我國高涉入度產品銷售預測研究綜述

李曉敏 李 妍

（上海外國語大學 國際工商管理學院，上海 201620）

1 高涉入度產品的基本概念

最早提出涉入概念的學者是Sherif and Cantril（1947），而對于涉入度的分類，Zaichkowsky（1994）基于涉入對象將涉入度分為廣告涉入度、產品涉入度與購買決策涉入度。其中，產品涉入度是指消費者對產品的重視程度或者是產品對個人的重要性。不同的產品會產生不同的涉入度，這主要取決于消費者對產品重要性和風險性的認知、消費者個人因素以及產品自身屬性因素等。

結合前人對產品涉入度概念的研究，本文將高涉入度產品定義為消費者感知到的重要性和風險性高的產品。消費者涉入程度高，說明該產品具有高風險、十分重要并且與消費者本人關聯程度高，消費者會盡可能地收集相關信息，充分比較優缺點后才做出決策。換句話說，消費者的購買行為是需要時間和精力投入的，當產品需要消費者花費更多的時間和精力做出購買決定的時候，這項產品被認為是高涉入度產品，如轎車、住房和電子設備都是高涉入度產品。

2 高涉入度產品銷量預測研究中的統計分析

本文以CNKI數據庫作為文獻來源，在檢索中首先采用“高涉入度”和“銷售預測”為題目、摘要、關鍵詞進行檢索，檢索出來的文獻較少。事實上，很多學者在研究的過程中并沒有直接采用“高涉入度”等作為題目、摘要、關鍵詞，所以若直接以此為關鍵詞會導致文獻檢索中出現大量文獻遺漏。因此，本文進行補充檢索，擴大檢索范圍，首先采用“銷售”或“銷量”和“預測”為題目、摘要、關鍵詞進行檢索，在檢索出的文獻中選取基于高涉入度產品的銷售預測文章，同時以“需求預測”或“預測模型”進行補充檢索。在分別閱讀每篇文章的摘要或全文后刪除與研究主題不符的文獻，最終將符合條件的44篇文獻作為本文的分析對象。

2.1 文獻數量統計

從文獻的時間動態分布統計看出，我國學者從20世紀90年代開始進行高涉入度產品銷量預測研究，1989—2011年，每年的文獻數量基本持平，而2012—2017年高涉入度產品銷售預測有關研究有新的增長，尤其是在2017年達到了8篇，為2009年的4倍，說明2012年以后我國對高涉入度產品的銷售預測研究才逐漸發展起來。

圖1 我國高涉入度產品銷售預測研究文獻綜述

CNKI數據庫對學科的劃分，主要分為基礎科學、工程科技I、工程科技II、農業科技、醫藥衛生、信息技術、哲學與人文、社會科學I、社會科學II以及經濟與管理。

從研究者的學科背景來看，47.73%的文獻來自作者團隊，其中43.18%的文獻來自單一學科背景的作者團隊，4.55%的文獻來自兩個學科背景的作者團隊。總體上，目前關于高涉入度產品銷量預測的研究主要是由單一學科背景的單一作者獨立完成，只有極少部分文獻是多學科背景學者的合作研究。從學者的學科背景來看，39.60%是經濟與管理科學，30.20%的文獻來自工程科技II輯的研究者，12.50%來自是基礎科學領域，來自信息技術和社會科技II輯領域的文獻比例分別是11.50%和4.20%。目前看來，主要趨勢是整合經管、工程技術以及基礎科學方面的研究力量來開展研究。

2.2 研究方法分類統計

國內對銷售預測的研究主要是在借鑒國外銷售預測方法的基礎上做更進一步的探索和分析。本文將44篇文獻按照研究方法進行分類，傳統的研究方法一般分為定性和定量方法，由于檢索的文獻里并未涉及定性方法，所以本文直接從傳統的定量方法來看，有50%的文獻采用了傳統的定量方法，其中有15.91%的文獻采用了回歸分析的方法，在所有傳統研究方法中時間序列法的應用最廣泛，比例達到了31.82%。

圖2 我國高涉入度產品銷售預測研究學者的學科背景分布

從現代的人工智能方法來看，有11.36%的文獻采用了神經網絡的方法，而采用灰色系統研究方法的文獻相對較多，占比15.91%。此外，有研究者試圖將各種預測方法組合，主要是將時間序列法和人工智能方法進行組合，組合方法在預測中的應用達到了22.73%。

表1 高涉入度產品銷量預測方法應用分類和分布

3 基于知識圖譜的高涉入度產品銷售預測研究分析

本文采用CiteSpace V軟件進行知識圖譜分析，目前國內利用CiteSpace進行分析的數據源為WoS、CSSCI以及CNKI，可對目標領域的研究熱點、研究前沿和研究趨勢進行探索。本文在對數據進行分析時，選取CNKI數據庫中關于高涉入度產品銷售預測研究的期刊和論文，時間跨度為1989—2017年，設置Time Slice（時間片層）為每兩年一個階段。

3.1 高涉入度產品銷售預測的研究主體

在圖3中，作者的出現頻率與節點的大小成正比，節點內圈中的顏色表示不同的時間段。從作者角度可以看出，章旭、王旭天、崔東佳和余世明在高涉入度產品銷售預測研究方面的產出較為突出。各節點之間的連線則表示共現的關系，其粗細表明共現的強度。從圖2的連線情況可知，目前主要的研究成果來自合作研究。連線的顏色則對應節點第一次共現的時間。顏色從深色調到淺色調的變化表示時間從早期到近期的變化，由圖3可知近期的合作研究更為活躍和密切。

圖3 高涉入度產品銷售預測研究作者分布聚類視圖

3.2 高涉入度產品銷售預測的研究熱點

高涉入度產品銷售預測的關鍵詞在不同時期的出現頻次可以反映出目前相關研究的熱點和走向，出現頻次較高的關鍵詞可表明目前該研究領域所關注的焦點。

圖4 高涉入度產品銷售預測研究關鍵詞共現聚類視圖

由圖4可知，目前對高涉入度產品銷售預測的研究主要集中在汽車領域，研究采用的主要方法包括時間序列法、灰色預測、神經網絡以及組合預測等。值得注意的是目前部分研究人員在進行高涉入度產品銷售預測時除了利用傳統的營銷數據外，也開始關注互聯網的網絡搜索數據在銷售預測中的應用。

時間線視圖主要側重勾畫聚類之間關系和某個聚類中文獻的歷史跨度，在時間線視圖中相同聚類的文獻被放置在同一水平線上。在時間線視圖中，我們可以清晰地得到各個聚類中文獻的數量情況，文獻數量越多代表所得的聚類領域越重要。由圖5可知研究者利用時間序列法進行高涉入度產品銷量研究在2006年出現且一直保持著較高關注度，研究成果較為豐富。

圖5 高涉入度產品銷售預測研究關鍵詞共現時間線視圖

4 高涉入度產品銷量預測研究軌跡分析

在對44篇文獻進行總結統計分析的基礎上，根據我國高涉入度產品銷量研究的具體情況，從研究發展的軌跡來看，可以劃分為三個階段。

表2 高涉入度產品銷量預測研究方法在不同發展階段的數量分布

第一階段：摸索起步階段

在此期間共有2篇文獻，從研究方法的時間演進看，在1990年以前，我國的學者開始進行高涉入度產品銷售預測研究的摸索，在研究方法上主要使用傳統的研究方法，雖然以定量方法為主，但是利用的定量方法比較簡單，回歸模型都是使用了簡單的一元線性回歸方法。

李鴻生（1989）指出在當時特殊的經濟環境下，國民收入對摩托車銷量的影響很小，而集體和個人經營者的人數是影響摩托車銷量的主要因素，并通過回歸模型和灰色數列預測模型對摩托車銷量進行預測，由于兩種方法各有側重，所以綜合考慮后取兩種方法的算術平均數作為預測結果。金朝崇和岳毅宏（2000）運用傅氏分析法確定冰箱銷售的季節長度和下一周期各個階段的銷售量，為冰箱企業的決策活動提供了參考。

第二階段：探討成長階段

在這一階段，高涉入度產品銷售預測研究文獻數量相比第一階段有了很大的提高，在研究方法上也出現多元化，灰色系統、BP神經網絡都第一次被運用到高涉入度產品銷售預測之中。研究出現了從簡單單變量分析向復雜的多變量分析、從靜態模型向動態模型、從單一方法向綜合方法發展，多種學科開始介入研究之中的變化趨勢。

楊艷霞（2006）分別利用BP神經網絡、RBF神經網絡和基于差分進化的BP網絡建立了3個不同的汽車零部件銷量預測模型，基于最小二乘準則，將取得的3個預測模型合成為一個復合模型HANNFM并驗證了它的有效性。陳紅周、劉碧玉、李學全（2009）利用灰色預測 GM（1，1）模型研究了手機銷售總數量動態變化，并使用灰色關聯度來計算總銷售量對目標品牌的影響。耿萬里（2010）基于銷售預測相關理論知識以及產品的歷史銷售數據，運用SPSS和一元線性回歸模型，以及根據實際需求自主構建的預測修正算法，對該公司的平板電視產品進行了銷售預測分析和修正。錢永渭和余世明（2011）采用神經網絡理論對罐裝飲料自動售貨機銷售額預測進行數學建模，采用BP神經網絡實現了罐裝飲料自動售貨機銷售額的預測。陳力華、楊亞莉和陳浩（2011）基于SPSS曲線預測和平滑指數法，對我國自主品牌汽車銷量進行了預測研究，研究結果表明，使用三次曲線法可以更有效地預測汽車銷量。

第三階段：發展整合階段

2012年以來，我國對高涉入度產品銷量預測的研究進入了新的階段，目前有34篇成果出現，遠遠多于前兩個階段文獻的總和。隨著大數據的發展和人工智能理論的成熟及在各行業的廣泛應用，研究者將互聯網搜索趨勢數據、評價口碑以及社交媒體上的內容引入高涉入度產品銷售預測并進行了有益的探索。在這一階段，雖然更多的方法被引入銷售預測研究中，但回歸模型和時間序列仍然占有主導地位。在高涉入度產品銷售預測研究中嘗試將新的研究方法與最新的研究整合運用，研究方法逐漸精細化。得益于大數據時代的到來和數據挖掘技術的成熟，銷售預測方法也經歷了比較大的變化。

姚層林（2012）利用徑向基函數網絡預測非線性數據的優勢，將其用于汽車銷量的預測中。張凡（2012）以歷年的銷售數據作為原始數據，并以2015年、2020年為水平年，運用灰色預測法并結合定性分析，對近期、中期我國裝載機銷售量進行了預測。隨著大數據技術的發展和成熟，研究者開始關注到網絡搜索以及網絡評價與銷售預測的關系。李雪妮（2013）關注到隨著web2.0的出現，消費者開始在商家的網站上發表對商品的評論，并且通過這些評論來分享各自的經驗，她以書本評論作為研究對象，重點關注評論中情感信息的挖掘，并探討將這種信息用于產品銷量預測的方法。黃琦（2013）基于灰色理論建立汽車銷量預測模型并借助GM（1，1）模型進行了預測，并對模型進行了精度檢驗。洪鵬和余世明（2015）針對自動售貨機單一商品售空而頻繁加貨耗費大量人力物力資源的問題，提出了用RBF神經網絡對各產品的銷量進行預測，以便制定合理的銷售方案來減少這方面費用。考慮到自動售貨機的歷史銷售數據受非最優銷售方案制約，從而導致預測結果不理想的特點，建立了一個ARMA模型預測受制約銷量來補償實際銷量以優化預測模型，加快銷售方案趨于最優的速度。王煉、寧一鑒和賈建民（2015）認為網絡搜索行為可以反映消費者購買意愿，并利用消費者搜集信息和購買決策的真實數據研究網絡搜索與現實交易之間的關系。實證結果顯示，網絡搜索對汽車銷量存在顯著的正向影響。此外，本文基于fractional logit模型驗證了消費者網絡搜索對市場份額的影響。此外，部分學者開始從單一方法轉向方法整合進行研究。范慶科（2017）提出了一種SARIMA-BP神經網絡預測方法對汽車銷量進行預測，首先針對汽車銷量影響因素表現出的多樣性使用灰色關聯分析法進行篩選，對于汽車銷量非線性規律，選擇SARIMA方法和BP神經網絡法分別對時間序列的線性部分和非線性部分進行建模；王旭天（2016）以BP神經網絡技術為主線，結合ARIMA模型和主成分分析，分別對汽車的月度銷量和年度銷量進行了預測。

韓兆林（1997）對國外涉入理論在消費者行為研究中的運用進行梳理后發現涉入度對消費行為的影響主要表現在七個方面：廣告信息的學習、信息搜集、廣告認知反應、個人態度改變、新產品接受過程、品牌選擇以及品牌忠誠等。結合我國目前的研究現狀，本文將產品涉入度對消費者行為的影響歸結到三個方面：一是信息搜索，指主觀地獲取產品信息和評價信息等；二是營銷信息處理，指客觀地接受和處理廣告等營銷信息；三是品牌忠誠度，指客戶在購買行為發生后仍愿意繼續長期購買。因此，我們可以得出不同涉入度產品銷售預測的概念研究框架，具體如圖6所示。

圖6 不同涉入度產品銷量研究的概念框架

目前產品涉入度研究已經從關注產品涉入度與消費者行為的關系深化為產品涉入度和銷售預測之間的關系，相關研究者致力于不同產品涉入度的銷售預測研究為現實的商業活動提供更為有效的支持，探索不同產品銷售預測背后消費者行為的差異進而進行更為精準的產品銷售預測。

5 結語

近兩年，關于高涉入度產品的銷售預測研究文獻數量出現顯著增長，高涉入度產品銷售預測正逐漸成為銷售預測研究中的重要分支，高涉入度產品銷售預測應該引起我國學者的重視并積極開展理論和實踐研究。

從研究者的學科背景來看，目前關于高涉入度產品銷量預測的研究主要是由單一學科背景的單一作者獨立完成，只有極少部分文獻是多學科背景學者的合作研究，今后對于高涉入度產品銷量的預測研究可以嘗試結合多學科背景進行合作研究。

從研究領域和影響因素來看，高涉入度的研究行業主要是汽車、家電以及電子產品，模型當中的自變量主要來源于宏觀層面的影響因素，包括國內人均生產總值、消費者信息指數等，雖然以宏觀層面的影響因素構建的模型在一定程度上可以對高涉入度產品銷量進行預測，但還是準確度還有待考量。

從研究的框架來看，關于涉入度的研究正在經歷著一次新的轉型和深化，主流研究開始從關注涉入度與消費者的行為深化為涉入度與銷售預測，并形成了以“高涉入度產品—消費者行為—銷售預測”為研究框架的高涉入度產品銷售預測研究。在今后的研究中，可以細化涉入度的維度并更深入地探究涉入度對銷售預測的作用。

從研究方法來看，高涉入度產品銷量預測研究已經由定性研究轉化為定量研究，并與實際的經濟活動相聯系，這也對預測和測量工具的開發選擇提出了新的要求，需要學者創新測量工具和技術手段，不斷運用大數據時代所帶來的信息資源以及現代技術手段對數據進行分析，進而使研究結果更加合理化和規范化。綜上所述，在我國開展高涉入度產品銷售預測研究，有必要系統梳理、引入和借鑒來自計算機科學與技術、數學等領域的研究成果，進行跨學科的研究合作，嘗試不同研究領域，細化涉入度的維度，嘗試利用互聯網帶來的大數據進行銷售預測并改進或整合現有的研究模型，促使高涉入度產品銷量預測研究的過程和方法更加合理，研究結果更加準確和有預見性。