典型文献
考虑促销因素的医药电商平台需求预测研究
文献摘要：
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.
文献关键词：
医药电商;需求预测;促销因素;时间序列-机器学习组合模型
中图分类号：
作者姓名：
李建斌;雷鸣颢;戴宾;蔡学媛
作者机构：
华中科技大学管理学院,湖北武汉 430074;武汉大学经济与管理学院,湖北武汉 430072;武汉纺织大学管理学院,湖北武汉 430200
文献出处：
引用格式：
[1]李建斌;雷鸣颢;戴宾;蔡学媛-.考虑促销因素的医药电商平台需求预测研究)[J].中国管理科学,2022(12):120-130
A类：
促销因素
B类：
医药电商,电商平台,需求预测,预测研究,促销活动,学习组,组合模型,商品销量,拆分,线性组合,时间序列数据,服用,SARIMA,模型拟合,销量预测,特征数据,一同,XGBoost,集成学习,实销,销售数据,数据测试,组合预测模型,三种传统,传统预测模型,折扣,下组合,共享策略,预测误差
AB值：
0.295266
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
