• 首页 > 最新资讯>正文
  • 利用人工智能评估市场状态

  • 责任编辑:新商业 来源: 雄安中国网 2024-09-08 10:52:31
  •   文/涂莉媛天津市烟草公司第三分公司

      “总量控制、稍紧平衡,增速合理、贵在持续”是烟草行业实现平稳可持续发展的基本遵循。从2024年天津地区“元春”的销售情况来看,高端、高价位卷烟仍然面临严峻的态势,部分市场表现不佳的品牌持续在低位徘徊,需求端结构性矛盾更加突出,部分客户因此出现了焦虑情绪和观望心态。因此,企业亟须构建智能化的市场状态评估体系,提高对市场状态研判的精准度,以改善需求预测和货源投放工作,促进自身实现可持续、高质量发展。

      影响当前市场状态评估质量的主要因素

      终端数据应用率低。当前天津地区“津诚”云POS(销售终端)使用客户1.23万户,可以作为采集数据样本。但是,因为数据资源的交互性差,导致这些数据并没有得到有效应用,最终出现了“信息封锁”和“信息隔离”的现象。

      数据评估缺乏智能化工具和算法。近年来,行业始终把建立健全市场状态监测与调控机制、提升市场状态调控水平放在重要位置,也相继出台了一系列有关样本管理的标准化文件和管理办法,但始终缺乏较为科学的智能化预测分析工具和模型算法。当前,在行业经济运行过程中,数据的采集、分析和应用应该是一个连续的小循环。然而,现状却是这些环节之间的联系相对较弱,状态较为割裂。

      基于LSTM的多层神经网络模型

      如何预测卷烟市场状态

      随着ChatGPT爆火出圈,AI(人工智能)屡次登上热搜榜。深度学习是人工智能最受欢迎和最有影响力的子领域之一,其主要原理是通过构建复杂的神经网络模型,自动从海量数据中挖掘有效特征,以完成各种复杂的任务,主要有卷积神经网络(Convolutional Neural Networks)、循环神经网络(Recurrent Neural Networks)和递归神经网络(Recursive Neural Networks)几种分类。

      由于卷烟市场的状态具有复杂性和非线性特性,传统的预测方法往往无法有效应对,于是我们采用LSTM(长短期记忆)神经网络模型预测卷烟市场的状态。LSTM模型,作为一种先进的人工智能模型,主要依托循环神经网络(RNN)建立,它能够学习并记忆长期的依赖关系,因此在经济预测和商业预测中得到了广泛应用。LSTM模型内部的每个单元都装有三个门函数,即输入门、遗忘门和输出门。通过这三扇门的协同作用,LSTM能够评估当前的信息是否具备价值,而后会将有价值的信息保留,将无价值的信息丢弃。在模型中输入天津地区2020—2023年的卷烟市场历史状态数据,具体包括社会库存、零售价格和订单数据等,随后会输出预测市场状态的指标。因此,特征抽取被视为构建神经网络模型的核心步骤。它主要由以下两部分组成:

      专家特征抽取部分。专家特征抽取是指使用传统的数据分析方法预测卷烟的销售量,这些方法主要依赖两种信息,即宏观经济数据和节假日信息。宏观经济数据,是指从官方统计网站上获取的数据。节假日信息,包括一年中各种节假日的具体情况,这些节日可能会影响人们的购买行为。比如,在春节期间,人们可能会购买更多的卷烟作为礼物或是自己使用。然而,传统的时间序列预测方法在处理这些信息时会存在一些问题。例如,它们通常会将一年中的不同季节转化为0和1的变量,但这种方法描述季节性波动的能力较弱,也无法根据同期数据进行调整。更重要的是,传统方法无法处理节假日日期的变化。比如,春节的日期每年都会变,传统的0和1变量无法随着时间的变化进行调整。因此,我们让模型使用同期数据来表示节假日信息的波动,这样就可以更好地捕捉节假日对卷烟销售的影响。

      机器特征抽取部分。主要通过应用LSTM深度神经网络,从销售数据中提取时间序列特征。每次输入最近8周的历史销售数据,通过LSTM处理并输出两个时间序列特征值。随后,将整个LSTM网络结构视为反向传播(BP)神经网络中的两个神经元,然后将这两个时间序列特征值输入BP神经网络进行进一步的计算和推导。其中,会使用一个滑动窗口策略构建神经网络模型的训练样本。具体来说,将每8周作为一个周期,并以1周为单位滑动,从历史数据中选择连续8周的机器抽取和专家抽取的特征作为一个训练子集。这些特征被输入到神经网络模型中进行计算,计算出的误差会被反馈到模型中以调整神经元的权重。然后,将下一个滑动窗口(即第2至9周)的特征作为一个新的训练子集,继续对神经网络模型进行训练和调整。这个过程一直持续到所有的样本都经过模型训练,可以有效解决训练样本数量不足的问题,提高了模型的稳定性和预测精度。在预测阶段,只需要基于最近8周的历史数据计算机器和专家抽取的特征,将这些特征输入到神经网络模型中,模型的输出就是下一周的卷烟市场状态预测值。最后,针对每个卷烟品牌或品规分别训练模型,从而能够预测出品牌或品规的卷烟市场状态。

      多层神经网络模型的主要应用方向

      分层分类调控。一是总量调控,通过设定预排供应量来评估和调整卷烟市场状态,以确保其能维持平衡。二是区域调控,即实时监测各分公司和有限公司的状态,预测其卷烟市场状态,并据此调整货源投放。三是品牌规格调控,通过精准预测品牌状态并根据区域进行精准投放,调控可以细化到具体的业态和客户类别。

      指导货源衔接。为了保持市场状态处于稍紧平衡状态区间,需要设定合理的目标状态值,预测下一轮次或下一月的货源预排量,并结合全市需求预测计划,统筹安排货源供应,同时与工业企业做好货源衔接。

      精准货源投放。通过监测特定品牌和品规的市场情况,并使用模型预测其目标状态值,进而提前预估销售量,从而进行精准货源投放。

      随着人工智能技术的快速发展,LSTM多层神经网络将进一步帮助烟草企业掌握市场动态,推动其从依赖经验进行决策转向以数据驱动决策,这对于推动行业的高质量发展具有重大价值。未来,烟草企业扩大数据资源体系,并加强与地方统计、金融、通信等部门的合作,可以强化数据驱动营销的能力,提升运营管理效率和效果。

    猜你喜欢

    无相关信息
  • 利用人工智能评估市场状态
  • AIGC技术:直播电商行业内容创作的新选择
  • 宋长文:以技术创新为驱动 向管理变革要效益
  • 黄振杰:从笔头到云端 得力集团开启智慧办公新征程
  • 罗永浩:投资人更青睐于有重复创业经历的人
  • 发挥融资担保业优势 提升金融服务质效
  • 逆袭市场!投资困境反转策略助推商业项目焕发新生
  • 标准化体系建设利好企业质量管理
  • 主编推荐 ...
  • 雄安新区/房价/最新消息@雄安新区周边房产可以投资吗

  • 五部门联合约谈11家网约车平台公司

  • 雄安新区的房子还限购吗,房子是多少年产权的?

  • 最新人物 ...
    滚动新闻 ...
    新闻排行 ...
  •   CopyRight 2017-2018,Power By http://www.xachina.org Inc.All Rights Resered 邮箱:360737408@QQ.com 编辑部电话:4001153315

      本网除注明来源雄安中国网的文章外,其他均为来源互联网,不代表本站观点。本站不负任何责任。

    (C)版权所有 雄安中国网     京ICP备17023850号-1