چکیده :
پیش بینی فروش نقش در حال رشد و با اهمیتی را د بسیاری از رشته ها ایفا می کند. مانند پیش بینی های اقتصادی ، پیش بینی های برق قدرت ، پیش بینی منابع ، و غیره . پیش بینی فروش یک پیش نیاز بسیار مهم برای برنانه ریزی هار سرکت و تصمیم گیری های درست می باشد و به شرکت احازه می دهد که برای فعالیت های تجاریشان برنانه ریزی های بهتری داشته باشند . پیش بینی فروش برای تحارت های برون خطی بسیار با اهمیت است ، بخصوص فروش خودرو ، املاک و مستقلات و سرمایه گذاری های هر روزه بسیار با اهمیت است . پیش بینی به طور کلی توسط روش های آماری انجام میشود ، مانند رگرسیون یا میانگین خودکاهشی متحرک (ARMA) بر اساس داده های فروش تاریخی می باشد . با این حال این روش فقط برای داده خاص کار می کند . بنابراین عوامل بسیاری همراه با روابط درونی پیچیده تحت تاثیر فروش قرار می گیرند و احتمالا شامل آتهایی میشود که دارای درحه خوبی از عدم قاطعیت هستند . با استفاده از داده کاوی ، ما میتواتیم مدل های بالقوه و قواعد پیشرفت از توده داده را شناسایی کنیم . بنابراین ، بنابراین تعداد فزاینده ای از تحقیقات بر روی چگونگی ایحاد استفاده ی کامل از داده کاوی برای فرآیندهای تاریخی داده و مدیریت فرآیند در پیش بینی داده تمرکز کرده اند . پیش از این ، تحقیقات پیش بینی فروش بر روی فروش های آنلاین کمتر مورد مطالعه قرار میگیرید به این دلیل که موارد واقعی برای بررسی این موضوع کمیاب می باشد . با محبوببیت پایانه های هوشمند تلفن همراه ، تحارت الکترونیک بخصوص B2C ( تجارت برای مشتری ) در سال های اخیر بسیار رونق گرفته است . بنابراین ، روش پیش بینی فروش مناسب در رشته ی تحارت الکترونیک برای ترویج بهره وری در عملیات فروش آنلاین یک موضوع مهم می باشد . در مقایسه با خرید و فروش آنلاین ، تحارت الکترونیک دارای ویژگی های فروش مخصوص به خودش می باشد ، شامل جزئیات اطلاعات کاربر و اطلاهات جستجوی وب است . این مقاله با این چشم انداز جدید پیش می رود که تمرکز بر روی چگونگی انتخاب یک رویکرد مناسب فروش را با اثربخشی بالا و دقت بیشتری پیش بینی می کند . داده برای این مقاله توسط یک فرد معروف ارائه شده است ، شرکت های رقابتی خرید آنلاین چینی که بخشی از بازار B2C در تحارت الکتروتیک فروش کتاب می باشد . ما یک رشته پژوهشی جدید ، تحارت الکتروتیک و کاربرد داده فروش واقعی برای چندین مدل پیش بینی کلاسیک را کاوش میکتیم ، با هدف کشف یک مدل برانگیزنده که می تواند مدل های پیش بینی مناسب را برای پیش بیتی فروش یک محصول انتخاب کند . شکی نیست که به طور موثری از شرکت در گرفتن تصمیمات فروش در عملیات واقعی حمایت خواهد کرد و نظریه های اساسی و روش های پژوهشی در زمینه ی داده بزرگ را توسعه خواهد بخشید .
ادامه مقاله به شرح زیر سازماندهی شده است . در بخش 2 چندین روش پژوهشی کلاسیک پیش بینی فروش موجود و روش هایی که زمینه ی نظری مطالعات ما هستند مورد بحث قرار میگیرد . در بخش 3 تحلیلات داده و روش پردازش و سپس مدل برانگیزنده ارائه میشود . بخش 4 این مدل را از طریق تحلیلات آزمایشی بررسی می کند و بخش 5 شامل نتیجه گیری و مباحثه می باشد .
برچسب ها:
مدیریت بازرگارنی تجارت الکترونیک