基于在线评论的多个竞争制造商和零售商的产品定价策略

在线评论作为一种产品信息传播载体,越来越受到网上电商及消费者的重视,并在很大程度上影响消费者的购买决策。本文在多个竞争性制造商为在线零售商提供可替代性产品并通过零售商销售给网络消费者的电子商务环境下,研究在线评论信息如何影响网络消费者购买决策及在线零售商和制造商的定价策略。以neo-Hoteling模型为基础,构建了依赖零售渠道在线评论的消费者选择模型,并通过模型求解定量分析了二级供应链结构分散系统下在线评论对多个竞争性制造商及零售商最优决策的影响。得到当制造商基于评论制定最优定价策略时,在线评论对市场竞争强度没有影响,但决定潜在市场大小;各产品的均衡批发价及销售价按一定的比例随评论揭示的该产品与其他产品质量均值之差(正或负)增加或减少,评论信息通常会使制造商因好评而获利,由于评论增加了不同产品需求的不对称性,零售商因而具有更大的调价空间,往往通过提高(降低)占据有利(不利)评论的产品价格获得更高的利润。

基于百度搜索指数的钢材市场预测

文章使用百度搜索指数(BDI)和同期钢材交易价格和销售量的历史数据,运用时间序列分析方法,研究BDI对钢材价格和销售量预测。对钢材销售量预测以季度为周期时,BDI可提高准确度9.544%。对钢材价格预测以天为周期时,存在残差项序列相关的问题;以周为周期的可以提高1.208%的预测准确度,并且t检验显示其所有系数显著不为零,QLB统计量显示残差项不存在序列相关的问题;以月为周期,准确度提高1.424%,BDI的系数t检验显著等于零,但是残差项不存在序列相关的问题;以季度为周期,BDI的系数t检验显著地等于零。

制造业生产物流中多仓协同选品策略研究

为保证产品质量和生产稳定性,供应链中的核心制造企业同时为自有生产车间和外部代加工企业提供原材料,并需要及时准确地将其所需原材料送至相应的线边超市,这增加了制造企业的运营压力和物流成本.为降低制造企业生产物流成本并提高需求响应速度,本文对制造企业多个仓库的物料品类选择策略进行了研究.文中考虑仓库存储条件、仓库容量等条件限制,建立了以最小化运输成本为目标的混合整数规划模型,设计了基于最小增量成本的贪婪算法,实现仓库在物料品类和数量两个层次的选品决策.与随机选品算法和环形算法相比,该算法可以更有效地将物料分配到合适的仓库中,降低运输成本和拆单率.此外,通过与实际案例中企业仓库选品现状比较,由该算法得到的选品策略可节约53.03%的运输成本,并减少21.47%的拆单率.理论分析和实例分析均表明本文方法能够有效降低运输成本和拆单率,从而提高企业利润和运营效率.

跨境电商下基于商品属性-情境的推荐算法

在传统协同过滤推荐算法的基础上,结合跨境电商行业特点,提出了一种基于商品属性和情境权重的混合推荐算法.首先,根据用户商品的历史购买金额和购买次数生成用户偏好评分,并结合用户商品属性相似度和情境化用户相似度得到目标用户的最近邻集,最后将通过变异系数法得到的情境权重纳入评分预测当中,进而生成推荐结果.实证分析表明,本算法能有效提升商品推荐结果的预测准确度,相较基于商品属性的协同过滤推荐算法,本算法可降低商品预测评分平均绝对误差平均达2.72%,提高了跨境电商商品推荐效果.本研究为推荐系统在跨境电商领域的应用提供了新方法.

考虑促销因素的医药电商平台需求预测研究

医药电商平台需求预测涉及到药品自身属性及电商平台推出的各种促销活动,本文针对以上影响药品销量的因素提出了时间序列-机器学习组合模型对医药电商平台进行需求预测。传统研究促销因素的需求预测文献将促销阶段商品销量拆分为常规销量和促销增量的线性组合,本文首先拟合各药品促销阶段的常规销量,根据各药品常规销量时间序列数据及服用周期,使用SARIMA模型拟合药品的常规销量预测值,并将常规销量预测值与商品促销特征数据一同输入XGBoost模型进行集成学习预测。本文使用国内某医药电商平台真实销售数据测试组合模型的有效性,结果显示组合预测模型的预测效果相比其他三种传统预测模型更优。此外,本文验证了不同折扣力度下组合预测模型的有效性,以及促销变量在预测模型中的有效性,同时研究了数据共享策略在需求预测中的应用场景,结果显示预测模型在引入促销变量和采用数据共享策略后都能显著降低模型的预测误差。