电子商务成交量预测分析方法研究

陈　珊　孔　阳



电子商务成交量预测分析方法研究

陈珊孔阳

摘要：随着我国计算机与互联网的普及与发展，伴随着社会经济发展步入新的历史阶段，电子商务的成交量呈“井喷”趋势。在电子商务迅速发展的背后，则是缺乏科学的指导和准确的预测。本文阐述了近年来电子商务成交量预测的方法，并探讨了方法的优劣和应用难点，并对各方法进行了总结。

关键词：电子商务；成交量预测

1.电子商务成交量预测概述

随着我国计算机与互联网的普及与发展，伴随着社会经济发展步入新的历史阶段，电子商务的成交量呈“井喷”趋势，2013年，中国网络购物市场交易规模达到1.84万亿元，相比2012年增长39.4%，仅在2014年11月11日当天，淘宝网的交易量就达到了637亿元人民币。而在我国电子商务快速发展的背后，则是缺乏规范化、信息化、专业化指导的现状。商家无法科学地预测商品成交量，则易造成备货不足或过剩；而从商品的流通角度来看，因为对交易成交量没有得到很好的预测和估计，快递物流企业无法预知某一个节点或时间段内的业务量，无法对将来的趋势进行估计。如果对成交量有较为科学、准确的预测，则能大大减少快递爆仓的现象，有效降低物流成本。

时间序列主要是指针对某种现象用一个表格的形式按照某一段时期内的不同时间节点和其对应的数值来依次排列组成后形成的序列，而电子商务成交量的波动属于非平稳时间序列。其波动的影响是用户的上网购物习惯、季节性需求、节假日促销、天气情况、偶发事件、长期趋势共同作用的结果，这些因素的波动并不确定。而电子商务这个特殊市场的信息，来源十分广泛，电子商务的相关数据收集十分方便且成本较低；电子商务市场对预测的反馈时间要求极短，必须能动态、实时地对市场变化做出预测。这就决定了对电子商务成交量的预测方法需要有特别的适应性。本人重点分析的方法主要是以下三种：移动平均预测、指数平滑预测、时间回归预测。

2.电子商务成交量预测原理

现如今，在对电子商务的商品交易量预测方面的研究较少，主要聚焦于讨论电子商务中交易的转化概率、交易发生的影响因素、用户的浏览行为及访问路径研究。Moe和Fader站在电子商务交易销售转化率的角度出发进行研究，研究表明：顾客的访问记录对购买概率具有朝向边际递减的积累效应。Poel和Buckinx总结了四类变量来预测购物行为：访问水平的一般点击流行为、更细节的点击流信息、消费者人口统计、历史购物行为，并且，通过对一家网上店铺的点击流数据进行评估四类变量的预测能力。而对于预测的方法，一般采用移动平均和指数平滑等方法来对成交量进行计算，找出其基本变化趋势并以此来预测未来。

2.1移动平均预测

移动平均法是根据时间序列，逐项推移，依次计算包含一定项数的序时平均数，以此进行预测的方法。移动平均法将动态时间序列的时距进行扩大，逐期移动，并分别计算其时间序列的平均数，最终将计算结果排列成新的动态序列的方法。当电子商务成交量的基本趋势是在某一水平线上下波动时，可对成交量用一次移动平均法建立预测模型，即收集一组成交量数据的观察值，并计算其均值，然后利用这组成交量的均值作为下一期成交量的预测值；当成交量的基本趋势和某一个线性的模型相近或吻合时，常用二次移动平均法。但当电子商务成交量的时间序列同时存在线性趋势和周期波动时，则可以用趋势移动平均法来建立预测模型。移动平均预测相对来说考虑了动态发展的连续性，能把隐藏在成交量时间序列中的变动规律较明显的反映出来。

2.2指数平滑预测

指数平滑法是由布朗所提出来的，布朗认为之所以时间序列可被合理地顺势推延是因为时间序列的态势具有稳定性或规则性；他认为在某种程度上会持续的未来的将是最近的过去态势。后来，通过将较大的权数放在最近的资料，经深入研究使得指数平滑法应用相当广泛，内容非常丰富，方法也比较多。指数平滑法进行逐层的平滑计算的方法是——通过对电子商务成交量的历史统计时间序列，找出电子商务成交量的基本变化趋势消除由于各种随机因素造成的影响并以此预测未来的成交量数据。考虑到成交量时间序列的不同特征，还可以引入季节参数和趋势参数，可以分别建立霍尔特双参数线性指数平滑预测模型和温特线性&季节性指数平滑预测模型。用时间序列指数平滑法来预测成交量有两个显著特点：一是遵循“厚近薄远”的原则，对成交量数据进行加权平均和修匀；二是利用了电子商务成交量中全部的历史数据和相关信息。如此得到的预测模型能在一定程度上减少异常数据对预测结果的影响，从而使成交量的时间序列中的一般规律性能够较为显著地体现出来。使用指数平滑预测能带来最大的好处是预测精度可以与高级预测方法相比拟而且使用还十分简单，因此在各个领域的时间序列预测中都有着非常广泛的应用。可以运用此方法进行短期预测的有：电子企业的市场规模、电子商务市场中的交易额。

2.3时间回归预测

在这三种方法中，指数平滑法是最被大家广泛应用的一种，而且使用中有一个较大的优点是简单，不复杂，但当电子商务成交量的时间序列产生多种变化方式时所引起的数据量增大，但时间回归法的运用将使其变得简便且具实用性。指数平滑法可以在表中用一条固定的平滑曲线显示，并根据走势按照时间序列分析详细的走势。在时间序列的七种模型中，最常见的方法都采用最小二乘法原理进行参数预估；主要是线性方程、二次曲线，后面的指数曲线包括修正指数曲线、龚帕兹曲线、逻辑斯谛曲线以及振动曲线，可以根据曲线观察到曲线是呈几何递增或递减的现象。

3.电子商务成交量预测方法总结

比如黄颖用最小二乘曲线来对电子商务进行预测，任丽丽，陆秋君用模糊线性回归来研究电子商务交易额。纵使这些方法经加权平均、修匀数据之后能在一定程度上减弱异常数据的影响，但当序列具有较为复杂的变化形式时，计算量过大，不具有可操作性。综上所述，对于电子商务成交量预测的研究较少，且方法单一，计算量过大，不具有实际应用价值，对于网商成交量预测还需要一个对复杂以及不平稳数据处理的工具和方法，只有通过对各种复杂时间序列的平滑处理，才能得出稳定的结果，进而提高预测精度。(作者单位：重庆交通大学管理学院)

参考文献:

[1]任丽丽，陆秋君.电子商务交易额预测的模糊线性回归研究.电子商务.2012,(7):66-69.

[2]艾瑞网，2014年中国网络购物行业年度监测报告[EB/OL], http://report.iresearch.cn/2143.html.

[3]Gary P.Schneider.电子商务.机械工业出版社.2000(9)l-35,69-84,88-102.

[4]黄颖.基于非线性最小二乘曲线拟合法的电子商务预测模型.经济研究导刊.2009,(22):153-154.

[5]刘敏.电子商务发展测度与预测方法.北京:经济科学出版社，2008.12.

[6]Wendy W Moe，Peter S Fader.Dynamic Conver-sion Behavior at E-Commerce Sites.Management Science，2004(3):326-335.