Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
jd_liuxinchen ee1d81de40 | 3 months ago | |
---|---|---|
.DS_Store | 2 years ago | |
JD_data_regression_product_level.py | 2 years ago | |
README.md | 3 months ago | |
calculated_brand_data.xlsx | 2 years ago | |
ppr_coeffecients.xlsx | 2 years ago | |
stepwise_results.txt | 2 years ago |
发明人:Yangyang Xie (解扬洋)
单位:School of Management, USTC, 中国科学技术大学管理学院
本算法借助电商平台的销售数据,基于提出的“性价比”效用概念,从产品和品牌两个层面,对模型进行校正分析,并基于贝叶斯准则下的多元逐步回归分析,为企业提供研发和营销策略建议。
如何更好地刻画需求不确定性,帮助企业降低风险,实现更精准的供需匹配,是企业在运营管理过程中的核心关注点之一。在该研究领域,需求的分析刻画,通常基于对消费者效用形式的假设和推导。许多经典研究工作,均基于“消费者剩余”这一效用形式开展,而对其它形式的消费者效用,探索较为有限。本算法针对需求端中的需求量和提前期敏感度两方面的不确定性,基于全新的“性价比”消费者效用形式,展开对消费者需求的预测。
提出“性价比”效用模型,探索性价比效用如何影响消费者行为并进而改变销售商博弈的市场均衡点,并最终基于大数据为性价比市场中的销售商提供决策建议。模型运用来自北京奥维公司的中国彩电市场零售数据,基于所提出的性价比理论模型的均衡解,估算中国彩电市场各主要品牌的性能。奥维公司提供的数据集中,包含了各品牌销售的电视机型的清晰度、屏幕尺寸、3D电视、智慧电视、网络电视、数字电视等功能信息。本算法通过逐步多元回归分析,确定各个功能参数对品牌性能的影响,并考察各功能参数对不同品牌的影响是否一致。此外,模型还估算基于盈余式效用模型的品牌性能,作为比较对象。
借助电商平台的销售数据,基于提出的“性价比”效用概念,从产品和品牌两个层面,对模型进行校正分析,并基于贝叶斯准则下的多元逐步回归分析,为企业提供研发和营销策略建议。
各品牌产品组合的性能将影响销售商在市场均衡下的价格、市场份额和销售利润。除此之外,市场均衡还受到各品牌价格敏感度的影响。基于数据集和性价比模型,本算法将分析品牌性能和价格敏感度之间是否存在相关关系;若存在,性能和价格敏感度将如何一同影响市场均衡。基于分析结果,为品牌的产品研发提出建议。
多元逐步回归分析,程序文件为“JD_data_regression_product_level.py”
程序输入为整理后的中国彩电市场品牌、价格、市场份额、机型参数等数据,文件名为“calculated_brand_data.xlsx”
程序输出为基于两种选择模型的回归结果(“stepwise_results.txt”)、基于性价比模型的回归变量及相应系数(“ppr_coeffecients.xlsx”)
本算法借助电商平台的销售数据,基于提出的“性价比”效用概念,从产品和品牌两个层面,对模型进行校正分析,并基于贝叶斯准则下的多元逐步回归分析,为企业提供研发和营销策略建议。
Text Python
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》