[發明專利]一種移動終端產品實時銷量預測方法

在審

• 申請號: 201611222987.7
• 申請日: 2016-12-27
• 公開（公告）號: CN106779859A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 饒翔
• 申請（專利權）人: 南京安訊科技有限責任公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京挺立專利事務所(普通合伙)11265
• 代理人: 倪鉅芳

技術領域

本發明涉及信息技術領域，尤其涉及一種移動終端產品實時銷量預測方法。

背景技術

人類信息技術的快速發展，人與人之間的信息交流越來越簡便，這離不開各種移動終端產品的發展及應用，移動終端在國民中的普及率越來越高，隨著大數據時代的到來，如果能在商務領域上運用數據挖掘技術，對某種特定型號的移動終端在未來一定時間內的銷量以天為單位作出準確預測，就可以幫助生產廠家更好地把握該型號移動終端的市場走勢，有助于進行相應的合理規劃與精準營銷，將對終端產品的生產、物流、倉儲提供巨大的幫助，大大提高生產和銷售企業的效率。

現有傳統的終端銷量預測方法通常分為兩種：一種是由專家系統結合自身從業經驗，對銷量進行定性預測；另一種是收集以天為單位的歷史銷量數據，利用回歸分析或時序分析，對未來每天的終端銷量進行預測，但是上述方法預測的結果不僅準確度低、缺乏動態響應且缺乏實時性；而且忽略了用戶群對終端需求程度的變化因素，因為其也會在未來影響終端的銷量；再者，只關注某一種特定品牌和型號終端的歷史數據，缺少對同一品牌其它型號終端歷史數據的參考和利用。

發明內容

本發明目的是為了克服現有技術的不足而提供一種以多維大數據為基礎、可實時預測、可自修正、準確度高的移動終端產品實時銷量預測方法。

為達到上述目的，本發明采用了如下技術方案。

一種移動終端產品實時銷量預測方法，包括如下步驟：

步驟一：收集目標型號移動終端和對比型號移動終端的歷史銷量數據，以及用戶訪問搜索引擎和電子商務網站的歷史記錄數據；

步驟二：利用步驟一中收集到的歷史數據，分別采用線性回歸法、自回歸積分滑動平均法和對比預測法的三種方式建立目標型號移動終端的銷量預測模型；

步驟三：結合步驟二中不同預測模型，給各個預測模型分別賦予一個權重值，然后進行加權求和計算，得出該移動終端產品銷量的初步預測結果；

步驟四：利用用戶每日在電子商務網站上搜索目標型號移動終端的次數數據和用戶每日在搜索引擎上搜索目標型號移動終端的頻率數據，預估目標型號移動終端在未來的熱度變化趨勢，對步驟三中得到的初步預測結果進行修正，得到修正后的最終結果。

所述步驟一中收集的數據包括以下：

（1）從數據庫中獲取過去M天內目標型號移動終端的累計銷量，得到以天為單位，截至當天為止目標型號移動終端的累計銷量。

（2）對于目標型號的移動終端，尋找一種品牌相同、發售日比當前時間早一至兩年的移動終端型號，從數據庫中獲取該型號移動終端發售后N天里每天的累計銷量，其中數值N遠大于數值M，用于進行對比。

（3）從網絡搜索日志中整理過去M天內，互聯網用戶在一些熱門電子商務網站上搜索目標型號移動終端的次數。

（4）從網絡搜索日志中整理過去M天內，互聯網用戶在熱門搜索引擎上搜索目標型號移動終端的次數占全部搜索次數的比例。

所述步驟二中的預測模型，具體包括：

假設在已知目標型號移動終端過去M天的累計銷量的前提下，目標是預測未來X天中每天的累計銷量。包括以下三種：

模型一：利用過去M天內目標型號移動終端的累計銷量，用基于最小二乘法的線性回歸方法進行分析，對歷史數據進行擬合，得到一條形式為Si = a*Di+b的直線，用來表示每天的累計銷量和天數的聯系。

模型二：利用過去M天內目標型號移動終端的累計銷量，用自回歸積分滑動平均模型（即ARIMA模型）進行時序分析，通過觀察歷史數據在不同階數差分下的自相關圖和偏相關圖，確定ARIMA模型的參數，得到歷史數據的擬合曲線，然后就可以進一步得到未來X天內對應的銷量預測。

模型三：利用對比型號移動終端發售后N天里每天的累計銷量，獲得對目標型號移動終端的銷量估計。

所述步驟四中的修正，具體包括：

（1）用自回歸積分滑動平均模型，即ARIMA模型，對用戶每日在電子商務網站上搜索目標型號移動終端的次數數據<D1, T1>, <D2, T2>, <D3, T3>……<DM, TM>進行時序分析，預測未來X天內用戶在電子商務網站上搜索該終端的次數TM+1, TM+2, TM+3……TM+X。