高峻峻,倪子玥

(上海大学悉尼工商学院,上海 201800)

近年来,随着电子商务的高速发展,越来越多的企业在互联网平台上开辟销售渠道.然而,由于网络零售与线下实体零售存在差异,从而产生了很多管理问题,例如高库存、高缺货、物流成本高等.因此,对用户需求进行准确预测成为重要研究课题,对于企业本身的供应链控制具有积极的影响.

线上产品类别丰富,同一品类内部产品具备很高的相似性,它们之间会存在很强的替代作用,即对于一个给定的品类,消费者事先确定一个最喜欢的产品,但当该产品不再被售卖或缺货时,消费者有一定的概率选择其他产品作为替代[1].因此,在进行产品需求预测时,有必要考虑相似产品替代带来的需求影响.

在产品替代研究方面,邻近替代的方式被认为最接近真实情况[2].目前关于邻近替代率估计方法的研究相对较少,已有主要研究成果如下:一是认为邻近替代率可以被描述为消费者的初始偏好概率和消费者忠诚度的函数[3];二是以产品的相似度作为替代率的估计值,产品越相似,替代可能性就越高,文献[4]提出一种产品加权属性估计法.基于第二点,文献[5]又提出采用加权欧式距离对替代率估计进行优化,以解决属性权重受到人为因素干扰的问题.

在需求预测研究方面,较为常见的是传统的时间序列统计模型,例如平均移动、指数平滑、Holt-Winter[6]、自回归移动平均(autoregressive integrated moving average,ARIMA)模型[7]等.这些方法的特点在于……