首页> 中文学位 >基于在线评论的新产品在线销售预测研究
【6h】

基于在线评论的新产品在线销售预测研究

代理获取

目录

声明

摘要

1.绪论

1.1研究背景

1.2研究问题的提出

1.3研究的目的与意义

1.3.1研究目的

1.3.2研究意义

1.4研究方法

1.5技术路线

1.6章节安排

2.相关理论综述

2.1在线评论相关研究

2.1.1在线评论内涵与特征研究

2.1.2在线评论与传统口碑、网络口碑的区别

2.1.3在线评论对消费者购买决策影响

2.2销售预测相关理论综述

2.2.1销售预测理论概述

2.2.2销售预测的一般步骤

2.2.3销售预测数学建模

2.3新产品销售预测相关研究

2.3.1新产品分类

2.3.2新产品面临不确定性

2.3.3基于Bass理论的新产品预测

2.3.4基于传播理论的新产品销售预测

3.1模型概述

3.2模型建立

3.3实证分析

3.4本章小结

4.1数据修正

4.2预测结果分析

4.2.1第一类手机预测结果分析

4.2.2第二类手机预测结果分析

4.2.3第三类手机预测结果分析

4.3相关模型比较分析

4.4本章小结

5.1本研究的结论

5.2本研究的不足

5.3管理启示

参考文献

附录

致谢

展开▼

摘要

新产品销售是企业长期生存的关键之道,然而面对新产品市场需求信息缺失、供应链高度不确定性以及产品生命周期缩短等一系列困难,企业迫切需要一种定量化的新产品销售预测方法解决这些困难。在线销售已经成为了企业一种非常重要的销售方式,已经被越来越多的企业和消费者广泛接受。越来越多企业选择以在线渠道销售新产品,使得互联网销售平台已逐渐占据新产品“首发”销售的主要市场。电子商务的长期发展经验表明,利用消费者的在线评论改进产品或服务是提高企业销售的有利途径。企业在进行新产品推行上市过程中存在多种不确定性,通过对在线销售和在线评论数据进行研究,可以进行及时更新、调节、改进工作,进而通过数据指导企业优化新产品的生产计划、物流体系、营销方式以及公司管理新产品模式,实现新产品储存量及生产成本的合理控制,达到供应链的动态平衡。  本文从新产品的在线评论实际情况出发,将市场中的消费者按状态划分为三种消费者,在评论的作用下三种消费者分别进行转化,同时讨论了新产品销售量与其在线评论(好评和差评)的显著关系,建立了基于在线评论扩散理论的销售预测模型。同时分析了使用不同期数进行预测的情况,对短期预测和较中期预测进行比较分析。通过这些量化模型的建立及比较分析,最终得到了每个新产品的销售量与在线评论之间的量化关系,这不仅为新产品销量的准确预测提供理论方法,同时为商家制定营销策略提供了理论依据,为在线零售交易平台服务和供应商管理的制订提供参考。  首先,主要查阅相关文献,对在线市场环境下在线销售预测的相关研究进行总结。查阅了在线评论的内涵及特征,与传统口碑、网络口碑的区别,以及对消费者购买决策的影响;总结了销售预测的步骤以及新产品销售预测的研究方法,对新产品销售预测相关模型—BASS理论和传播理论进行了仔细研究和综述。  其次,为了更好地理解和准确地估计在线传播过程,在新产品传播模型中整合了某些决定性的特征:(1)潜在市场的动态性(2)口碑作用的阶段性与异质性(正面负面口碑)(3)动态的重复购买率。因此建立的动态模型:从消费者购买过程的一个阶段到下一个阶段,包含新产品进入、动态市场潜力、社会感染及回应,消费者从传播过程的一个状态到下一个状态,包含未意识者、潜在购买者和购买者(包含重复购买者)。在线市场的总消费者量在一定时期内保持稳定,处于尚未接触到新产品状态U的消费者在市场作用下转变为潜在消费者P,市场中的潜在消费者P在评论的作用下决定是否购买。由于传播效应处于当期已购买状态C的消费者增加会提高市场作用,即随着销售规模的增大,转化为潜在消费者的比率随之增加,最终在市场和评论(包含正负评论)共同作用下形成新的销售。本文在在线市场中消费者状态的分类与转化机制下,整合潜在市场的动态性和评论作用的阶段性与异质性(正面负面评论),根据在线市场的特点选用动态的市场作用来影响未接触产品消费者的转化过程,使用评论中的好评和差评数据来刻画对潜在消费者的影响,建立新产品在线销售预测模型。  再次,本研究利用新产品有限的在线评论信息就可以预测新产品在线销售情况。采用理论与模型相结合的方法,通过从电商平台搜集新手机的在线评论信息,辅之以评论数与销售量的对数线性关系,得到了最初的销售量数据。接着在传播模型的基础之上,提出了基于在线评论的新产品销售预测算法和模型。通过建立在线评论与口碑之间的传播效应,将得到的原始在线评论数据转化为了传播效应;然后使用前期销售量对后续销售量进行了拟合与计算,从而确定了新产品未来销售量,同时研究结果显示,新产品好评往往对销售量带来显著正向影响,中评和差评往往带来显著负面影响,并且,新产品短期预测的误差小于预测期数较长的中期预测的误差。  最后,通过修正某一时间段内非正常增加的差评,使得基于本模型的预测算法的误差达到了12%以内,修正后模型达到了一个更高的准确率,同时也优于采用两回归系数的时间序列法和在线评论与销量回归模型。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号