基于時(shí)間規(guī)律的產(chǎn)品預(yù)測研究

孫小雅 黃悅釗 江子君

摘 要：在發(fā)布新產(chǎn)品之前，分析產(chǎn)品市場是非常重要的內(nèi)容。為了使Sunshine在網(wǎng)上商城有效地推出新產(chǎn)品，有必要了解在線市場中產(chǎn)品聲譽(yù)的趨勢，確定重要的功能設(shè)計(jì)，然后闡明消費(fèi)者的偏好。本文使用基于神經(jīng)網(wǎng)絡(luò)時(shí)間序列的NAR模型來分析產(chǎn)品評估與時(shí)間之間的關(guān)系。并且為了制定有效的營銷策略，我們挖掘并分析了產(chǎn)品聲譽(yù)趨勢的拐點(diǎn)，探索星級和評論之間的相關(guān)性，并分析了消費(fèi)者心理。結(jié)果，我們發(fā)現(xiàn)消費(fèi)者在一定程度上受到群體趨同的影響。為了探索重要的設(shè)計(jì)和功能，使用LDA對評論的內(nèi)容進(jìn)行分類并計(jì)算每個(gè)主題的詞頻。發(fā)現(xiàn)人們更擔(dān)心產(chǎn)品的操作難度，規(guī)格和質(zhì)量。最后，經(jīng)過上述研究，我們對產(chǎn)品的上市和銷售提出了自己的看法。

關(guān)鍵詞：在線評論;動態(tài)遞歸;時(shí)間序列

1.引言

在信息時(shí)代，互聯(lián)網(wǎng)的廣泛普及正在從許多方面改變?nèi)藗兊纳頪1]。網(wǎng)上交易給消費(fèi)者的購物方式帶來了巨大的變化[2]。盡管在線市場潛力巨大，但它也面臨一些不利條件。信息不對稱，不確定性和高風(fēng)險(xiǎn)的特點(diǎn)已經(jīng)成為網(wǎng)絡(luò)市場發(fā)展的巨大絆腳石。客戶進(jìn)行評分并發(fā)布評估結(jié)果，為潛在消費(fèi)者的購物決策提供參考依據(jù)[3]。

2.模型的建立與求解

2.1 基于時(shí)間指標(biāo)的建模

（1）基于神經(jīng)網(wǎng)絡(luò)的神經(jīng)序列的NAR模型構(gòu)建

分析總分之間的關(guān)系 和時(shí)間，我們將使用NAR模型進(jìn)行擬合回歸。NAR（非線性自回歸）是一個(gè)動態(tài)回歸神經(jīng)網(wǎng)絡(luò)，它是由靜態(tài)神經(jīng)元和網(wǎng)絡(luò)輸出反饋組成的回歸神經(jīng)網(wǎng)絡(luò)：

它由輸入層，隱藏層，輸入延遲層和輸出層組成。在網(wǎng)絡(luò)訓(xùn)練中，首先設(shè)置初始權(quán)重，然后模型自動連續(xù)調(diào)整權(quán)重，直到達(dá)到測試為止。 代表閾值，根據(jù)不同要求設(shè)置。在NAR動態(tài)神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)輸出有兩種模式，一種是開環(huán)（并行）模式，在這種模式下，輸出數(shù)據(jù)被反饋到輸入并在隱藏層中學(xué)習(xí)。另一種是閉環(huán)（串聯(lián)并聯(lián)）模式。在這種模式下，預(yù)期的輸出會重新上電以形成新的輸入。NAR神經(jīng)網(wǎng)絡(luò)模塊的數(shù)學(xué)模型可以表示為：

在這里，我們使用Matlab R2019a進(jìn)行分析，使用ntstool和輸入 按順序排列奶嘴，微波爐和熱風(fēng)。假設(shè)時(shí)間間隔相等，則默認(rèn)情況下使用70%的數(shù)據(jù)進(jìn)行訓(xùn)練，而使用15%的數(shù)據(jù)進(jìn)行驗(yàn)證。測試了15%的數(shù)據(jù)，生成的時(shí)間序列模型如下：

從表中可以看出，奶嘴和微波爐的回歸系數(shù)分別為0.7798和0.7168，擬合度比較好。擬合的直線首先穩(wěn)定，然后在一段時(shí)間后突然上升，然后再次穩(wěn)定，這表明兩者在產(chǎn)品售出后的一段時(shí)間內(nèi)，總評價(jià)得分趨于穩(wěn)定，并且在一段時(shí)間后，銷售中，口耳相傳會爆炸式增長，然后將保持相對良好的用戶評價(jià)。總體而言，評論分?jǐn)?shù)只是一個(gè)上升趨勢。

吹風(fēng)機(jī)的回歸系數(shù)為0.639，擬合度相對一般。擬合的直線從開始就急劇上升，然后穩(wěn)定一段時(shí)間，然后再次急劇上升，然后在上升一段時(shí)間后穩(wěn)定下來，這表明吹風(fēng)機(jī)開始銷售時(shí)的熱量，它會歡迎口碑上升，然后在一段時(shí)間內(nèi)保持口碑穩(wěn)定，然后再次歡迎進(jìn)行更好的審核，然后再穩(wěn)定下來。總體而言，評論分?jǐn)?shù)呈上升趨勢。

2.2 分析模型并找到文本指標(biāo)和評分指標(biāo)的組合

為了找到與產(chǎn)品成功或失敗相關(guān)的文本指標(biāo)和評分指標(biāo)，我們需要通過圖表大致找到模型的拐點(diǎn)或峰值。由于三條擬合線均在某個(gè)時(shí)間段內(nèi)爆炸，為了更好地表達(dá)曲線的趨勢，我們選擇一個(gè)時(shí)間段來替換與拐點(diǎn)或峰值相對應(yīng)的時(shí)間點(diǎn)，并分析文本測量值和等級測量值這個(gè)間隔。

根據(jù)分析，奶嘴和微波爐的時(shí)間序列曲線曾經(jīng)經(jīng)歷一次快速增長，而的時(shí)間序列曲線經(jīng)歷了兩次快速增長。取對應(yīng)于三個(gè)時(shí)間序列曲線的增長間隔的文本度量。分析，文本指標(biāo)和等級指標(biāo)的組合分析結(jié)果如下表所示：

從上表可以得出結(jié)論，當(dāng)文字測量和等級測量達(dá)到3.669和4.447時(shí)，對安撫奶嘴的評價(jià)將會增加;當(dāng)文字測量和等級測量達(dá)到4.002和3.987時(shí)，對微波爐的檢查將會增加;當(dāng)文本度量和等級度量達(dá)到3.629和3.357時(shí)，對吹風(fēng)機(jī)的審查將迎來第一個(gè)增加。當(dāng)文字和評分指標(biāo)達(dá)到3.916和4.287時(shí)，對吹風(fēng)機(jī)的審查將迎來第一個(gè)增長。

3.結(jié)論

通過本論文的研究得出，綜合評分可以幫助公司根據(jù)評級和審查數(shù)據(jù)來判斷產(chǎn)品是否滿足消費(fèi)者的要求，衡量產(chǎn)品的改進(jìn)空間并促進(jìn)產(chǎn)品的開發(fā)。同時(shí)建議公司鼓勵其客戶分享并提供反饋。面對積極的反饋意見，有利于樹立信心和提高工作熱情。為了處理負(fù)面反饋，我們可以將其轉(zhuǎn)變?yōu)楂@得客戶認(rèn)可的機(jī)會，這將有助于提高客戶忠誠度和滿意度，從而帶來更多潛在用戶。同時(shí)，顧客的評價(jià)有利于觸發(fā)產(chǎn)品的思維，從而進(jìn)一步優(yōu)化產(chǎn)品。

通過對擬合函數(shù)拐點(diǎn)附近的特定時(shí)間范圍內(nèi)的數(shù)據(jù)進(jìn)行挖掘和分析。發(fā)現(xiàn)時(shí)間節(jié)點(diǎn)前的星級與時(shí)間節(jié)點(diǎn)后的評論相關(guān)，即星級對客戶評價(jià)有一定影響。星級與消費(fèi)者的評論評分之間存在顯著的正相關(guān)。星級越高，消費(fèi)者的評論分?jǐn)?shù)越高。由于星級會因連鎖反應(yīng)而影響消費(fèi)者的決定，因此我們建議公司注意產(chǎn)品星級的變化并制定營銷計(jì)劃，以便及時(shí)應(yīng)對特殊情況。挖掘包含產(chǎn)品功能，質(zhì)量等描述的評論，并分析消費(fèi)者需求。結(jié)果表明，消費(fèi)者的注意力主要集中在質(zhì)量，規(guī)格，操作難度和價(jià)格上。因此，我們建議在產(chǎn)品發(fā)布之前，生產(chǎn)部門應(yīng)對產(chǎn)品進(jìn)行多次質(zhì)量測試，并在產(chǎn)品證書上附上在線商店，有利于弱化信息不對稱性，讓消費(fèi)者信任。購買產(chǎn)品。另外，應(yīng)在購買頁面上強(qiáng)調(diào)產(chǎn)品規(guī)格，以防止消費(fèi)者購買錯(cuò)誤的產(chǎn)品。除了將詳細(xì)說明附加到在線商店外，產(chǎn)品開發(fā)部門還可以改進(jìn)產(chǎn)品以使其使用更加方便。最后，我們建議在產(chǎn)品推出后進(jìn)行市場研究，以發(fā)現(xiàn)問題并及時(shí)做出調(diào)整。

參考文獻(xiàn)

[1] 郝家政，劉相伯，韓孜. 在線評論對消費(fèi)者購買力的影響研究綜述[J]. 中國市場，2019，12（26）：12-14.

[2] 范慧敏. 基于貝葉斯網(wǎng)絡(luò)的動態(tài)數(shù)據(jù)流分類研究[D]. 西安理工大學(xué)，2019.

[3] 宋曉敏. 基于改進(jìn)貝葉斯算法的中文信息分類研究[D]. 北京郵電大學(xué)，2019.