基于零售商店的銷量預(yù)測(cè)和個(gè)性化推薦的算法研究.pdf

1、隨著“互聯(lián)網(wǎng)+”時(shí)代的到來(lái)，互聯(lián)網(wǎng)改變了傳統(tǒng)領(lǐng)域的經(jīng)營(yíng)方式，營(yíng)造了B2C(Business-to-Customer)，C2C(Customer-to-Customer)，O2O(Online-to-offline)等新型商業(yè)模式。這些模式促進(jìn)了客戶信息和商品信息大量增加，而信息超載問(wèn)題卻變得越來(lái)越嚴(yán)重。商家怎樣發(fā)現(xiàn)最佳的銷售時(shí)機(jī)，怎樣在大量的客戶信息和商品交易信息中找到潛在客戶，并做出最佳預(yù)測(cè)和推薦，這些問(wèn)題受到越來(lái)越多的關(guān)注和重視。<

2、br>　　信息經(jīng)濟(jì)快速發(fā)展，如何充分利用已有的商店資源進(jìn)行決策和商品分析，對(duì)商店的銷量預(yù)測(cè)、庫(kù)存調(diào)配以及布置相應(yīng)銷售策略具有重要的意義。如何充分利用客戶資源、商品資源以及交易記錄等信息來(lái)發(fā)掘客戶間的差異，轉(zhuǎn)變營(yíng)銷策略，預(yù)測(cè)技術(shù)和推薦技術(shù)必不可少。對(duì)于商店來(lái)講，預(yù)測(cè)技術(shù)在避免盲目進(jìn)行營(yíng)銷決策方面有重要意義。對(duì)于個(gè)體客戶來(lái)講，傳統(tǒng)的搜索算法雖然可以幫助客戶精確查詢，但是當(dāng)客戶在需求不明確的情況下，很難找到自己真正感興趣的資源。研究也表明，客

3、戶會(huì)經(jīng)常停留在能夠?yàn)槠渥龀鼍_推薦的商店購(gòu)買商品。從商店和客戶兩個(gè)角度來(lái)預(yù)測(cè)和推薦，發(fā)現(xiàn)有價(jià)值的信息，從而建立客戶對(duì)商店的信任關(guān)系，防止客戶流失。
　　本文一方面從零售商角度出發(fā)，通過(guò)構(gòu)建時(shí)間序列分析預(yù)測(cè)模型，比較商店采用不同模型的銷量預(yù)測(cè)效果，在本文的實(shí)驗(yàn)條件下，采用ARIMA模型的預(yù)測(cè)值與實(shí)際值最為接近;另一方面從客戶行為角度出發(fā)，借鑒過(guò)程模型CRISP-DM（跨行業(yè)數(shù)據(jù)挖掘過(guò)程標(biāo)準(zhǔn)）的方法，采用RFM(Recency/Fre