隨著人們對(duì)生活品質(zhì)的不斷追求和互聯(lián)網(wǎng)+時(shí)代的到來(lái),逐漸涌現(xiàn)出了很多借助O2O商業(yè)模式來(lái)提供生活服務(wù)的公司,如新美大、去哪兒網(wǎng)、58到家、鏈家網(wǎng)等等。這些公司通過(guò)線上線下相結(jié)合的方式,更加便捷地滿足人們?cè)谏钜率匙⌒蟹矫娴男枨�。其中餐飲是O2O領(lǐng)域的一個(gè)重要垂直分類(lèi),團(tuán)購(gòu)與外賣(mài)是其主要的兩個(gè)發(fā)展模式。一方面,該領(lǐng)域市場(chǎng)競(jìng)爭(zhēng)異常激烈,外界環(huán)境變化迅速;另一方面,企業(yè)的訂單量直接影響著企業(yè)的銷(xiāo)售業(yè)績(jī)與所在市場(chǎng)中所占的份額。因此,對(duì)于企業(yè)而言需要不斷提升數(shù)據(jù)化運(yùn)營(yíng)能力,以應(yīng)對(duì)市場(chǎng)變化。如何更快更準(zhǔn)確地預(yù)測(cè)訂單,對(duì)未來(lái)發(fā)展?fàn)顩r進(jìn)行預(yù)判,挖掘潛在市場(chǎng)需求將十分重要。傳統(tǒng)的需求預(yù)測(cè)模型一般為基于時(shí)間序列的算法模型,借助歷史銷(xiāo)量和時(shí)間的關(guān)系進(jìn)行建模預(yù)測(cè),并且一般針對(duì)以銷(xiāo)售實(shí)際商品為載體的制造業(yè)、零售業(yè)居多,對(duì)O2O餐飲企業(yè)的訂單預(yù)測(cè)的研究較少。對(duì)于餐飲O2O的企業(yè)來(lái)說(shuō),其最大的特征是以線上平臺(tái)的方式,與多家線下餐飲企業(yè)進(jìn)行合作,盡可能在線上平臺(tái)入駐多的商家。另一方面在業(yè)務(wù)推廣和營(yíng)銷(xiāo)手段上與傳統(tǒng)線下餐飲公司截然不同,給予用戶設(shè)定營(yíng)銷(xiāo)的策略是餐飲O2O企業(yè)的生存法寶。針對(duì)餐飲O2O企業(yè)的訂單預(yù)測(cè)研究,能夠快速幫助企業(yè)了解未來(lái)訂單走勢(shì),輔助營(yíng)銷(xiāo)策略的制定。本文以我國(guó)某O2O模式下的餐飲企業(yè)為背景,以預(yù)測(cè)企業(yè)訂單為目標(biāo)建立預(yù)測(cè)模型。本文通過(guò)對(duì)餐飲O2O企業(yè)的現(xiàn)有業(yè)務(wù)模式與經(jīng)營(yíng)數(shù)據(jù)的分析,以某O2O餐飲企業(yè)的具體業(yè)務(wù)為背景進(jìn)行訂單預(yù)測(cè)研究。由于O2O商業(yè)模式與傳統(tǒng)企業(yè)差異性較大,其訂單量變化受到的因素也諸多,訂單走勢(shì)波動(dòng)性較大。餐飲O2O企業(yè)訂單數(shù)據(jù)具有一定的趨勢(shì)特征與季節(jié)特征,具有一部分線性特征;此外訂單量的變化還與商家參加的促銷(xiāo)優(yōu)惠活動(dòng)、商家體驗(yàn)等因素有關(guān),也會(huì)受到外在環(huán)境、天氣等異常因素的影響,具有非線性特征。因此,本文選取了較有代表性的ARIMA時(shí)間序列與BP神經(jīng)網(wǎng)絡(luò)算法模型,對(duì)訂單的線性與非線性特征分別進(jìn)行擬合,并建立針對(duì)某餐飲O2O企業(yè)的組合預(yù)測(cè)模型。此外,本文基于整體、商家、城市三種企業(yè)不同的預(yù)測(cè)場(chǎng)景分別進(jìn)行了模型實(shí)現(xiàn)與驗(yàn)證。最后,文章對(duì)模型的預(yù)測(cè)效果進(jìn)行對(duì)比分析,發(fā)現(xiàn)組合預(yù)測(cè)模型取得優(yōu)于兩單一模型的預(yù)測(cè)效果。本文研究?jī)?nèi)容可以幫助餐飲O2O企業(yè)進(jìn)行精細(xì)化運(yùn)營(yíng),提前洞悉不同維度下訂單的未來(lái)走勢(shì),輔助企業(yè)各級(jí)人員進(jìn)行資源分配、業(yè)務(wù)目標(biāo)方面的策略制定。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：F719.3;F724.6
【部分圖文】：

圖１－１論文研究結(jié)構(gòu)逡逑Ｆｉｇｕｒｅ】－】Ｒｅｓｅａｒｃｈ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ｐａｐｅｒ逡逑

值個(gè)數(shù)對(duì)應(yīng)的是輸出層的神經(jīng)元個(gè)數(shù)。隱藏層可以有多層也可以只有一層，每一逡逑層神經(jīng)元的個(gè)數(shù)也可為多個(gè)或一個(gè)。一般ＢＰ神經(jīng)網(wǎng)絡(luò)使用一層隱藏層即可獲得較逡逑好的模型擬合效果。ＢＰyL經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)圖如圖２－２：逡逑輸入層Ｕ）邋隱含層（Ｈ）邋輸出層（０）逡逑＾邐：．．．＾逡逑圖２－２邋ＢＰ神經(jīng)網(wǎng)絡(luò)層級(jí)結(jié)構(gòu)圖逡逑Ｆｉｇｕｒｅ２－２邋ＢＰ邋ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋ邋ｈｉｅｒａｒｃｈｉｃａｌ邋ｓｔｒｕｃｔｕｒｅ邋ｄｉａｇｒａｍ逡逑在三層的ＢＰ神經(jīng)網(wǎng)絡(luò)模型中，需要選擇一個(gè)激勵(lì)函數(shù)用于隱藏層與輸出層神逡逑經(jīng)元之間的計(jì)算，一般使用Ｓｉｇｍｏｉｄ函數(shù)作為激勵(lì)函數(shù)。Ｓｉｇｍｏｉｄ函數(shù)有兩種表現(xiàn)逡逑形式：Ｌｏｇ－Ｓｉｇｍｏｉｄ邋與邋Ｔａｎ－Ｓｉｇｍｏｉｄ。Ｌｏｇ－Ｓｉｇｍｏｉｄ邋函數(shù)表達(dá)式見(jiàn)公式（２－５）：逡逑ｆＷ邋＝邋７－＾７邐（２－５）逡逑ｌ邋＋邋ｅ逡逑式中ｘ表示上層yL經(jīng)元的輸入，此函數(shù)能夠?qū)⑤斎胫涤成涞絽^(qū)間（０，邋１）之間，逡逑其函數(shù)圖象如圖２－３所示：逡逑１６逡逑

用戶獲取信息更加的便捷。從整體來(lái)看，餐飲０２０的商業(yè)模式滿足：用戶通過(guò)線逡逑上應(yīng)用平臺(tái)，找到所需需求之后在線上進(jìn)行消費(fèi)，在線下實(shí)體門(mén)店獲得體驗(yàn)這樣逡逑一個(gè)閉環(huán)流程。對(duì)應(yīng)關(guān)系可以通過(guò)圖３－１表示：逡逑０２０餐飲平臺(tái)逡逑線下交付邐＾逡逑用戶邐．逡逑圖３－１餐飲０２０商業(yè)模型簡(jiǎn)化流程逡逑Ｆｉｇｕｒｅ邋３－１邋Ｓｉｍｐｌｉｆｉｅｄ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｃａｔｅｒｉｎｇ邋０２０邋ｂｕｓｉｎｅｓｓ邋ｍｏｄｅｌ逡逑０２０餐飲企業(yè)的發(fā)展模式是與眾多線下的餐飲門(mén)店進(jìn)行合作，多家線下門(mén)店逡逑通過(guò)平臺(tái)提供餐飲服務(wù)，０２０模式的出現(xiàn)為線下門(mén)店提供一個(gè)引流的入口。０２０逡逑模式中的企業(yè)承載了用戶尋找需求與商家發(fā)布需求的平臺(tái)功能，通過(guò)線上平臺(tái)將逡逑用戶與商家直接的信息進(jìn)行傳遞。用戶通過(guò)在線上平臺(tái)尋求服務(wù)并下單，平臺(tái)將逡逑用戶下單信息同步給商家，之后商家將服務(wù)通過(guò)線下的方式交付用戶。此外，０２０逡逑模型企業(yè)的另一個(gè)重要特征的線上平臺(tái)能夠支持支付功能，即用戶的支付動(dòng)作通逡逑過(guò)該平臺(tái)在線上完成。因此，０２０企業(yè)與商家之間除了具有服務(wù)信息，用戶需求逡逑信息的傳遞之外

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱佳佳;胡登利;呂媛;;ARIMA模型在甲型肝炎時(shí)間分布特征及趨勢(shì)預(yù)測(cè)中的應(yīng)用[J];中西醫(yī)結(jié)合心血管病電子雜志;2018年22期

2 錢(qián)俊;王永波;;幾種統(tǒng)計(jì)軟件建立ARIMA模型的應(yīng)用比較[J];統(tǒng)計(jì)與決策;2018年16期

3 羅佳偉;張強(qiáng);楊書(shū);;基于ARIMA-BPNN的組合模型在重慶市艾滋病發(fā)現(xiàn)人數(shù)預(yù)測(cè)中的應(yīng)用[J];預(yù)防醫(yī)學(xué)情報(bào)雜志;2018年03期

4 邱林;;應(yīng)用ARIMA模型預(yù)測(cè)某三級(jí)甲等醫(yī)院門(mén)診量[J];中國(guó)醫(yī)院統(tǒng)計(jì);2018年01期

5 應(yīng)紹樺;;基于ARIMA的價(jià)格時(shí)間序列分析與預(yù)測(cè)——以滬鋁1803合約為例[J];經(jīng)貿(mào)實(shí)踐;2018年10期

6 周惠;陳曉軍;張楊;李智;;ARIMA模型在肺結(jié)核登記病例數(shù)預(yù)測(cè)中的應(yīng)用[J];江蘇預(yù)防醫(yī)學(xué);2018年03期

7 韓玲;顏隆;王鴻;石翎笙;高治理;賀娟;;ARIMA乘積季節(jié)模型在天津市痢疾發(fā)病預(yù)測(cè)中的應(yīng)用[J];中華中醫(yī)藥雜志;2018年07期

8 程小佩;;基于ARIMA模型貨幣供應(yīng)量變動(dòng)分析[J];合作經(jīng)濟(jì)與科技;2018年14期

9 婁鵬威;吳秀峰;張學(xué)良;徐加波;王凱;;基于ARIMA乘積季節(jié)模型的新疆布魯氏菌病流行趨勢(shì)分析[J];新疆醫(yī)科大學(xué)學(xué)報(bào);2017年01期

10 成云;成孝剛;談苗苗;周凱;李海波;;基于ARIMA和小波神經(jīng)網(wǎng)絡(luò)組合模型的交通流預(yù)測(cè)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2017年01期

相關(guān)會(huì)議論文 前10條

1 何巧娜;胡櫻;張?jiān)鲩L(zhǎng);宇傳華;;湖北省衛(wèi)生總費(fèi)用的ARIMA模型研究[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

2 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2004年

3 王建鋒;高歌;陳立凌;李紅美;張明芝;王艾麗;;ARIMA模型及其在江蘇省衛(wèi)技人員數(shù)預(yù)測(cè)中的應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

4 李君華;王志堅(jiān);張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價(jià)格預(yù)測(cè)[A];中國(guó)棉花學(xué)會(huì)2012年年會(huì)暨第八次代表大會(huì)論文匯編[C];2012年

5 毛錦凰;;ARIMA模型在寧夏財(cái)政預(yù)測(cè)中的應(yīng)用[A];中國(guó)企業(yè)運(yùn)籌學(xué)第十屆學(xué)術(shù)年會(huì)論文集[C];2015年

6 胡威;楊杉;張成;馬國(guó)柱;李夢(mèng)琳;;基于ARIMA流量預(yù)測(cè)模型的粒子群帶寬動(dòng)態(tài)分配算法[A];2017智能電網(wǎng)發(fā)展研討會(huì)論文集[C];2017年

7 李卓;謝沅潮;;中國(guó)國(guó)際貿(mào)易進(jìn)口ARIMA季度模型[A];“決策論壇——管理決策模式應(yīng)用與分析學(xué)術(shù)研討會(huì)”論文集（下）[C];2016年

8 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

9 何榕健;李少霞;龐竣;;基于ARIMA的WCDMA無(wú)線擴(kuò)容預(yù)測(cè)模型[A];2014全國(guó)無(wú)線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集[C];2014年

10 陳盼;陸衛(wèi)群;;ARIMA模型在區(qū)域人口預(yù)測(cè)的應(yīng)用分析[A];“決策論壇——區(qū)域發(fā)展與公共政策研究學(xué)術(shù)研討會(huì)”論文集（下）[C];2016年

相關(guān)重要報(bào)紙文章 前1條

1 ;基于數(shù)量化方法對(duì)未來(lái)經(jīng)濟(jì)增長(zhǎng)趨勢(shì)的預(yù)測(cè)[N];第一財(cái)經(jīng)日?qǐng)?bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 Annie Uwimana;用時(shí)間序列模型預(yù)測(cè)非洲國(guó)內(nèi)生產(chǎn)總值[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

2 劉建華;手足口病發(fā)病趨勢(shì)預(yù)測(cè)及傳播動(dòng)力學(xué)模擬研究[D];華中科技大學(xué);2017年

3 孫曉東;郵輪收益管理：需求預(yù)測(cè)與收益優(yōu)化[D];上海交通大學(xué);2011年

4 付敏英;天津市城鎮(zhèn)化融資決策研究[D];天津大學(xué);2011年

5 張立杰;棉花價(jià)格研究及預(yù)測(cè)[D];天津大學(xué);2012年

6 姜向榮;短時(shí)間序列預(yù)測(cè)建模及應(yīng)用研究[D];北京郵電大學(xué);2009年

7 向昌盛;基于支持向量機(jī)的時(shí)間序列組合預(yù)測(cè)模型[D];湖南農(nóng)業(yè)大學(xué);2011年

8 汪瓊;我國(guó)轎車(chē)企業(yè)新車(chē)面市時(shí)間與先行者優(yōu)勢(shì)相關(guān)研究[D];華中科技大學(xué);2010年

9 胡建峰;橘小實(shí)蠅監(jiān)測(cè)、生物防治及蛋白鉺劑應(yīng)用機(jī)理[D];福建農(nóng)林大學(xué);2012年

10 李曉林;突發(fā)事件對(duì)金融市場(chǎng)的影響研究[D];電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李澤;新疆地區(qū)丙型肝炎發(fā)病數(shù)預(yù)測(cè)模型的研究[D];新疆醫(yī)科大學(xué);2018年

2 劉陽(yáng);基于ARIMA模型的周期性時(shí)間序列變化點(diǎn)檢測(cè)算法研究[D];山東大學(xué);2018年

3 柴龍凱;基于數(shù)據(jù)（序列模式）挖掘的醫(yī)院物資使用量預(yù)測(cè)模型研究[D];青島科技大學(xué);2018年

4 王燕;2004-2016年遼寧省甲肝發(fā)病規(guī)律及預(yù)測(cè)模型研究[D];沈陽(yáng)醫(yī)學(xué)院;2018年

5 范瑾;山西省流行性感冒的流行特征及基于小波-ARIMA模型的預(yù)測(cè)效果研究[D];山西醫(yī)科大學(xué);2018年

6 李達(dá);基于時(shí)間序列分析方法的油田產(chǎn)量預(yù)測(cè)與應(yīng)用[D];蘭州理工大學(xué);2018年

7 劉鈺;基于VMD-ARIMA-HGWO-SVR組合模型的港口集裝箱吞吐量預(yù)測(cè)[D];蘭州大學(xué);2018年

8 程俊;基于ARIMA-LSTM混合模型的機(jī)械傳動(dòng)件制造企業(yè)銷(xiāo)售預(yù)測(cè)方法研究與應(yīng)用[D];電子科技大學(xué);2018年

9 李超楠;幾種山東省GDP的預(yù)測(cè)方法及其比較[D];山東大學(xué);2018年

10 施佳;基于ARIMA-BP組合模型的某餐飲O2O企業(yè)訂單預(yù)測(cè)研究[D];北京交通大學(xué);2018年

本文編號(hào)：2809682