销量预测与动态定价
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
总利润 = (X – C) * N * Y = (X – C) * N * f(X)
24
定价策略迭代优化
1000 2000 3000 4000 5000
利润
0
180
200
220
240
260
销量
280
300
320 27
效果示例
调价前
• 价格：150 • 成本：80 • 销量：75 • 销售额：11250 • 利润：5250
销量预测的意义
• 广告营销
– 调整广告投放，精准投放广告
• 动态定价
– 调整定价策略，提高利润
• 库存管理
– 调整产品价格控制库存
• 产品研发
– 研究爆款产品属性，指导新品研发。
销量预测与动态定价：以酒店行业为例
最佳时间
最佳价格
最佳渠道 最佳客人 最佳收益
如何提高利润？
RevPAR(ProPAR)!
实现难点
商品信息抓取
实时更新
16
商品信息抓取
百分点大数据抓 取系统
不同类型网站 自定义模板 可视化操作
17
自定义竞争对手
18
实时更新
舆情管家系统
覆盖面广 实时监控 文本分析
19
价格监控
比
抓
价
取
规
则
动态定价
利润最大 化模型
收益最大 化模型
模型训练
销量 预测
模型预测
智能定价规则
• 系统默认提供常用的定价规则 • 自定义定价规则 • 可控制价格更新频率 • 不同商品采用不同的定价规则
RevPAR(Revenue Per Available Room) ProPAR(Profit Per Available Room)
价格?
出租率?
涨价!
减少 空房率!
酒店定价解决方案
销量预测
实时比价
动态定价
价格监控
比
抓
价
取
规
则
动态定价
利润最大化 模型
收益最大化 模型
模型训练
销量 预测
模型预测
用户触点
线上购买 ➢用户订单（产品、数 量、价格、收货地址、 收货联系人等）
热线服务 ➢客户问题、咨询、 投诉、订购
线下门店 ➢用户购买（ 产品、销售时间、 销售地点、价格等 ）
线下活动 ➢线下活动报告（ 主题、参加人数、奖品、时间、地点、组织人）
区域市场分析
解除困惑
总体销量预测模型
• 时间序列因素分解：
100% 20000
95%
20425
30%
9000
70%
17500
85%
19125
99%
19800
利润
500 1500 2000 3325 3600 4900 3825 1980
定价策略迭代优化
X ：价格 Y：销售量 C：成本 N：有效租房数 Y = f（X）
总收益 = X * N * Y =X * N * f(X)
销量预测与动态定价方案
影响销量的因素
• 品牌与质量 • 价格与市场定位 • 竞品状况 • 销售能力和投入 • 经济周期 • 随机波动因素
解除困惑
各渠道销量分析
PC端行为 ➢网页浏览 ➢广告点击 ➢… …
移动端行为 ➢终端信息 ➢APP列表，常用APP、使用次数 ➢WAP站浏览 ➢微信公众号
SNS粉丝经营 用户发帖、回帖、 评论
➢长期趋势因素 ➢季节性变动因素 ➢周期性变动因素 ➢随机变动
• 短期 vs 长期 • 常用预测模型方法
➢回归模型：LM、LR、GLM、SVM、 随机森林、神经网络…
➢时序模型：移动平均、指数平滑法、 ARIMA模型、ETS模型、TBATS模型…
• 预测效果检验
➢残差检验、关联度检验、后验差检验…
爆款预测
销量预测：可能需要的信息
最近装修？
网上携程、 竞争对手
价格
地区热点 事件？
历史 价格
最近 销量
消费者对 公司口碑 如何？
影响销量预测的因素
出租率?
价格
节假日
竞品价格
口碑值
热点事件跟踪
……
价格监控
比
抓
价
取
规
则
动态定价
利润最大 化模型
收益最大 化模型
模型训练
销销量量 预预测测
模型预测
价格实时监控
21
决策环
价格
• 价格定高了，居 住率变小了
• 价格定低了，利 润薄
决策环
95%
4
100%
3
100%
2
30%
5
70%
6
100%
1来自百度文库
85%
7
99%
8
100间房 成本价格180（元）
价格
185 195 200 215 300 250 225 205
居住率 销售额
100% 18500
100% 19500
竞品均价
竞品降10%
• 价格：260 • 成本：80 • 销量：45 • 销售额：11700 (104%) • 利润：8100 (154%) • 销售额提升：4% • 利润提升：54%
• 价格：234 • 成本：80 • 销量：69 • 销售额：16146 (138%) • 利润：10626 (131%) • 销售额提升：38% • 利润提升：31%
• 通过大数据研究爆款产品 的属性：
– 产品层：价格、功能、颜 色等
– 用户层：地域、年龄、消 费能力等
– 销售层：平台、广告、舆 情等
• 用机器学习算法筛选属性：
– 随机森林 – SVM模型 – LR模型
建模 分析
口碑扩 散分析
网络舆 情分析
用户关 注分析
DEMO：汽油销量数据(TBATS模型)
24
定价策略迭代优化
1000 2000 3000 4000 5000
利润
0
180
200
220
240
260
销量
280
300
320 27
效果示例
调价前
• 价格：150 • 成本：80 • 销量：75 • 销售额：11250 • 利润：5250
销量预测的意义
• 广告营销
– 调整广告投放，精准投放广告
• 动态定价
– 调整定价策略，提高利润
• 库存管理
– 调整产品价格控制库存
• 产品研发
– 研究爆款产品属性，指导新品研发。
销量预测与动态定价：以酒店行业为例
最佳时间
最佳价格
最佳渠道 最佳客人 最佳收益
如何提高利润？
RevPAR(ProPAR)!
实现难点
商品信息抓取
实时更新
16
商品信息抓取
百分点大数据抓 取系统
不同类型网站 自定义模板 可视化操作
17
自定义竞争对手
18
实时更新
舆情管家系统
覆盖面广 实时监控 文本分析
19
价格监控
比
抓
价
取
规
则
动态定价
利润最大 化模型
收益最大 化模型
模型训练
销量 预测
模型预测
智能定价规则
• 系统默认提供常用的定价规则 • 自定义定价规则 • 可控制价格更新频率 • 不同商品采用不同的定价规则
RevPAR(Revenue Per Available Room) ProPAR(Profit Per Available Room)
价格?
出租率?
涨价!
减少 空房率!
酒店定价解决方案
销量预测
实时比价
动态定价
价格监控
比
抓
价
取
规
则
动态定价
利润最大化 模型
收益最大化 模型
模型训练
销量 预测
模型预测
用户触点
线上购买 ➢用户订单（产品、数 量、价格、收货地址、 收货联系人等）
热线服务 ➢客户问题、咨询、 投诉、订购
线下门店 ➢用户购买（ 产品、销售时间、 销售地点、价格等 ）
线下活动 ➢线下活动报告（ 主题、参加人数、奖品、时间、地点、组织人）
区域市场分析
解除困惑
总体销量预测模型
• 时间序列因素分解：
100% 20000
95%
20425
30%
9000
70%
17500
85%
19125
99%
19800
利润
500 1500 2000 3325 3600 4900 3825 1980
定价策略迭代优化
X ：价格 Y：销售量 C：成本 N：有效租房数 Y = f（X）
总收益 = X * N * Y =X * N * f(X)
销量预测与动态定价方案
影响销量的因素
• 品牌与质量 • 价格与市场定位 • 竞品状况 • 销售能力和投入 • 经济周期 • 随机波动因素
解除困惑
各渠道销量分析
PC端行为 ➢网页浏览 ➢广告点击 ➢… …
移动端行为 ➢终端信息 ➢APP列表，常用APP、使用次数 ➢WAP站浏览 ➢微信公众号
SNS粉丝经营 用户发帖、回帖、 评论
➢长期趋势因素 ➢季节性变动因素 ➢周期性变动因素 ➢随机变动
• 短期 vs 长期 • 常用预测模型方法
➢回归模型：LM、LR、GLM、SVM、 随机森林、神经网络…
➢时序模型：移动平均、指数平滑法、 ARIMA模型、ETS模型、TBATS模型…
• 预测效果检验
➢残差检验、关联度检验、后验差检验…
爆款预测
销量预测：可能需要的信息
最近装修？
网上携程、 竞争对手
价格
地区热点 事件？
历史 价格
最近 销量
消费者对 公司口碑 如何？
影响销量预测的因素
出租率?
价格
节假日
竞品价格
口碑值
热点事件跟踪
……
价格监控
比
抓
价
取
规
则
动态定价
利润最大 化模型
收益最大 化模型
模型训练
销销量量 预预测测
模型预测
价格实时监控
21
决策环
价格
• 价格定高了，居 住率变小了
• 价格定低了，利 润薄
决策环
95%
4
100%
3
100%
2
30%
5
70%
6
100%
1来自百度文库
85%
7
99%
8
100间房 成本价格180（元）
价格
185 195 200 215 300 250 225 205
居住率 销售额
100% 18500
100% 19500
竞品均价
竞品降10%
• 价格：260 • 成本：80 • 销量：45 • 销售额：11700 (104%) • 利润：8100 (154%) • 销售额提升：4% • 利润提升：54%
• 价格：234 • 成本：80 • 销量：69 • 销售额：16146 (138%) • 利润：10626 (131%) • 销售额提升：38% • 利润提升：31%
• 通过大数据研究爆款产品 的属性：
– 产品层：价格、功能、颜 色等
– 用户层：地域、年龄、消 费能力等
– 销售层：平台、广告、舆 情等
• 用机器学习算法筛选属性：
– 随机森林 – SVM模型 – LR模型
建模 分析
口碑扩 散分析
网络舆 情分析
用户关 注分析
DEMO：汽油销量数据(TBATS模型)