论文部分内容阅读
近年来,我国在以在线交易为主要形式的电子商务领域获得了突飞猛进的发展。随着阿里集团、京东商城等公司对基础平台建设的日臻完善,我国电子商务领域的发展已经跨过了平台建设时期,正式进入了中小型电商企业依靠平台力量开展竞争,开拓具有自身特色竞争力的快速发展的阶段。中小型电商企业通过推出个性化的产品和服务,能够更加满足人们日益增长的线上交易需求,实现了电商市场的细分和服务优化。但是,中小型电商企业由于技术和资源的限制,对自身所获取的大量交易数据资源没有引起足够的重视。一方面,因为需要依托公共平台实现在线交易业务,使得对营销推广具有核心意义的用户数据被管控在平台级电商手中;另一方面,由于对自身销售数据缺乏适用的分析方法与技术工具,通过分析挖掘自身数据模式从而实现个性化服务的探索与开拓不够,从而无法在激烈的竞争中保持优势,不断增加对潜在客户的吸引力。中小型电商企业一般具有服务区域性和产品专门化的特点,因此,在产品营销和服务定制中必须充分关注地域特征的差异,从而根据不同的地域特点制订相适应的销售预测和服务推荐。本文研究基于江苏省连云港市天马网络发展有限公司的真实销售数据,通过对影响企业销售和服务的内外部因素进行分析,从而构建符合地域特征的电商销售预测及推荐模型,辅助企业进行管理及运营。本文主要研究工作包括如下内容:(1)基于电商企业自身特点,通过对电商销售数据的清洗、属性选择和聚类分析,发现其中蕴含的具有季节性和经济发展水平等地域特征的商品共性分类,从而发现影响线上销售量的重要外部因素及其相关性程度,为实现面向地域的销售预测和服务推荐提供可靠的依据。(2)在对影响电商销售的地域特征信息筛选的基础上,采用时间序列分析方法建立基于地域特征信息和历史销售数据的销量预测模型,提出了一种基于隐马尔科夫模型的预测方法,该方法能够有效改善简单的基于以往销售数据的预测结果,实验验证了本文方法的有效性。(3)基于上述提取的商品共性规则和地域共性规则等,建立基于遗传算法的面向地域的商品推荐模型,并对模型的泛化能力及规则限制能力做出优化,提高模型实际应用价值。