營銷數(shù)據(jù)分析 教案 李永發(fā) 第4章基于ARIMA模型的產(chǎn)品生命周期預測教案

第4章基于ARIMA模型的產(chǎn)品生命周期預測教學內(nèi)容一、問題的提出二、時間序列法與ARIMA模型三、產(chǎn)品生命周期預測案例示范教學要求【知識目標】了解產(chǎn)品生命周期概念；了解時間序列法。【技能目標】掌握ARIMA模型方法，并能應用于預測產(chǎn)品生命周期。教學重點產(chǎn)品生命周期理論；ARIMA算法的應用。教學難點ARIMA模型的構建；產(chǎn)品生命周期曲線繪制與解讀。教學方法講授法、案例法、任務驅(qū)動法、演示法課時數(shù)6課時教學內(nèi)容問題的提出一、產(chǎn)品生命周期理論產(chǎn)品生命周期是指產(chǎn)品從進入市場到離開市場所經(jīng)歷的市場生命循環(huán)過程。因此，產(chǎn)品生命周期理論也被稱為“商品循環(huán)”理論。正常來說，所有產(chǎn)品都要經(jīng)歷從暢銷到滯銷，并遵循產(chǎn)品生命的周期性，即歷經(jīng)引入、成長、成熟、衰退四個階段。具體問題設計目前獲取了某公司2015年1月-2021年9月國際貿(mào)易產(chǎn)品液晶電視的出口數(shù)據(jù)。該數(shù)據(jù)運營專員準備借助時間序列算法對生產(chǎn)線的生命周期進行預測，得出生產(chǎn)線生命周期，判斷下一個時期也就是2021年10月企業(yè)生產(chǎn)線處于哪個階段，并給予企業(yè)對于生產(chǎn)線的控制建議。問題解決思路在產(chǎn)品引入期，生產(chǎn)線處于生產(chǎn)初期，產(chǎn)出的速度較為平緩，只需滿足處于市場淡季時的需求即可；在產(chǎn)品成長期，市場需求量呈持續(xù)增長狀態(tài)，此時生產(chǎn)線處與上升期，產(chǎn)出速度需跟緊市場需求加大產(chǎn)品生產(chǎn)，為企業(yè)進行大范圍產(chǎn)品投放做好基礎；在產(chǎn)品成熟期，產(chǎn)品在數(shù)量上的需求已經(jīng)達到頂峰，這個階段的生產(chǎn)線進入穩(wěn)定期，需結(jié)合消費者需求注重提升產(chǎn)品本身，從而延長產(chǎn)品的成熟期；在最后的產(chǎn)品衰退期，生產(chǎn)線進入退化期，為減少企業(yè)損失，生產(chǎn)線需降低生產(chǎn)速度最后回到引入期的生產(chǎn)狀態(tài)。所以生產(chǎn)線生命周期又是基于產(chǎn)品生命周期形成的。由此，結(jié)合數(shù)據(jù)源本次案例的基本思路如下：對液晶電視機的出口數(shù)據(jù)進行分析，預測后期的市場規(guī)模。得到產(chǎn)品生命周期，針對產(chǎn)品生命周期曲線判斷2021年10月企業(yè)生產(chǎn)線處于哪個階段，并給出相關建議。產(chǎn)品的生命周期是具有時間規(guī)律的，案例源數(shù)據(jù)已知2015年1月-2021年9月的歷史數(shù)據(jù)，想要得到后期的市場規(guī)模，可以通過時間序列進行預測。時間序列法與ARIMA模型一、時間序列法時間序列（或稱動態(tài)序列）是指將數(shù)據(jù)依據(jù)某一相同統(tǒng)計指標以及產(chǎn)生的先后順序排列而成的序列。時間序列分析能夠以現(xiàn)有的歷史數(shù)據(jù)為基礎，對未來進行預測。大多數(shù)經(jīng)濟數(shù)據(jù)都是以時間序列的形式呈現(xiàn)。根據(jù)觀察的時間差異，時間序列中的時間可以是年、季度、月或其他時間格式。競爭數(shù)據(jù)分析是指分析競爭對手的數(shù)據(jù)。ARIMA模型數(shù)據(jù)平穩(wěn)化處理時間序列的平穩(wěn)性是使用ARIMA模型的前提條件，所以對序列進行平穩(wěn)性檢驗是必要的。通過時間序列散點圖、自相關系數(shù)圖（ACF）、偏相關系數(shù)圖（PACF）和單位根檢驗（AugmentedDickey-Fuller，ADF）來可以初步判斷序列的平穩(wěn)性，再利用統(tǒng)計學方法精確地對數(shù)據(jù)的平穩(wěn)性進行測定。對于非平穩(wěn)序列，可以采用對數(shù)法或差分法對其進行平穩(wěn)化處理，反復進行以上步驟，直至獲得一個穩(wěn)定的序列。數(shù)據(jù)平穩(wěn)化處理后，ARIMA（p，d，q）模型即轉(zhuǎn)化為ARMA（p，q）模型。模型識別ARIMA模型預測的準確程度取決于參數(shù)組合（p，d，q）的合理性。根據(jù)差分運算法則，依次選取d=1，2，3……，并對序列進行d階差分運算，可以得到一個新的序列。對新序列進行平穩(wěn)性檢驗，直至數(shù)據(jù)平穩(wěn)，此時差分定階為d，得到ARMA（p，q）模型。自相關系數(shù)和偏自相關系數(shù)兩個統(tǒng)計指標的引入可以幫助確定ARMA（p，q）模型的系數(shù)特性及模型階數(shù)。對于經(jīng)過處理的平穩(wěn)序列，可以通過ACF圖或者PACF圖分析函數(shù)截尾或者拖尾的情況對ARMA（p，q）模型中p和q的階數(shù)進行估計。選擇合適的階數(shù)后根據(jù)赤池信息準則（akaikeinformationcriterion，AIC）匹配合適的模型。如果自相關函數(shù)顯示拖尾，而偏相關函數(shù)顯示結(jié)果為截尾，這說明該序列適用AR模型；反之，如果相關函數(shù)顯示截尾，而偏相關函數(shù)顯示結(jié)果為拖尾，則該序列適用MA模型；如果自相關函數(shù)和偏相關函數(shù)都顯示拖尾，則該序列適用ARMA模型。由于自相關函數(shù)轉(zhuǎn)變?yōu)橹芷谛蛄?，所以可以采用乘積季節(jié)模型。當序列的自相關函數(shù)規(guī)率較高時，則需對序列進行非線性模型擬合。模型檢驗在模型識別與參數(shù)估計結(jié)束后，需要對所選模型與估計結(jié)果進行評估與檢驗，以保證所選模型的有效性。如果評估結(jié)果顯示不合適，則需更換或者修改現(xiàn)有模型?？梢酝ㄟ^t檢驗對參數(shù)估計進行顯著性檢驗，使用Q檢驗對模型的殘差序列進行白噪聲檢驗，若檢驗結(jié)果顯示為白噪聲，則該模型適用；若結(jié)果顯示不是白噪聲，則說明在模型的誤差序列中存在相關信息沒有被提取，同時表明該模型不適用或者不夠有效。模型預測ARIMA模型是一種描述隨著時間推移而產(chǎn)生的數(shù)據(jù)序列的方法。該模型一經(jīng)確定有效性，便能根據(jù)模型實現(xiàn)某種程度的短期預測，獲取研究結(jié)論。時間序列法與ARIMA模型探索數(shù)據(jù)源2015年1月-2021年9月國際貿(mào)易產(chǎn)品液晶電視的出口數(shù)據(jù)”，表中包含了統(tǒng)計日期內(nèi)的產(chǎn)品出口數(shù)量、產(chǎn)品出口金額以及對應的匯買價。對數(shù)據(jù)進行預處理修改數(shù)據(jù)類型為保證時間序列成功運行需要將“日期”字段的數(shù)據(jù)類型修改為“date”日期類型，此步驟可以通過平臺的“元數(shù)據(jù)編輯”節(jié)點進行實現(xiàn)。特征選擇在正式建模之前要進行特征設置，由于本案例是通過時間序列方法進行預測，且預測的是出口金額，所以在“特征選擇”中，將“日期”設為特征列、“出口金額（萬元人民幣）”設為標簽列。構建ARIMA模型使用平臺“ARIMA算法”，ARIMA參數(shù)使用默認設置（1，0，1），來預測2021年9月后近一年多的產(chǎn)品出口金額數(shù)據(jù)。預測得到生命周期數(shù)據(jù)節(jié)點運行后得到的prediction為預測的預測結(jié)果，對應“出口金額（萬元人民幣）”一列。判斷2021年10月處于的市場階段，需要觀察歷史趨勢和后期變化趨勢，兩者結(jié)合確定當前市場階段。繪制生命周期曲線在自助儀表盤中，選擇目標數(shù)據(jù)源，將“日期”拖入列并進行升序排序，將“出口金額（萬元人民幣）”拖入行，設置圖表類型為折線圖即可獲得產(chǎn)品生命周期曲線，觀察產(chǎn)品生命周期曲線，根據(jù)前后趨勢變化，可以看出2021年10月處于產(chǎn)品成熟期。此時，企業(yè)生產(chǎn)線正處于穩(wěn)定期，需要根據(jù)消費者需求來提升產(chǎn)品，幫助延長產(chǎn)品成熟期，從而給企業(yè)創(chuàng)造更多收入。產(chǎn)品策略的優(yōu)化與動態(tài)管理深入分析產(chǎn)品組合中各個產(chǎn)品線、產(chǎn)品項目后，要針對企業(yè)自身資源條件、市場環(huán)境和競爭態(tài)勢，進行產(chǎn)品組合決策調(diào)整。產(chǎn)品組合的一般決策包括：產(chǎn)品線延伸策略，擴大或縮減產(chǎn)品組合策略。大數(shù)據(jù)背景下的企業(yè)產(chǎn)品組合決策相比于傳統(tǒng)營銷的產(chǎn)品組合決策本質(zhì)上