硕士论文网/国内首批论文服务机构

当前位置:硕士论文网首页 > 电子商务 > 基于数据挖掘的电子商务促销效果与销售预测研究

基于数据挖掘的电子商务促销效果与销售预测研究

时间:2021-03-02 13:46 | 栏目:电子商务 | 浏览:

硕士论文网第2021-03-02期,本期硕士论文写作指导老师为大家分享一篇电子商务文章《基于数据挖掘的电子商务促销效果与销售预测研究》,供大家在写论文时进行参考。
  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。

  1.  绪论

  1.1.  研究背景
  随着新世纪互联网技术的飞速发展和电子商务购物模式的兴起,在这个“互联网+”的新时代,传统企业正面临着向互联网和电商转型的机遇和挑战,传统销售逐渐向线上销售转型。互联网技术的飞速发展使得商业环境下的交易的场所、
交易的时间、交易的商品品类和交易的速度得到极大的丰富和扩展,实现了24*365 小时无间断、随时随地、跨平台、跨终端的交易;同时极大减少了加盟商和代理商等中间环节,实现了经销商和终端客户之间高效的点对点销售。在“互联网+零售”这种新型模式下,传统企业大力发展线上销售等业务,纷纷在淘宝、天猫、京东、唯品会等主流电商平台开设旗舰店,同时建立自己的官方销售平台进行线上销售。近年来,随着电商平台以及商户彼此之间的竞争日益激烈,除日常销售的之外,平台和商户都会采用各种各样的销售运营手段来抢占市场,其中促销这种销售促进的方式已渐渐成为当前受欢迎的一种方式。相对传统促销来讲,虽然电商促销和传统促销在诸多方面有着一定的共同点,例如同样都是通过让消费者更好地认识产品,引起消费者的兴趣,使得消费者对产品产生关注,从而激发其的购买欲望,并最终实现购买行为;但是由于电商促销寄托于互联网强大的传播能力和广阔的覆盖面积,电商促销在时间和空间观念上,在信息沟通方式上以及在顾客参与程度上都与传统促销发生了较大的变化,具体体现在以下几个方面:时空观念的变化。在空间上,传统线下的产品销售模型使得其消费者群体都有一定的范围,通过会有一个地理半径范围的限制,但是电商销售很大程度上地突破了空间范围的限制,这使得电商促销波及的范围更为广泛,对销售促进的效果更为显著;在时间上,传统线下的产品销售模型都会受到商店开门和工作时间的限制,但是同样电商销售很大程度上地突破了时间范围的限制,任何时间都可以进行下单和购买。信息沟通方式的变化。有别于传统销售,电商销售使得卖家和买家不能像传统线下销售一样进行面对面的沟通,虽然即时通讯工具:如阿里旺旺、QQ、微信等工具提供了近似于传统线下交易过程的表现形式,但这种互不见面的方式,改变了销售人员在传统促销效果中起到的作用,在电商促销中,销售人员对促销
产品销售促进的作用大大降低。
消费者决策模型
  1.2.  研究目的和意义
  在“互联网+”的时代,“互联网+零售”这种模式在学术界和实务界都占据着非常重要地位,成为学者和企业家争相追捧的热门话题,电子商务已渐渐融入了人们的日常生活中。电子商务环境下,商家竞争日趋激烈,商家为了增加销售会参与平台提供和举办的各类型促销活动,同时随着企业信息化的飞速发展,企业的数据积累也已达到一定的规模。在这样的时代背景下,本文致力于通过历史数据,建立较为完成的研究框架和思路,基于数据挖掘和数据分析的角度对电商促销活动效应和活动销售进行分析和预测,提高商家科学化和智能化的决策水平,使得本文的研究具有一定的理论意义和实践意义。在理论意义方面,戴鑫等通过对 2001 年到 2011 年期间 SSCI 数据库收录的《Journal of Marketing Research》(JMR),《Journal of Retailing》(JR),《Marketing Science》(MS),《Journal of Business Research》(JBR),《Journal of Marketing》(JM),《International Journal of Research in Marketing》(IJRM),《Management Science》(MNS)等 7 大期刊,以“sales promotion”为主题,对检索的 170 文献进行统计分析指出,在电子商务环境下的促销活动尽管基本形式依旧(如打折、买赠),但消费者的反应与实体购买略差异,同时这类研究比例并不高,应当受到关注。其次,对于促销活动效应的研究方面,学者普遍采用调查问卷同结构方程相结合的形式,研究不同促销形式或者促销力度对消费者购买意愿的影响,进而验证促销活动的有效性,为商家采取促销活动提供一定的指导性意见。现阶段我们生活在一个大数据的时代,随着信息化的发展企业已经积累了大量历史数据,本文则主要基于历史销售数据,通过数据挖掘和数据分析的方式对和活动效应和活动销量进行分析和预测。同时,本文所提出的模型和方法在一定程度上也可以推广应用到其他相关领域,使得本文具有一定的理论研究意义。在实践意义方面,随着产品品牌的日益多元化和竞争的逐渐复杂化,电商商家之间的竞争日趋激烈,利用电商促销活动刺激销售已成为商家增加销售、降低库存的主要手段,活动期间的销售量已占到总体销售量的绝大部分,随着企业信息化的发展和大量历史数据的积累,基于数据挖掘和数据分析的角度,合理的分析活动效应,并对活动销量和活动决策进行建模分析,提高商家科学化和智能化的决策水平,使得本文在具有一定理论意义的同时,更具有一定现实意义。

  2. 相关理论知识及文献综述

  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。
  2.2. 数据挖掘及算法研究综述
  随着企业信息化的建设和数据的积累,通过数据挖掘和分析指导管理经营决策重要性越来越大,学者对数据挖掘的任务和方法关注度也越来越大。钟晓等指出进行数据挖掘和数据分析的目的进行发现数据隐藏的一定的模式,我们应关
注的两个方面分别为描述型模式和预测型模式。前者主要用于寻找数据的可解释的模式,后者主要通过一些已知的数据或字段预测未知的感兴趣的数据或字段。总体来说,数据挖掘分析任务包括聚类分析(Clustering)、预测分析(Forecasting)、分类分析(Classfication)、关联分析(Association)等联式的知识的一种方法,根据关联规则分析所处理的数据类型、所涉及的数据维数和抽象层次,可以将其分为:布尔和数量关联规则;单维和多维关联规则;单层和广义关联规则。陈红坤,刘智慧等指出数据挖掘和数据分析处理流程主要包括数据收集、数据集成与处理、数据分析和数据解释等四个主要阶段,并将其最终应用于决策支持、商务智能和信息预测等方面。王光宏,崔广风等指出数据挖掘作为一种数据分析方法,产生于业务,并最终面向业务,在理论研究的同时,需要考虑实际应用业务与其更好的结合。CRISP-DM(交叉产业标准数据挖掘流程)模型是数据挖掘在实际业务应用中的主要方法,其流程包括商业理解、数据理解、数据准备、建立模型、模型评估和模型发布等基本流程,并在整个流程中不断地进行循环、迭代和优化。通过上述分析,结合现有研究中的不足,本文主要针对电子商务环境下的促销活动基于数据挖掘的方法进行研究,在统计分析的基础上,将机器学习智能预测和有效关联规则挖掘融入最终的活动销售决策分析中。本章首先围绕电商促销活动的效应及其效应评价指标、影响因素对目前国内外的研究进行了阐述与总结。然后对相关的数据挖掘方法进行分析和介绍,为本文后续研究奠定理论基础。现阶段我们生活在一个大数据的时代,企业已经积累了大量历史数据,本文将从数据挖掘的角度对电商促销活动进行研究,通过数据分析,为企业活动决策提供依据和支持。

  3.  电商促销活动效应及决策分析

  3.1.  活动效应定义及表示
  3.2.  活动效应分析方法
  3.3.  活动效应数据分析
  3.4.  活动决策分析
  3.5.  本章小结

  4.  电商促销活动销量预测

  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.  电商促销活动销量预测与决策实例分析

  5.1.  数据准备
  5.2.  实例分析
  5.3.  本章小结

  6.  结论

  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。

以上论文内容是由硕士论文网为您提供的关于《基于数据挖掘的电子商务促销效果与销售预测研究》的内容,如需查看更多硕士毕业论文范文,查找硕士论文、博士论文、研究生论文参考资料,欢迎访问硕士论文网电子商务栏目。