)收斂為零的權(quán)重系數(shù)并進行平滑處理，用以預測未來需求。隨機時間序列模型是以統(tǒng)計學的原理尋找時間序列的變化特征、發(fā)展趨勢與規(guī)律，然后未來需求的序列狀態(tài)做出估計。實踐證明隨機時間序列模型在一定的條件下比指數(shù)平滑模型更為優(yōu)越。然而，它對數(shù)據(jù)本身具備的統(tǒng)計性質(zhì)要求較高，同時建模過程復雜。因此，指數(shù)平滑模型在數(shù)據(jù)質(zhì)量欠佳的情形下仍然是更理想的預測方法。兩種模型皆依賴于充足的數(shù)據(jù)用于對模型參數(shù)的擬合，在缺乏充足數(shù)據(jù)的情況下模型準的確度較低。概率預測模型不同于上述兩類模型的確定性預測，而是以概率分布的形式描述需求作為一個隨機變量發(fā)生的各種可能性及其概率值。這種方法的突出之處在于能夠利用需求的概率分布進行決策和風險分析，最常見的應用范例是報童模型(NewsvendorModel)。由于運用的隨機性的原理，概率預測模型用于預測生命周期短，不確定性強的產(chǎn)品時具有明顯優(yōu)于其它方法的效果。然而在產(chǎn)品需求呈現(xiàn)趨勢性發(fā)展或歷史數(shù)據(jù)不充足等情形下，該模型則難以適用。鑒于預測的復雜性和數(shù)學模型的局限性，目前常見的解決辦法是通過采納各方經(jīng)驗的會議方式達成對需求預測的共識，但因缺乏理論基礎(chǔ)和數(shù)據(jù)分析，其準確度同樣無法達到理想的水平。
發(fā)明內(nèi)容本發(fā)明所要解決的技術(shù)問題是提供一種基于產(chǎn)品固有生命周期特征的銷售預測模型，可用于提高對銷售數(shù)量的預測精確度，克服現(xiàn)有預測模型的不足。根據(jù)發(fā)明人的研究發(fā)現(xiàn)，一種新產(chǎn)品自推出市場到完全退市的過程中，其固有的生命周期特征具有明顯的階段性特征，具體表現(xiàn)為第一，在新產(chǎn)品進入市場階段，因為銷售量具有很大的波動性，且缺乏與此新產(chǎn)品相關(guān)的歷史數(shù)據(jù)，市場對這種新產(chǎn)品的銷售預測的準確度較低；第二，在穩(wěn)定銷售階段，新產(chǎn)品的銷量經(jīng)過一段時間的調(diào)整和震蕩后會呈現(xiàn)明顯的趨勢性仍在上升期的新產(chǎn)品會持續(xù)以逐漸減緩的增率上升直至達到銷量的最大值；銷售的最大值已過的新產(chǎn)品將以類似于原子半衰期的指數(shù)衰減形式逐漸進入生命周期的尾聲，企業(yè)能夠利用數(shù)據(jù)和模型在一定程度上對新產(chǎn)品在未來某一時刻的銷售進行預測；第三，在降價清理階段，市場傾向于采用降價促銷策略在短時間內(nèi)清理剩余庫存，這種降價促銷的策略可能創(chuàng)造新一輪的新增需求，亦可能加快產(chǎn)品的消亡；另一方面，舊一代產(chǎn)品的尾聲往往伴隨的是新一代的產(chǎn)品的啟動，新舊產(chǎn)品交替也會加劇產(chǎn)品銷量的劇烈波動和不穩(wěn)定性。因此，在產(chǎn)品的降價清理階段對產(chǎn)品的銷售預測的準確度會再次降低。綜上所述，在新產(chǎn)品的進入市場階段，產(chǎn)品的銷售需求的波動性很大，由于缺乏足夠的與產(chǎn)品銷售相關(guān)的歷史數(shù)據(jù)，而導致基本的和常用的統(tǒng)計模型和預測方法并不適用。在產(chǎn)品的穩(wěn)定銷售階段，銷量的趨勢性逐漸增強，企業(yè)能夠利用新產(chǎn)品在進入市場階段所收集的新產(chǎn)品銷量相關(guān)的歷史數(shù)據(jù)建立模型，預測新產(chǎn)品在未來時刻的銷量，產(chǎn)品的銷量預測有所增強。在產(chǎn)品的降價清理階段，雖然有該產(chǎn)品銷售相關(guān)的歷史數(shù)據(jù)，但是市場的清倉行為和新舊產(chǎn)品的更替導致產(chǎn)品銷售在這個階段劇烈波動，也使得產(chǎn)品的需求難以通過一般的模型進行準確的預測。因此，我們發(fā)現(xiàn)現(xiàn)存的幾種預測模型方法在具有各自優(yōu)點的同時，也存在著明顯的局限性它們雖然能夠在一定程度上對新產(chǎn)品在穩(wěn)定銷售階段的銷量進行預測，但是預測準確度有限；此外，這些模型在對新產(chǎn)品在進入市場階段和降價清理階段的銷量進行預測時的準確度則明顯下降。本發(fā)明的目的旨在針對產(chǎn)品所固有的生命周期階段的特征，提供一種與之相適應的多種模型結(jié)合的組合型動態(tài)預測方法，提高新產(chǎn)品銷售數(shù)量預測的精確度，克服現(xiàn)有預測模型的不足。本發(fā)明基于產(chǎn)品固有生命周期特征的銷售預測模型包括如下步驟(1)利用聚類分析方法劃分目標產(chǎn)品的生命周期，并加權(quán)計算目標產(chǎn)品在進入市場階段、穩(wěn)定銷售階段和降價清理階段的起始時間及結(jié)束時間；(2)根據(jù)步驟(1)所得的目標產(chǎn)品在進入市場階段的起始時間及結(jié)束時間，將會議共識預測方法與基于預測修正的概率模型相結(jié)合，得到目標產(chǎn)品在進入市場階段的銷售數(shù)量預測數(shù)據(jù)T^arel；(3)根據(jù)步驟(1)所得的目標產(chǎn)品在穩(wěn)定銷售階段的起始時間及結(jié)束時間，利用時間序列模型或回歸模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)Iphas:；(4)根據(jù)步驟(1)所得的目標產(chǎn)品在降價清理階段的起始時間及結(jié)束時間，將會議共識預測方法與基于預測修正的概率模型相結(jié)合，得到目標產(chǎn)品在降價清理階段的銷售數(shù)量預測數(shù)據(jù)^aig3；(5)根據(jù)步驟(2)至步驟(4)所得的各階段的銷售預測數(shù)據(jù)，通過式(1)得到目標產(chǎn)品的全生命周期的銷售數(shù)量預測數(shù)據(jù)IFinal<formula>formulaseeoriginaldocumentpage5</formula>(1)。進一步地，本發(fā)明在步驟(1)中，以如下方式利用聚類分析方法劃分目標產(chǎn)品的生命周期先根據(jù)目標產(chǎn)品的同類產(chǎn)品的歷史銷售數(shù)據(jù)，以所述同類產(chǎn)品的品牌、銷售時間、所述銷售時間中的銷售數(shù)量、所述銷售時間中的銷售價格、生命周期中的任兩種或兩種以上作為因素構(gòu)成所述同類產(chǎn)品的屬性向量X，該屬性向量X如式(2)所示<formula>formulaseeoriginaldocumentpage6</formula>式(2)中，X表示目標產(chǎn)品的同類產(chǎn)品，X1表示該同類產(chǎn)品的品牌，X2表示該同類產(chǎn)品的銷售時間，X3表示該同類產(chǎn)品在所述銷售時間中的銷售數(shù)量，X4表示該同類產(chǎn)品在所述銷售時間中的銷售價格，X5表示該同類產(chǎn)品的生命周期；再利用如式(3)所示的歐式距離公式篩選出目標產(chǎn)品的相似產(chǎn)品，根據(jù)相似產(chǎn)品的生命周期劃分出目標產(chǎn)品的三個生命周期的階段，<formula>formulaseeoriginaldocumentpage6</formula>式⑶中，Xi表示第i個目標產(chǎn)品，Xi1表示第i個目標產(chǎn)品的品牌，Xi2表示第i個目標產(chǎn)品的銷售時間，Xi3表示第i個目標產(chǎn)品在其所述銷售時間中的銷售數(shù)量，Xi4表示第i個目標產(chǎn)品在其所述銷售時間中的銷售價格，Xi5表示第i個目標產(chǎn)品的生命周期；Xj表示第j個同類產(chǎn)品，χ/表示第j個同類產(chǎn)品的品牌，x/表示第j個同類產(chǎn)品的銷售時間，χ/表示第j個同類產(chǎn)品在其所述銷售時間中的銷售數(shù)量，χ/表示第j個同類產(chǎn)品在其所述銷售時間中的銷售價格，Xj5表示第j個同類產(chǎn)品的生命周期；Clij表示第i個目標產(chǎn)品Xi與第j種同類產(chǎn)品Xj之間的歐式距離的大小。進一步地，本發(fā)明在步驟(2)中，以如下方式將會議共識預測結(jié)果與基于預測修正的概率模型相結(jié)合得到目標產(chǎn)品在進入市場階段的銷售數(shù)量預測數(shù)據(jù)收集會議共識預測方法對目標產(chǎn)品進入市場階段需求的預測結(jié)果IPhasel%并利用基于預測修正的概率模型得到修正比例數(shù)值kA進而由式(4)得到目標產(chǎn)品在進入市場階段的銷售數(shù)量預測數(shù)據(jù)^sgl<formula>formulaseeoriginaldocumentpage6</formula>進一步地，本發(fā)明在步驟(3)中，以如下方式利用時間序列模型或回歸模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)IphasJ若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)指數(shù)衰減趨勢，則利用如式(5)所示的指數(shù)函數(shù)的回歸模型預測得到目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)，<formula>formulaseeoriginaldocumentpage6</formula>式(5)中，a、b為指數(shù)函數(shù)的回歸參數(shù)，T表示目標產(chǎn)品開始進入市場階段至進行該預測為止所經(jīng)歷的時間；若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)非指數(shù)形式的趨勢，則利用如式(6)_(9)所示的帶趨勢變化的指數(shù)平滑模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)<formula>formulaseeoriginaldocumentpage7</formula>(6)<formula>formulaseeoriginaldocumentpage7</formula>(7)<formula>formulaseeoriginaldocumentpage7</formula>(8)<formula>formulaseeoriginaldocumentpage7</formula>(9)式(6)_(9)中，^為對t+1時刻對目標產(chǎn)品的銷售數(shù)量的預測值；Smt表示平滑項；Trt表示趨勢項。若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)無規(guī)律狀態(tài)，則利用式(6)以及如式(10)所示的普通指數(shù)平滑模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)IphasJ。<formula>formulaseeoriginaldocumentpage7</formula>(10)式(10)中為對t+l時刻對目標產(chǎn)品V的銷售數(shù)量的預測值；its為t時刻的真實需求值，α為平滑參數(shù)。進一步地，本發(fā)明在步驟(4)中，以如下方式運用基于預測修正的概率模型預測目標產(chǎn)品在降價清理階段的銷售數(shù)量預測數(shù)據(jù)收集會議共識預測方法得到目標產(chǎn)品在降價清理階段的銷售數(shù)量預測初始值Iphas并利用基于預測修正的概率模型得到修正比例數(shù)值k/，進而由式(11)得到目標產(chǎn)品在降價清理階段的銷售數(shù)量預測數(shù)據(jù)<formula>formulaseeoriginaldocumentpage7</formula><formula>formulaseeoriginaldocumentpage7</formula>本發(fā)明與現(xiàn)有技術(shù)相比，具有的有益效果是1)針對產(chǎn)品本身所固有的生命周期特征，運用聚類分析的技術(shù)手段劃分產(chǎn)品在生命周期不同階段，依據(jù)產(chǎn)品發(fā)展的內(nèi)在本質(zhì)設(shè)計了將會議共識預測方法、基于預測修正的概率模型、時間序列模型和回歸模型相組合的組合型動態(tài)預測模型，克服了產(chǎn)品生命周期的內(nèi)在復雜性和單一預測模型的局限性。利用相似產(chǎn)品的特性，運用歐式距離篩選和確定目標產(chǎn)品的相似產(chǎn)品，并進一步將相似產(chǎn)品的歷史紀錄作為建立預測模型的樣本基礎(chǔ)，增強了預測模型的歷史依據(jù)及可靠性。2)在目標產(chǎn)品進入市場階段的銷售數(shù)量的預測方法上，與現(xiàn)有的會議共識預測方法相比，組合型動態(tài)模型方法進一步引入了基于修正的概率模型預測，增強了會議共識法的理論依據(jù)和數(shù)據(jù)支撐，有效地緩解了在這個階段的產(chǎn)品的銷售預測的不準確性問題。3)在目標產(chǎn)品的穩(wěn)定銷售階段的銷售數(shù)量的預測方法上，與現(xiàn)有的統(tǒng)計預測模型相比，本發(fā)明組合動態(tài)模型依據(jù)目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)據(jù)所呈現(xiàn)出的特點，從指數(shù)函數(shù)的回歸模型、帶趨勢變化的指數(shù)平滑模型和時間序列模型中，選擇最優(yōu)的統(tǒng)計預測模型，使得各種不同的方法得到有針對性、最有效的應用，提高了預測的準確度。4)在目標產(chǎn)品的降價清理階段的銷售數(shù)量預測方法上，與傳統(tǒng)的會議共識預測方法相比，本發(fā)明組合型動態(tài)模型進一步引入了基于修正的概率模型預測，增強了會議共識法的理論依據(jù)和數(shù)據(jù)支撐，有效地緩解了在這個階段的產(chǎn)品的銷售預測的不準確性的問題。圖1為產(chǎn)品所固有的全生命周期需求的特征圖。圖2為本發(fā)明組合型動態(tài)預測模型對產(chǎn)品的銷售預測結(jié)果與真實需求的比較圖。圖3為傳統(tǒng)的會議共識模型、統(tǒng)計模型與本發(fā)明組合型動態(tài)預測模型對產(chǎn)品銷售預測的準確性的比較圖。具體實施方式以下結(jié)合圖1至圖3和具體實施例進一步說明本發(fā)明，本發(fā)明的具體步驟如下(1)假定以產(chǎn)品V為待分析的目標產(chǎn)品，建立該產(chǎn)品V所在具體類別的同類產(chǎn)品的完整歷史數(shù)據(jù)庫，相關(guān)歷史數(shù)據(jù)包括品牌、銷售時間、該銷售時間內(nèi)的預測銷售數(shù)量、該銷售時間內(nèi)的實際銷售數(shù)量、該銷售時間內(nèi)的銷售價格和生命周期。在數(shù)據(jù)庫中運用聚類分析方法，由同類產(chǎn)品的品牌、生命周期、該銷售時間內(nèi)的實際銷售數(shù)量和該銷售時間內(nèi)的銷售價格組成屬性向量X，該屬性向量X如式(12)所示X=[χ1，χ2，χ3，χ4](12)式(12)中，X表示產(chǎn)品V的同類產(chǎn)品，X1表示該同類產(chǎn)品的品牌，X2表示該同類產(chǎn)品生命周期，X3表示該同類產(chǎn)品在所述銷售時間內(nèi)的實際銷售數(shù)量，X4表示該同類產(chǎn)品在所述銷售時間中的銷售價格。需要說明的是，在選擇相關(guān)因素構(gòu)造屬性向量X時，需要使用歷史數(shù)據(jù)中的任意兩種或兩種以上因素即可，但是選擇的因素越多，越有利于提高被篩選出來的相似產(chǎn)品與目標產(chǎn)品的相似度，提高預測的準確度。因此，在該具體實施方式中，選擇了同類產(chǎn)品的品牌、生命周期、該銷售時間內(nèi)的實際銷售數(shù)量和該銷售時間內(nèi)的銷售價格這四個因素來構(gòu)造屬性向量X。進一步，利用如式(13)所示的歐式距離公式對產(chǎn)品V的同類產(chǎn)品進行篩選，dtJ二\\x,-XjJ=^{x)-x)f+{x^-x)f+(xf-χ')2+(xf-χ')2(13)式(13)中，Xi表示產(chǎn)品V，Xi1表示產(chǎn)品V的品牌，Xi2表示產(chǎn)品V的生命周期，Xi3表示產(chǎn)品V在其所述銷售時間中的實際銷售數(shù)量，Xi4表示產(chǎn)品V在其所述銷售時間中的銷售價格；Xj表示第j個同類產(chǎn)品，χ/表示第j個同類產(chǎn)品的品牌，x/表示第j個同類產(chǎn)品的生命周期，χ/表示第j個同類產(chǎn)品在其所述銷售時間中的實際銷售數(shù)量，χ/表示第j個同類產(chǎn)品在其所述銷售時間中的銷售價格；Clij表示第i個目標產(chǎn)品Xi與第j種同類產(chǎn)品Xj之間的歐式距離的大小。本發(fā)明模型中，產(chǎn)品V的相似產(chǎn)品的種數(shù)可為任意數(shù)。但為得到更好的預測結(jié)果，本發(fā)明可根據(jù)式(11)中的因素的個數(shù)和值的大小來確定產(chǎn)品V的相似產(chǎn)品，S卩產(chǎn)品V的相似產(chǎn)品的種數(shù)不大于式(11)中的因素的個數(shù)，并且各相似產(chǎn)品所對應的值越小越好。以下以產(chǎn)品N、產(chǎn)品E、產(chǎn)品L和產(chǎn)品M作為產(chǎn)品V的相似產(chǎn)品為例說明本發(fā)明。將產(chǎn)品N、產(chǎn)品E、產(chǎn)品L和產(chǎn)品M的產(chǎn)品生命周期的各個階段的時間長度利用公式(14)進行加權(quán)計算，可以得到如圖2所示的產(chǎn)品V的生命周期的不同階段。<formula>formulaseeoriginaldocumentpage9</formula>式(14)中，TPhaseX°表示產(chǎn)品V的第X個階段的時間長度，TphasJ表示相似產(chǎn)品j第X個階段的時間長度，Bj為加權(quán)平均系數(shù)<formula>formulaseeoriginaldocumentpage9</formula>表示第j種相似產(chǎn)品產(chǎn)品與產(chǎn)品ν的歐式距離。在圖2中，橫坐標表示銷售時間，縱坐標表示銷售額。由圖2可見，本發(fā)明的該實施例中，產(chǎn)品V的生命周期的第一個階段為產(chǎn)品V進入市場階段，其持續(xù)時間約為17周；產(chǎn)品V的生命周期的第二個階段為穩(wěn)定銷售階段，其持續(xù)時間約為22周；產(chǎn)品V的生命周期的第三個階段為降價清理階段，其持續(xù)時間約為17周。(2)根據(jù)步驟(1)所得的目標產(chǎn)品在進入市場階段的起始時間及結(jié)束時間，采用傳統(tǒng)的會議共識預測方法對產(chǎn)品V在進入市場階段的銷售數(shù)量進行預測，記錄為icPhaselHHJ，/(1表示在從產(chǎn)品V進入市場開始后，在、時刻的銷售數(shù)量預測值。利用基于預測修正的概率模型計算修正的比例數(shù)值C在步驟⑴的歷史數(shù)據(jù)庫中，收集得到會議共識預測方法對產(chǎn)品N、產(chǎn)品E、產(chǎn)品L和產(chǎn)品M在進入市場階段時的銷售數(shù)量預測值Iphase/和真實銷售數(shù)量值Pteel，計算二者的比例值k，對得到的所有比例值k進行頻率統(tǒng)計，并計算相應概率值。得到比例值k的概率分布圖以及累積概率分布圖。結(jié)合實際情況，根據(jù)對預測準確度的需要，選擇決策的置信區(qū)間α(α=W，100%])，通常情況下，取α為95%。在累積概率分布圖中得出其所對應的修正比例數(shù)值。<formula>formulaseeoriginaldocumentpage9</formula>進而由式(15)可以得到產(chǎn)品V在進入市場階段的銷售數(shù)量預測數(shù)據(jù)^⑽丨Ipphasel=K^rphasel(15)。在本發(fā)明的該實施例中，以傳統(tǒng)的會議共識預測方法對產(chǎn)品的全生命周期需求預測的結(jié)果Iphas^作為與本發(fā)明組合型動態(tài)模型分析對比的基準。在目標產(chǎn)品V的新產(chǎn)品進入市場階段，基于預測修正的概率模型通過分析四種相似產(chǎn)品的歷史數(shù)據(jù)建立預測值與實際值比值的概率分布函數(shù)，設(shè)置置信區(qū)間為95%，得到相對應的修正比值為<=1.14，修正后的預測結(jié)果=IAArphasel。(3)在產(chǎn)品V的穩(wěn)定銷售階段，本實施例中的產(chǎn)品V的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)無規(guī)律狀態(tài)，因此確定使用如式(16)和式(17)所示的普通型指數(shù)平滑模型，預測結(jié)果記錄為Iphas:<formula>formulaseeoriginaldocumentpage9</formula>式中^為對t+1時刻對目標產(chǎn)品V的銷售數(shù)量的預測值；itS為t時刻的真實需求值，α為平滑參數(shù)。需要說明的是，本發(fā)明是針對目標產(chǎn)品V的相似產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量趨勢的具體特征，選用不同的時間序列模型或回歸模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)Iphas:。但是對于不同的目標產(chǎn)品及其相似產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量趨勢，除了上述普通型指數(shù)平滑模型外，還存在其他兩種適用模型，具體闡述如下若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)指數(shù)衰減趨勢，則利用如式(18)所示的指數(shù)函數(shù)的回歸模型預測得到目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)，rnTSa+bxTlPhasel=^(18)，式(18)中，a、b為指數(shù)函數(shù)的回歸參數(shù)，T表示目標產(chǎn)品開始進入市場階段至進行該預測為止所經(jīng)歷的時間；通過將篩選得到的目標產(chǎn)品的相似產(chǎn)品的歷史銷售數(shù)量帶入公式(18)，計算可以得到回歸參數(shù)a、b的值，將a、b值帶入(18)式，選擇需要預測的時間值T，即可計算得到目標產(chǎn)品的銷售數(shù)量的預測數(shù)據(jù)。若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)非指數(shù)形式的趨勢，則利用式(16)以及如式(19)-(21)所示的帶趨勢變化的指數(shù)平滑模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)Isa=Smt+Trt(19)Smt=Xif+(1-a){Smt_x+Trt_x)(2Q)Trt=β(Smt-Snv1)+(ι-β)Tiv1(21)式(19)-(21)中^為對t+1時刻對目標產(chǎn)品的銷售數(shù)量的預測值，其計算公式由平滑項Smt和趨勢項Trt組成；α、β為回歸系數(shù)，是通過將目標產(chǎn)品的相似產(chǎn)品的實際銷售數(shù)量的數(shù)據(jù)帶入式(20)和(21)以后，回歸計算而得；Smt表示平滑項，通過平滑參數(shù)α對前一時刻的實際銷售數(shù)量its和預測的銷售數(shù)量數(shù)據(jù)進行平滑處理得到；Trt表示趨勢項，通過參數(shù)β平滑參數(shù)對前一時刻的實際銷售數(shù)量的趨勢變化和預測的銷售數(shù)量的數(shù)據(jù)趨勢進行平滑處理得到。如式(19)_(21)所示的帶趨勢變化的指數(shù)平滑模型屬于時間序列模型的一種。當目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)非指數(shù)形式的趨勢時，本發(fā)明也可使用其他時間序列模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)，但以使用如式(19)-(21)所示的帶趨勢變化的指數(shù)平滑模型的效果更佳。(4)在產(chǎn)品V的降價清理階段，以與步驟(2)相同的方法，收集會議共識預測方法得到目標產(chǎn)品在降價清理階段的銷售數(shù)量的預測初始值Iphase^在95%的置信區(qū)間下，對應的修正比值<=1.15，則修正后的預測結(jié)果He3=1.15/^3。(5)將以上步驟(2)至步驟(4)得到的三個階段的銷售數(shù)量預測結(jié)果匯總得到產(chǎn)品V的全生命周期的銷售數(shù)量預測數(shù)據(jù)/Rfl/=[TiLelAase2JlLe3]，如圖2所示。圖2中，橫坐標表示銷售時間，縱坐標表示產(chǎn)品V的銷售額。圖2中示出了本發(fā)明所采用的組合動態(tài)預測模型的銷售數(shù)量的預測數(shù)值和產(chǎn)品V實際的銷售數(shù)量。從圖2可以看到，本發(fā)明所采用的組合動態(tài)預測模型的銷售數(shù)量的預測數(shù)值的變化趨勢符合產(chǎn)品V實際的銷售數(shù)量的變化趨勢。進一步地，由表1可知，本發(fā)明組合型動態(tài)模型預測的準確度綜合值平均達到83%。最后將傳統(tǒng)的會議共識預測方法和統(tǒng)計模型以及本發(fā)明的組合型動態(tài)模型對產(chǎn)品V的銷售數(shù)量的預測數(shù)據(jù)分別與產(chǎn)品V的真實銷售數(shù)量的數(shù)據(jù)進行對比并計算預測準確度，其結(jié)果如圖3和表1所示。準確度的定義為預測的誤差(真實需求偏離預測需求的絕對值)與預測值的比值誤差=I預測值_真實值預測準確度=∣預測值-誤差∣/預測值表1<table>tableseeoriginaldocumentpage11</column></row><table>圖3和表1表明，無論是會議共識預測方法還是統(tǒng)計模型法，單一的預測模型在產(chǎn)品全生命周期的表現(xiàn)都無法保持一致的準確性。主要表現(xiàn)為會議共識預測方法在產(chǎn)品銷售數(shù)量不確性較大的進入市場階段和降價清理階段的預測準確性比較優(yōu)越，而在穩(wěn)定銷售階段的表現(xiàn)則不如統(tǒng)計模型。本發(fā)明的組合型動態(tài)預測模型則充分發(fā)揮了會議共識預測方法和單一的統(tǒng)計模型的優(yōu)勢，使得全生命周期整體的銷售預測準確度達到最優(yōu)。權(quán)利要求一種基于產(chǎn)品固有生命周期特征的銷售預測模型，其特征是包括如下步驟(1)利用聚類分析方法劃分目標產(chǎn)品的生命周期，并加權(quán)計算目標產(chǎn)品在進入市場階段、穩(wěn)定銷售階段和降價清理階段的起始時間及結(jié)束時間；(2)根據(jù)步驟(1)所得的目標產(chǎn)品在進入市場階段的起始時間及結(jié)束時間，將會議共識預測方法與基于預測修正的概率模型相結(jié)合，得到目標產(chǎn)品在進入市場階段的銷售數(shù)量預測數(shù)據(jù)(3)根據(jù)步驟(1)所得的目標產(chǎn)品在穩(wěn)定銷售階段的起始時間及結(jié)束時間，利用時間序列模型或回歸模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)IPhase2s；(4)根據(jù)步驟(1)所得的目標產(chǎn)品在降價清理階段的起始時間及結(jié)束時間，將會議共識預測方法與基于預測修正的概率模型相結(jié)合，得到目標產(chǎn)品在降價清理階段的銷售數(shù)量預測數(shù)據(jù)(5)根據(jù)步驟(2)至步驟(4)所得的各階段的銷售預測數(shù)據(jù)，通過式(1)得到目標產(chǎn)品的全生命周期的銷售數(shù)量預測數(shù)據(jù)IFinal<mrow><msub><mi>I</mi><mi>Final</mi></msub><mo>=</mo><mo>[</mo><msubsup><mover><mi>I</mi><mo>&OverBar;</mo></mover><mrow><mi>Phase</mi><mn>1</mn></mrow><mi>p</mi></msubsup><mo>,</mo><msubsup><mi>I</mi><mrow><mi>Phase</mi><mn>2</mn></mrow><mi>s</mi></msubsup><mo>,</mo><msubsup><mover><mi>I</mi><mo>&OverBar;</mo></mover><mrow><mi>Phase</mi><mn>3</mn></mrow><mi>p</mi></msubsup><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><mo>.</mo></mrow>FSA00000089682400011.tif,FSA00000089682400012.tif2.根據(jù)權(quán)利要求1所述的基于產(chǎn)品固有生命周期特征的銷售預測模型，其特征是在步驟(1)中，以如下方式利用聚類分析方法劃分目標產(chǎn)品的生命周期先根據(jù)目標產(chǎn)品的同類產(chǎn)品的歷史銷售數(shù)據(jù)，以所述同類產(chǎn)品的品牌、銷售時間、所述銷售時間中的銷售數(shù)量、所述銷售時間中的銷售價格、生命周期中的任兩種或兩種以上作為因素構(gòu)成所述同類產(chǎn)品的屬性向量X，該屬性向量X如式(2)所不<formula>formulaseeoriginaldocumentpage2</formula>式(2)中，X表示目標產(chǎn)品的同類產(chǎn)品，χ1表示該同類產(chǎn)品的品牌，χ2表示該同類產(chǎn)品的銷售時間，χ3表示該同類產(chǎn)品在所述銷售時間中的銷售數(shù)量，χ4表示該同類產(chǎn)品在所述銷售時間中的銷售價格，χ5表示該同類產(chǎn)品的生命周期；再利用如式(3)所示的歐式距離公式篩選出目標產(chǎn)品的相似產(chǎn)品，根據(jù)相似產(chǎn)品的生命周期劃分出目標產(chǎn)品的三個生命周期的階段，<formula>formulaseeoriginaldocumentpage2</formula>式⑶中，Xi表示第i個目標產(chǎn)品，Xi1表示第i個目標產(chǎn)品的品牌，Xi2表示第i個目標產(chǎn)品的銷售時間，Xi3表示第i個目標產(chǎn)品在其所述銷售時間中的銷售數(shù)量，Xi4表示第i個目標產(chǎn)品在其所述銷售時間中的銷售價格，Xi5表示第i個目標產(chǎn)品的生命周期；Xj表示第j個同類產(chǎn)品，χ/表示第j個同類產(chǎn)品的品牌，χ/表示第j個同類產(chǎn)品的銷售時間，χ/表示第j個同類產(chǎn)品在其所述銷售時間中的銷售數(shù)量，χ/表示第j個同類產(chǎn)品在其所述銷售時間中的銷售價格，χ/表示第j個同類產(chǎn)品的生命周期；Clij表示第i個目標產(chǎn)品Xi與第j種同類產(chǎn)品Xj之間的歐式距離的大小。3.根據(jù)權(quán)利要求1所述的基于產(chǎn)品固有生命周期特征的銷售預測模型，其特征是在步驟(2)中，以如下方式將會議共識預測結(jié)果與基于預測修正的概率模型相結(jié)合得到目標產(chǎn)品在進入市場階段的銷售數(shù)量預測數(shù)據(jù)T^m收集會議共識預測方法對目標產(chǎn)品進入市場階段需求的預測結(jié)果1—%并利用基于預測修正的概率模型得到修正比例數(shù)值kA進而由式(4)得到目標產(chǎn)品在進入市場階段的銷售數(shù)量預測數(shù)據(jù)I^k21<formula>formulaseeoriginaldocumentpage3</formula>4.根據(jù)權(quán)利要求1所述的基于產(chǎn)品固有生命周期特征的銷售預測模型，其特征是在步驟(3)中，以如下方式利用時間序列模型或回歸模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)IphasJ若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)指數(shù)衰減趨勢，則利用如式(5)所示的指數(shù)函數(shù)的回歸模型預測得到目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)，<formula>formulaseeoriginaldocumentpage3</formula>式(5)中，a、b為指數(shù)函數(shù)的回歸參數(shù)，T表示目標產(chǎn)品開始進入市場階段至進行該預測為止所經(jīng)歷的時間；若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)非指數(shù)形式的趨勢，則利用如式(6)-(9)所示的帶趨勢變化的指數(shù)平滑模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)<formula>formulaseeoriginaldocumentpage3</formula>式(6)-(9)中，^為對t+1時刻對目標產(chǎn)品的銷售數(shù)量的預測值；Smt表示平滑項；Trt表示趨勢項；若目標產(chǎn)品的相似產(chǎn)品在穩(wěn)定銷售階段的歷史銷售數(shù)量呈現(xiàn)無規(guī)律狀態(tài)，則利用式(6)以及如式(10)所示的普通指數(shù)平滑模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)Iphas:<formula>formulaseeoriginaldocumentpage3</formula>式(10)中為對t+i時刻對目標產(chǎn)品ν的銷售數(shù)量的預測值；its為t時刻的真實需求值，α為平滑參數(shù)。5.根據(jù)權(quán)利要求1所述的基于產(chǎn)品固有生命周期特征的銷售預測模型，其特征是在步驟(4)中，以如下方式運用基于預測修正的概率模型預測目標產(chǎn)品在降價清理階段的銷售數(shù)量預測數(shù)據(jù)收集會議共識預測方法得到目標產(chǎn)品在降價清理階段的銷售數(shù)量預測初始值IPhase3%并利用基于預測修正的概率模型得到修正比例數(shù)值k/，進而由式(11)得到目標產(chǎn)品在降價清理階段的銷售數(shù)量預測數(shù)據(jù)^se3<formula>formulaseeoriginaldocumentpage3</formula>全文摘要本發(fā)明公開一種基于產(chǎn)品固有生命周期特征的銷售預測模型，包括如下步驟(1)利用聚類分析方法劃分目標產(chǎn)品的生命周期，加權(quán)計算目標產(chǎn)品在進入市場階段、穩(wěn)定銷售階段和降價清理階段的起始及結(jié)束時間；并據(jù)此進行以下步驟(2)至(4)；其中，(2)將會議共識預測方法與基于預測修正的概率模型相結(jié)合，得目標產(chǎn)品在進入市場階段的銷售數(shù)量預測數(shù)據(jù)；(3)利用時間序列或回歸模型預測目標產(chǎn)品在穩(wěn)定銷售階段的銷售數(shù)量預測數(shù)據(jù)IPhase2s；(4)將會議共識預測方法與基于預測修正的概率模型結(jié)合，得目標產(chǎn)品在降價清理階段的銷售數(shù)量預測數(shù)據(jù)(5)由步驟(2)至(4)所得的各階段銷售預測數(shù)據(jù)，得到目標產(chǎn)品全生命周期的銷售數(shù)量預測數(shù)據(jù)。文檔編號G06Q30/00GK101819668SQ20101015580公開日2010年9月1日申請日期2010年4月27日優(yōu)先權(quán)日2010年4月27日發(fā)明者吳鍇亮,林希,許慶瑞申請人:浙江大學