羽绒服销量预测模型及其商业应用研究

摘　要：羽绒服产品的销售与气象条件密切相关。本文通过对气象信息与羽绒服销售信息的分析，建立了基于气象预报的羽绒服销售预测模型。

关键词：羽绒服 气象信息 销售预测模型
 近几年全球气候十分反常，由于2009年冬季气温较低，且持续时间较长，带动了羽绒行业整体销售业绩的增长，产品价格走高。受到09年羽绒服销售情况的影响，加之国外气象专家在去年年初预测2010年冬季北半球极可能出现大范围的低温天气，由此引发了2010 年羽绒行业大量厂家加大生产备货的浪潮。但气温却没有如国外气象专家预测的一样出现极端低温天气，反而由于羽绒服成本的提高造成了库存积压的现象。

淘宝网作为目前服装类商品的主要网络销售渠道，2010年冬季的羽绒服行业巨大波动势必对淘宝网经销羽绒服的卖家产生巨大影响。为了引导淘宝网卖家合理备货，规避天气造成的风险，淘宝网与北京维艾思气象信息科技有限公司于2011年3月正式开始合作研究气象信息与羽绒服销售的相关关系，并对预测模型的可行性进行初步研究。经过历时半年的分析交流，得到了气象信息与淘宝网羽绒服销售的预测模型，为了能及时的帮助淘宝卖家应对冬季的羽绒服销售，我们将预测模型结合未来10天的天气走势，对淘宝网2011年11月中旬羽绒服的销售量做出了初步的预测。

第一部分：2010年冬季羽绒服销售总体特点和区域特征

1、区域划分

由于羽绒材质商品的特性，羽绒行业的成交受到气温因素影响非常大，从成交时间来看，淘宝羽绒服销售呈现典型的季节性销售特点，成交主要集中在每年的11 月、12 月、1 月，这3 个月的成交金额占全年成交金额的90%。观察44个城市的日成交数据后，发现地理位置相近的地区，其日成交数据的变化情况也基本相似，因此我们将44个城市的原始数据进行统一的数据处理，利用其各自的数据特征值进行相似分区，以减小后期拟合的工作量，便于总结出具有更大包含范围的预测模型。

通过多种处理方式，在消除了城市间的规模差别和网络发展年际差别所带来的影响后，根据数据之间的交叉相关分析结果将44个城市分成了11个大区，分别是：东北内陆地区、内蒙地区、京津冀晋地区、辽东和山东半岛、苏浙沪地区、鄂湘赣地区、福建广东广西地区、四川地区、云南地区、贵州地区、西部地区（包括新疆、青海、甘肃、陕西、宁夏、河南）。

根据淘宝平台羽绒类产品消费数据划分而成的区块与气象区域划分具有很高的相似性，因此可以说明在同一区块中的不同城市的消费者具有十分类似的消费行为表现。

2、各区域2010年冬季的成交分布特性

东北内陆地区作为羽绒服的传统消费地区，早在9月中旬就具有明显的成交增大迹象。随着气温的逐步降低，该地区的成交量也呈指数形式上涨，并在10月中旬至12月中旬期间持续表现出交易量企稳的态势。但在进入12月下旬开始，其日消费量与实际气象数据的走势差异越来越大，成交量明显缩小。在春节前一周骤降至淡季水平。

京津冀晋地区、辽东半岛和山东半岛地区的成交分布具有一定的相似性，两地区均是在9月下旬开始有明显的成交现象，在10月中旬两地均迎来成交量的骤然上升，此后一直保持一个较高水平震荡，直到春节前一周成交量骤然降入淡季。

西北地区和内蒙地区在成交旺季的到来时间上基本与北方地区类似，但是在进入销售旺季之后会经历两个不同的阶段。随着气温的逐步降低，两区的成交量在12月中旬时会快速激增，增长幅度约为前一阶段的30%。

中国南方地区其成交行为明显要比北方地区到来的要晚，且普遍经过两个月左右的缓慢爬升才能逐步上升到最大。在12月中旬后其销量往往比之前的销量数据增加约100%。

云贵地区由于温度变化相对比较缓和，所以其羽绒服类商品的成交波动也较其他区域有着比较明显的区别。其成交数据基本在10月下旬达到高点，此后将一直进行窄幅震荡。

第二部分：预测模型建立

  对比观察不同城市2009年11月1日至2011年3月31日羽绒服的销售量分布后发现了其存在的几个特点：

①地理位置接近的地区，其羽绒服销量分布的大体趋势非常接近，但量级差异很大；

②同一城市不同年份的成交量和点击量也存在一定的数量级差异

③成交数量分布在距离春节一周时开始陡然下降；在春节以后，全国绝大部分城市羽绒服消费基本进入淡季，销售量基本在春节前的6%以下。

通过对照2009年11月1日至2011年3月31日标准化的销售量和平均温度数据（以北京为例），我们发现：

在羽绒服销售的旺季，点击量和销售量与标准化的平均温度表现出明显的反向相关关系。北京地区羽绒服销售旺季均开始于十月中下旬，当标准化平均温度线降至0线以下时，开始进入羽绒服销售旺季。销售旺季的结束通常较标准化温度上升至0线以上早。可见，标准化平均温度可以作为羽绒服销售量以及旺季开始结束的指标之一。

通过对比拟合效果，我们建立了以平均温度作为自变量的销量预测方程，其通式为：Y=C+b₁x+b₂x²+b₃x³（x代表平均温度，Y代表羽绒服销售量）。回归方程中C、b₁、b₂、b₃分别为常数项、一次项、二次项和三次项的系数。不同的地区C、b₁、b₂、b₃的取值不同。

第三部分：预测模型检验

经过大量的时段分析和模型检验，最终确定各城市的预测模型，根据各地不同的气象指数最终可以预测得到当地当日的羽绒服成交指数。

我们在每个区域中选取了一个城市作为代表城市，其拟合结果数据与实际数据进行对比，结果发现：预测模型拟合度均达到了比较高的水平，其中11个代表城市中9个城市的拟合度高于80%。由于成交量会在春节前一周出现骤降并且与气温无关，并且春节后的成交数量相对节前销售旺季来说总量占比较低，因此本次验证得出的回归模型的预测时段为2010年9月1日至2011年1月21日（春节前前一周），其累积销售数量约占到整个冬季销售量的95%以上。综上所述，我们所建立的利用气象数据等复合数据对羽绒服成交量进行预测的模型是可用的。

第四部分：模型预测产品试验

根据之前得到的模型，我们对2011年冬季的气象数据和羽绒服实际成交数据进行了实际跟踪，并利用未来10天的气象预报对淘宝网羽绒服成交情况做出了预测。以下预测分析图中实际成交指数为淘宝网的实际数据，预测成交指数是气象数据代入预测模型得到的拟合结果，其中，11月11日之前的部分是实际气象数据的拟合结果，11月11日之后的部分是利用气象预报数据进行的模型预测，具体分析如下图（仍以京津冀晋地区和苏浙沪地区为例，其余地区图略。图中的数值坐标仅代表统计处理后的指数，并不能严格代表某个实际单位量）：

以上分析显示，我们的模型在2011年冬季的羽绒服销售拟合中也有较好的效果。模型预测试验显示2011年11月中旬我国北方地区的羽绒类商品销售的变化幅度较小，基本保持缓慢上升状态；而受降温过程的影响，我国南方地区羽绒类商品的销售将会有较大波动。商家可根据历史销售的区域分布情况进行综合分析参考。