本文選題：銷量預(yù)測(cè)　切入點(diǎn)：能源零售行業(yè)　出處：《山東大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：能源行業(yè)的銷量預(yù)測(cè)能夠?yàn)槠髽I(yè)內(nèi)部的高效管理提供依據(jù),幫助企業(yè)宏觀調(diào)控來(lái)提高經(jīng)濟(jì)效益。現(xiàn)有方法大多基于歷史銷售數(shù)據(jù)進(jìn)行時(shí)間序列分析,或是采用回歸、神經(jīng)網(wǎng)絡(luò)等方法提取環(huán)境因素等外部數(shù)據(jù)進(jìn)行預(yù)測(cè)。然而,銷量受宏觀經(jīng)濟(jì)因素、周期性因素、周邊環(huán)境因素等多因素綜合影響,直接體現(xiàn)在客戶的細(xì)粒度消費(fèi)行為上,現(xiàn)有工作在銷量預(yù)測(cè)方面缺少對(duì)客戶行為的深入分析,因此需要挖掘與銷量相關(guān)的影響因素并量化為可解釋的預(yù)測(cè)指標(biāo)。本文引入細(xì)粒度的客戶消費(fèi)行為作為重要的分析依據(jù),從客戶行為上理解各影響因素對(duì)銷量的影響,提出了基于客戶行為分析的銷量預(yù)測(cè)框架。通過(guò)聚合碎片化的客戶行為數(shù)據(jù),分析了代表性群體客戶的購(gòu)買行為與零售銷量之間的內(nèi)在關(guān)聯(lián)性,既考慮了個(gè)體間消費(fèi)習(xí)慣的差異性,又歸納出群體客戶的行為模式一致性,同時(shí)為管理人員提供了可解釋的依據(jù)。根據(jù)不同類型客戶群體的數(shù)量分布規(guī)律,對(duì)群體客戶行為進(jìn)行預(yù)測(cè),并進(jìn)一步作為客戶行為特征進(jìn)行銷量預(yù)測(cè)。針對(duì)能源零售管理模式,設(shè)計(jì)了三種零售銷量預(yù)測(cè)目標(biāo):單站短期預(yù)測(cè)、單站長(zhǎng)期預(yù)測(cè)與多站聯(lián)合預(yù)測(cè)�；阡N量的時(shí)間序列得到周期性特征,基于客戶消費(fèi)行為進(jìn)行分析得到客戶行為特征。單站預(yù)測(cè)使用單站相關(guān)特征,多站聯(lián)合預(yù)測(cè)基于站間相關(guān)性篩選得到其他站與單站相關(guān)的特征,對(duì)單站預(yù)測(cè)特征集合進(jìn)行擴(kuò)展,實(shí)現(xiàn)聯(lián)合預(yù)測(cè),并采用包裹式特征篩選和預(yù)測(cè)模型進(jìn)行銷量預(yù)測(cè)。選用兩個(gè)真實(shí)的油品交易數(shù)據(jù)集,從兩個(gè)方面對(duì)預(yù)測(cè)方法進(jìn)行驗(yàn)證,一方面對(duì)比了融入不同形式的客戶行為特征對(duì)預(yù)測(cè)準(zhǔn)確度的影響,另一方面對(duì)比了使用不同預(yù)測(cè)模型對(duì)預(yù)測(cè)準(zhǔn)確度的影響,并評(píng)估預(yù)測(cè)模型的適用性。實(shí)驗(yàn)結(jié)果表明本文工作的有效性,基于客戶行為的銷量預(yù)測(cè)能夠得到更好的預(yù)測(cè)結(jié)果。
[Abstract]:The prediction of sales volume in the energy industry can provide the basis for efficient management within the enterprise and help the enterprise to improve its economic benefits through macro-control. Most of the existing methods are based on historical sales data for time series analysis or regression. Neural networks and other methods extract external data such as environmental factors for prediction. However, sales volume is affected by macroeconomic factors, periodicity factors, peripheral environmental factors and other factors, which are directly reflected in the consumer's fine-grained consumption behavior. The existing work lacks in-depth analysis of customer behavior in sales forecasting, so it is necessary to mine the influencing factors related to sales volume and quantify them into interpretable predictors. In this paper, fine-grained customer consumption behavior is introduced as an important basis for analysis. In order to understand the influence of various factors on sales volume from customer behavior perspective, a sales forecasting framework based on customer behavior analysis is proposed. This paper analyzes the intrinsic relationship between the purchasing behavior of representative group customers and the retail sales volume, considers the differences of consumption habits among individuals, and concludes the consistency of behavior patterns of group customers. According to the quantity distribution law of different types of customer groups, the behavior of group customers is predicted, and the sales volume is predicted as the characteristics of customer behavior. Three kinds of retail sales forecasting objectives are designed: single station short term prediction, single station long term prediction and multi station combined forecasting. Based on the time series of sales volume, the periodic characteristics are obtained. Based on the analysis of consumer behavior, the characteristics of customer behavior are obtained. Single station prediction uses single station correlation feature, multi-station joint prediction based on inter-station correlation screening to obtain other stations and single-station correlation features, the single station prediction feature set is extended. The joint prediction is realized, and the package feature selection and forecasting model are used to predict the sales volume. Two real oil transaction data sets are used to verify the forecasting method from two aspects. On the one hand, it compares the influence of different forms of customer behavior characteristics on prediction accuracy, on the other hand, it compares the influence of different forecasting models on prediction accuracy. The experimental results show that the proposed method is effective, and the sales forecast based on customer behavior can get better prediction results.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 曲昭偉;鄭巖;呂廷杰;;基于聚類實(shí)現(xiàn)客戶行為分析[J];東北師大學(xué)報(bào)(自然科學(xué)版);2006年02期

2 馬寶龍;王高;李金林;李純青;;關(guān)系營(yíng)銷范式下營(yíng)銷努力對(duì)客戶行為的影響研究[J];南開管理評(píng)論;2009年03期

3 林海;;影響曼谷AIS公司基于客戶行為的CRM效能的幾個(gè)因子(英文)[J];商品與質(zhì)量;2012年S7期

相關(guān)會(huì)議論文 前1條

1 楊春暉;周國(guó)華;;面對(duì)寡頭壟斷供應(yīng)商的客戶行為忠誠(chéng)內(nèi)在機(jī)理分析[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)論文摘要集[C];2011年

相關(guān)重要報(bào)紙文章 前5條

1 記者 葛昊祖　通訊員 譚春花;甘肅移動(dòng)創(chuàng)建10086精準(zhǔn)服務(wù)體系[N];人民郵電;2010年

2 劉政光邋蔡健 李世麟;反洗錢監(jiān)測(cè)應(yīng)用客戶行為模式技術(shù)[N];金融時(shí)報(bào);2008年

3 北京商報(bào)記者 宋婭;人多了錢少了 余額寶涼了[N];北京商報(bào);2014年

4 ;價(jià)值鏈解體下的戰(zhàn)略重整[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2006年

5 本報(bào)記者 李國(guó)政;話費(fèi)欺詐：中國(guó)電信業(yè)亟待破解的難題[N];中國(guó)工商報(bào);2002年

相關(guān)碩士學(xué)位論文 前10條

1 毛俊;考慮客戶行為的4PL路徑優(yōu)化[D];東北大學(xué);2013年

2 吳翔宇;數(shù)據(jù)挖掘在電商客戶行為忠誠(chéng)度預(yù)測(cè)研究中的應(yīng)用[D];蘭州財(cái)經(jīng)大學(xué);2016年

3 游小林;基于客戶行為的能源零售銷量預(yù)測(cè)[D];山東大學(xué);2017年

4 全昌文;基于數(shù)據(jù)挖掘的電信企業(yè)客戶行為分析研究[D];電子科技大學(xué);2005年

5 戴科星;客戶行為變化中關(guān)聯(lián)規(guī)則挖掘的研究與應(yīng)用[D];浙江工業(yè)大學(xué);2007年

6 褚杰;基于時(shí)序關(guān)聯(lián)規(guī)則挖掘的客戶行為實(shí)時(shí)預(yù)測(cè)技術(shù)[D];哈爾濱工業(yè)大學(xué);2008年

7 呂書玉;基于客戶行為分析的汽車售后備件損耗關(guān)聯(lián)研究[D];武漢理工大學(xué);2012年

8 季霈易;基于模糊聚類的快速消費(fèi)品客戶行為研究[D];復(fù)旦大學(xué);2012年

9 黃聰;基于客戶行為分析與企業(yè)銷售預(yù)測(cè)的客戶管理決策模型與算法研究[D];上海交通大學(xué);2010年

10 趙鳳艷;電信企業(yè)客戶行為分析系統(tǒng)的研究與實(shí)施[D];北京郵電大學(xué);2010年

，

本文編號(hào)：1607268