基于零售商店的銷量預(yù)測和個性化推薦的算法研究.pdf

1、隨著“互聯(lián)網(wǎng)+”時代的到來，互聯(lián)網(wǎng)改變了傳統(tǒng)領(lǐng)域的經(jīng)營方式，營造了B2C(Business-to-Customer)，C2C(Customer-to-Customer)，O2O(Online-to-offline)等新型商業(yè)模式。這些模式促進了客戶信息和商品信息大量增加，而信息超載問題卻變得越來越嚴(yán)重。商家怎樣發(fā)現(xiàn)最佳的銷售時機，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)測和推薦，這些問題受到越來越多的關(guān)注和重視。<

2、br>　　信息經(jīng)濟快速發(fā)展，如何充分利用已有的商店資源進行決策和商品分析，對商店的銷量預(yù)測、庫存調(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發(fā)掘客戶間的差異，轉(zhuǎn)變營銷策略，預(yù)測技術(shù)和推薦技術(shù)必不可少。對于商店來講，預(yù)測技術(shù)在避免盲目進行營銷決策方面有重要意義。對于個體客戶來講，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、戶會經(jīng)常停留在能夠為其做出精確推薦的商店購買商品。從商店和客戶兩個角度來預(yù)測和推薦，發(fā)現(xiàn)有價值的信息，從而建立客戶對商店的信任關(guān)系，防止客戶流失。
　　本文一方面從零售商角度出發(fā)，通過構(gòu)建時間序列分析預(yù)測模型，比較商店采用不同模型的銷量預(yù)測效果，在本文的實驗條件下，采用ARIMA模型的預(yù)測值與實際值最為接近;另一方面從客戶行為角度出發(fā)，借鑒過程模型CRISP-DM（跨行業(yè)數(shù)據(jù)挖掘過程標(biāo)準(zhǔn)）的方法，采用RFM(Recency/Fre