基于数据挖掘的电子商务促销效果与销售预测研究

  本篇论文是一篇电子商务硕士论文范文，对活动效应进行展开分析，从销售效应和客流效应两个角度分别进行分析，首先对活动销售效应和活动客流效应进行定义，包括活动期间的效应和活动前后期的效应，然后建立统计分析模型对其进行分析，最后在此基础上建立活动决策模型，为企业将来进行实际决策工作提供一定的依据。

  随着互联网技术的飞速发展和电子商务的兴起，在这个“互联网+”的时代，传统企业正面临着向互联网转型的新形式。在“互联网+零售”这种模式下，传统企业大力开展网购业务，纷纷在淘宝、天猫、京东、唯品会等电商平台开设旗舰店，并建立自己的官方销售平台进行线上销售。近年来越来越多的学者开始针对电商销售以及电商促销活动进行研究，本章将总结并分析国内外研究现状及其存在的不足之处，并在此基础之上，进一步深化本文的研究方向和内容，为后续各个章节的深入研究提供了充分的理论基础。

  2.1.电商促销研究综述

  胡祝平、胡尚杰对我国电商商家经常使用的促销手段进行总结分析，概括其主要包括直接折扣、秒杀、抽奖和赠品等主要电商促销策略。通过对电商促销和传统促销的文献研究，相对于传统促销，电商促销形式更加丰富。其中，直接价格折扣促销是效果最明显同时也是商家最常用的一种促销方式，是指商家直接降低销售价格来吸引更多的消费者。赠品促销就是在消费者购买商品之余，给予其额外的免费商品，作为消费者购买商品的回赠方式。抽奖促销即将超值的商品或服务作为奖品，消费者有一定的概率事件中获得此奖品。满减促销是指消费者购买数量或者购买金额达到一定的上线阈值后，获得商家提供某种优惠措施。秒杀促销是指在极短的时间区间售卖特价的商品，因为这种促销价格比正常价格低很多，因此对消费者的吸引力是极大的。团购主要指那些认识或不认识的消费者彼此之间联合起来，从而在一定程度上增加了同商家的议价能力，最终得到最优价格的一种新型购物方式。团购作为互联网时代一种新兴的电子商务模式，通过消费者自行组团、专业团购网站和商家组织团购等方式，实现供需双方的利润最大化，对于商家来讲团购可以实现薄利多销，对于消费者来说，团购可以获得低于正常价格的团购折扣。虽然促销的形式多种多样，但不同的形式之间往往具有一定的相似性，在研究过程中，学者们根据不同促销形式之间的相似性从不同的角度对其进行分类。Diamond 等根据促销形式是否与金钱直接相关，可以将促销从总体上分为金钱型促销和非金钱型促销两个大类。Chandon 等从享乐型收益和实用性收益角度，将促销活动分为高享乐+低实用型，低享乐+低实用型，高享乐+高实用型，低享乐+高实用型四大类。金立印等分别从促销诱因类型、促销获得时机、有无条件限制三个维度对促销形式进行，其中根据诱因类型，可以将促销分为降低成本型和附加价值型；根据诱因获得时机可以将促销分为即时获得型和延缓获得型；根据诱因对消费者的条件分为有条件限制型和无条件限制型。戴鑫等等从成本视角和收益视角将促销活动分为降低经济成本型、降低心理成本型、提高经济收益型和提高心理收益型。从上述分析可以看出，聚划算促销活动主要形式为团购促销，以获得更大的价格折扣，属于高实用低享乐、降低经济成本的金钱型促销，该类型促销活动是一种较为直接和有效的销售促进方式。

  3.1.  活动效应定义及表示

  3.2.  活动效应分析方法

  4.1.参加活动商品销量影响因素分析

  4.2.  参加活动商品销量模型

  4.3.  未参加活动商品销量模型

  4.4.  本章小结

  5.1.  数据准备

  5.2.  实例分析

  5.3.  本章小结

  随着互联网及电子商务的飞速发展，电商促销活动在现代企业的营销战略中扮演着非常重要的角色。通过对活动效应分析和活动销量的预测，可以为企业管理经营决策提供依据。本文的主要研究工作和相关结论概括为以下几个方面：（1）  针对电商销售特点，本文对活动效应分析综合考虑其销售效应和客流效应，并对其进行定义和量化表示。通过统计分析发现，活动期间的销量会显著大于日常期间的销量，而活动前后期的销量小于日常期间的销量，同时对活动期间、活动前后期和日常期间的客流和转换率分析发现，活动前后期的转换率较低。（2）  基于上述分析，提出基于利润分析的活动决策模型，综合考虑了参加活动商品和未参加活动商品在活动期间的利润增加和活动前后期的利润损失。针对活动期间商品销量相对于日常和活动前后期较难确定的特点，分别针对参加活动商品和未参加活动商品的预测模型和关联规则模型设计。（3）  在预测模型设计中，本文建立综合预测模型，将灰色综合关联与支持向量回归机算法相结合，从而提高了预测的准确率。首先利用灰色综合关联分析选择满足综合关联度的阀值的影响因素，作为支持向量回归机模型的输入，结合粒子群算法对核函数的参数进行优化。在关联规则模型设计中，采用兴趣度对关联规则进行约减，减少负关联规则的产生。尽管本文所做的工作取得了一定的效果，对电商促销活动销售预测和活动效应进行了分析，并对活动决策提供了指导，但是由于现实的市场营销环境日趋动态复杂。本文的研究工作仍存在以下几个方面的不足：（1）  在活动期间企业会将某些商品作为“引流款”和“爆款”等营销方式，本文现阶段的并没有对其销量的影响因素进行详细分析。（2）  由于本文时间有限，使得本文在整体分析过程还没有完全自动化，很多工作需要手工处理，这对本文整体的分析也造成了一定的限制。电商促销活动问题的分析是一个相对复杂的系统工程，需要多个领域的理论基础作为支撑，其中包括市场营销理论，数理统计理论以及智能算法理论等。由于个人时间、精力以及知识结构的有限，仍然有许多重要的理论和实践问题有待深入探讨，希望为今后的研究提供一定的改进思路。（1）  本文在分析活动效应时，主要针对其短期效应，分别从销售效应和客流效应两方面展开分析，决策时主要考虑其短期利润，今后的研究可以针对活动的长期效应进行分析，如品牌价值、品牌忠诚等，同时决策时也可以融入更多的维度。（2）  对活动期间的“引流商品”进行更进一步的分析，继续完善影响因素指标体系。提高模型的可解释性，作为营销决策者，由于缺少相应的知识背景，在模型参数选取及模型结果的解读方面可能会遇到困难。因此，如何增强模型的可解释性，也值得未来进一步的研究。