隨著電子商務(wù)的不斷發(fā)展以及消費(fèi)者需求向個(gè)性化、多元化方向發(fā)展,對(duì)電子商務(wù)平臺(tái)運(yùn)營(yíng)商以及商家來說,提高運(yùn)營(yíng)效率和獲取更高利潤(rùn),需要在提升產(chǎn)品多樣性、服務(wù)能力、降低成本等方面進(jìn)行深入的探討。本文以一個(gè)企業(yè)自營(yíng)型電商平臺(tái)為背景,鑒于該企業(yè)在自營(yíng)平臺(tái)服務(wù)水平有待提高,商品庫(kù)存亟待降低以提升運(yùn)營(yíng)收益等實(shí)際情況,考慮某些商品采購(gòu)周期長(zhǎng)、庫(kù)存占用大等因素,開展基于BAYES-BP預(yù)測(cè)算法的采購(gòu)預(yù)測(cè)和采購(gòu)計(jì)劃制定方面的研究。精準(zhǔn)的采購(gòu)預(yù)測(cè)可以為企業(yè)縮減庫(kù)存規(guī)模、增加企業(yè)的資金流轉(zhuǎn)和減少采購(gòu)的次數(shù),降低庫(kù)存,提升客戶服務(wù)品質(zhì),進(jìn)而可以提高企業(yè)的競(jìng)爭(zhēng)力,具有非常重要的現(xiàn)實(shí)意義。本文在對(duì)國(guó)內(nèi)外相關(guān)研究中所采用的理論與方法進(jìn)行研究的基礎(chǔ)上,首先對(duì)自營(yíng)型電商平臺(tái)中影響銷量的因素進(jìn)行分析,發(fā)現(xiàn)商品收藏?cái)?shù)、商品評(píng)論數(shù)、商品好評(píng)分等自營(yíng)電商平臺(tái)所特有的因素,這些因素對(duì)后期商品銷售和采購(gòu)有重要的影響,根據(jù)Granger因果分析法,對(duì)影響因素進(jìn)行篩選,最后選取包括商品單價(jià)、商品好評(píng)分等級(jí)、商品收藏?cái)?shù)、商品評(píng)論數(shù)、商品庫(kù)存是否充足、商品類型、商品加入購(gòu)物車次數(shù)、是否滿足一周無理由退貨、是否有優(yōu)惠券等9個(gè)影響因素。其次,構(gòu)建... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．?１論文技術(shù)路線??Ｔａｂ．?１．１?Ｔｅｃｈｎｉｃａｌ?ｒｏｕｔｅ?ｏｆ?ｔｈｅ?ｔｈｅｓｉｓ??

們可以得出采購(gòu)量與其存在一定的關(guān)系。根據(jù)影響因素得出需求的預(yù)測(cè)，可以精確的??進(jìn)行采購(gòu)，減少庫(kù)存占用，提高庫(kù)存周轉(zhuǎn)，減少企業(yè)的財(cái)務(wù)費(fèi)用，提高企業(yè)運(yùn)營(yíng)水平，??并建立適合電商平臺(tái)的采購(gòu)計(jì)劃。在制定采購(gòu)計(jì)劃的過程中，將可能遇到的問題，相應(yīng)??的解決方法，以及方法理論作了說明。??（１）提出可能出現(xiàn)的問題：影響因素選娶預(yù)測(cè)精準(zhǔn)度和采購(gòu)計(jì)劃的相關(guān)問題。??（２）提出了相應(yīng)的優(yōu)化方法：進(jìn)行影響因素選擇、提高預(yù)測(cè)準(zhǔn)確性和進(jìn)行安全庫(kù)??存優(yōu)化。??（３）解釋了相關(guān)方法的理論依據(jù)。??總體思路如圖３．１所示。??問題原因?．．．［＞?優(yōu)化方法二理論依據(jù)??Ｖ?／?Ｖ??／?Ｖ???）??／￣￣＼?￣?￣￣Ｎ?＾＾??需求影響因素選?進(jìn)行影響因?ＧＲＡＮＧＥＲ因￣＾??擇不準(zhǔn)確?１素相關(guān)選擇?１果分析??采購(gòu)需求預(yù)測(cè)精準(zhǔn)度差?？??？?jī)?yōu)化算法??采購(gòu)計(jì)劃未實(shí)施?？安全庫(kù)存優(yōu)化???理理論??＾＾?＾）?Ｖ?，??圖３．?１總體思路??Ｆｉｇ．?３．１?Ｇｅｎｅｒａｌ?ｉｄｅａ??－２４?－??

?大連海事大學(xué)碩士學(xué)位論文???１?Ｔｒａｉｎｉｎｇ：?Ｒ＝０．９８６１５?Ｔｅｓｔ：?Ｒ＝０．９５５６７??°?〇?Ｄａｔａ?．?ｇ?〇?Ｄａｔａ?〇?／???ｆ－ｈＴ?．??－１?－０．５?０?０．５?１?－１?－０．５?０?０．５??Ｔａｒｇｅｔ?Ｔａｒｇｅｔ??Ａｌｌ：?Ｒ＝０．９８０７４??｜?１ｊＴＦ＾．?７／＞??ｎｊｒ??Ｂ?－＇Ｗ－?Ｉ??－１?－０．５?０?０．５?１??Ｔａｒｇｅｔ??圖５．?３?ＢＡＹＥＳ－ＢＰ模型擬合效果??Ｆｉｇ．?５．３?ＢＡＹＥＳ－ＢＰ?ｍｏｄｅｌ?ｆｉｔｔｉｎｇ?ｅｆｆｅｃｔ??在預(yù)測(cè)的過程中，對(duì)影響因素使用了因果檢驗(yàn)方法來確定相關(guān)影響因素。圖５．４是??經(jīng)過Ｇｒａｎｇｅｒ因果檢驗(yàn)后的誤差百分比，從圖５．４可以看出三種方法在采購(gòu)需求預(yù)測(cè)的??準(zhǔn)確率，ＢＡＹＥＳ－ＢＰ算法的準(zhǔn)確度最高，誤差百分比低于ＬＭ－ＢＰ算法與指數(shù)平滑預(yù)測(cè)??算法。從表５．３可看出，三神方法的最大誤差百分比為７．７％，?１２．９％，１８％。平均誤差??百分比為４．０％，７．６％，?１１．３％。均方根誤差的值分別為１９５．４，?３４６．５，?４０４．３。??由表５．３可以看到，在使，用Ｇｒａｎｇｅｒ因果分析前，有不相關(guān)影響因素，ＢＡＹＥＳ－ＢＰ??方法與ＬＭ－ＢＰ算法的最大誤差百分比比較大，分別為９．６％，?１４．８％；平均誤差也都比??較大，分別為８．２％，１０．５％；均方根誤差分別為２６０．７，?４２０．５。??在使用Ｇｒａｎｇｅｒ因果分析后，ＢＡＹＥＳ－ＢＰ與ＬＭ－ＢＰ算法的精確度都有提高，然而??ＢＡＹＥＳ－ＢＰ算法的平均誤差與方差仍舊小于ＬＭ－ＢＰ算

【參考文獻(xiàn)】：
期刊論文
[1]電信運(yùn)營(yíng)商采購(gòu)需求預(yù)測(cè)模型及案例研究[J]. 楊天劍,雒晶慧,伍娟.  北京郵電大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(05)
[2]基于網(wǎng)絡(luò)關(guān)注度的大宗商品市場(chǎng)預(yù)測(cè)研究[J]. 王玨,胡藍(lán)藝,齊琛.  系統(tǒng)工程理論與實(shí)踐. 2017(05)
[3]基于剪枝貝葉斯神經(jīng)網(wǎng)絡(luò)的電阻率成像非線性反演（英文）[J]. 江沸菠,戴前偉,董莉.  Applied Geophysics. 2016(02)
[4]基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)服裝銷售預(yù)測(cè)方法[J]. 羅戎蕾,劉紹華,蘇晨.  北京郵電大學(xué)學(xué)報(bào). 2014(04)
[5]基于灰色線性回歸組合模型的超市商品銷售量預(yù)測(cè)[J]. 阿布力孜·布力布力,張新國(guó).  統(tǒng)計(jì)與決策. 2014(07)
[6]C2C中產(chǎn)品瀏覽量和銷量影響因素的對(duì)比研究[J]. 趙占波,孫魯平,蘇萌.  管理科學(xué). 2013(01)
[7]基于組合預(yù)測(cè)的商品銷售量預(yù)測(cè)方法[J]. 李俊,何剛.  統(tǒng)計(jì)與決策. 2012(08)
[8]基于時(shí)間序列馬爾可夫鏈的服裝銷售預(yù)測(cè)[J]. 沈岳.  絲綢. 2009(11)
[9]基于GA-BP貝葉斯算法的可靠性分析近似模型[J]. 任遠(yuǎn),白廣忱.  北京航空航天大學(xué)學(xué)報(bào). 2009(05)
[10]BP神經(jīng)網(wǎng)絡(luò)參數(shù)改進(jìn)方法綜述[J]. 李翱翔,陳健.  電子科技. 2007(02)

碩士論文
[1]A跨國(guó)公司的采購(gòu)策略研究[D]. 任帥.吉林大學(xué) 2019
[2]S跨國(guó)公司采購(gòu)策略優(yōu)化[D]. 周君鵬.蘇州大學(xué) 2017
[3]A公司售后服務(wù)零配件庫(kù)存管理方案探討[D]. 施少磊.上海交通大學(xué) 2009
[4]AD公司采購(gòu)流程再造研究[D]. 黃輝.華南理工大學(xué) 2009
[5]設(shè)備管理系統(tǒng)的研究與開發(fā)[D]. 楊亦.東南大學(xué) 2004



本文編號(hào)：2966683