数学建模报告电子商务平台销售数据分析与预测_精品文档Word文档下载推荐.doc

1、作者电子商务平台销售数据分析与预测摘要：对电子商务平台销售数据分析与预测要建立在数据的基础上，但世界工厂分析认为，现在不是缺数据，而是数据太多。据统计，在今天的互联网上，每秒会产生几百万次的搜索、网络上会有几十万次的内容。稍大的电子商务公司，都会采集一些行为数据，这些数据中包含了大量对市场分析，预测有用的潜在信息,对这些信息进行深度分析,企业可以改进电子商务网站的质量并且可以提高电子商务的经营效率。论文以购买历史数据为预测客户行为的基础数据,采用神经网络，马尔可夫链方法为建模工具,对电子商务的客户访问行为、商品销售预测等问题进行了研究。本论文的主要工作如下: 1.分析每个店铺的销售特点（包括价

2、格，服务态度，售后服务，产品质量，优惠，日常管理等店铺政策）和其销售量的关系，可用雷达图法进行分析，建立最大利润函数模型。 2.利用效用函数对所搜集到商品信息进行数学模型，但仅仅按照两种商品进行建立，需要进一步的扩展。3.利用MATLAB统计中的命令regress求解。将回归系数的估计值带入模型中，即可预测未来两年的销售总额。 正文：问题一：搜集同一款手机（三星note3）销量前20位的店铺相关信息，把这些信息与销售量进行相关性分析，并据此对店铺如何提高销售量提出建议。分别到京东商城，国美，苏宁，亚马逊，淘宝等相关网站了解相关的店铺的信息得到销售量前20位的店铺。分析每个店铺的销售特点（包括价

3、格，服务态度，售后服务，产品质量，优惠，日常管理等店铺政策）和其销售量的关系。分析用户的购买情况同等重要。（此雷达图摘自百度文库）利用条形图进行不同的店铺之间的对比，饼状图同店铺不同要素之间的影响进行对比分析。对每一个影响因素建立最大利润函数模型f（x）=ax2+bx+c,每一种因素分别对应x1,x2.。得到图形，利用图形对店铺进行销售建议。问题二：针对某一种类的商品（比如女式凉鞋），搜集50组店铺对应的商品信息（至少涵盖销量、价格、用户评价、品牌、样式、材质等信息），并据此建立数学模型分析用户的消费习惯。 为简答起见，假定只有甲乙两种商品供消费者购买，下面建立的模型可以推广到任意多种商品的情

4、况。效用函数：当消费者购得数量分别为x1,x2的甲乙两种商品，给消费者带来的效用可以用一个数值来度量，它是x1,x2的函数，记作u（x1,x2）利用等高线的概念在x1,x2平面上画出效用函数u（x1,x2）的等效用线。等效用线u（x1,x2）=c是一族单调减、下凸、互不相交的曲线，随着效用值c的增加曲线向右上方移动，曲线的具体形状由甲乙两种商品对消费者带来的效用，或消费者对甲乙两种商品的偏爱程度决定。效用最大化模型:设甲乙两种商品的单价分别为p1,p2，消费者准备付出的钱为y，则他购得的甲乙两种商品的数量x1,x2，满足P1x1+p2x2=y效用函数的构造：u（x1,x2）=（a/x1+b/x

5、2）-1,a,b即按照效用最大化购买两种商品所用钱的比例，与商品价格比的平方根成正比，比例系数是参数a与b之比的平方根，其中a与b分别度量甲乙两种商品对消费者的效用或者消费者对甲乙两种商品的偏爱。问题三：搜集一个电商交易平台年销售总额的历史数据，并预测未来两年的销售总额。搜集京东手机销售的历史数据，利用近两年的数据和销售的影响因素，记销售量为y,价格等其他因素为x1,x2.。利用数据做出y对x1,x2.的散点图。直线用y=ax+b,曲线用二次函数模型y=ax2+bx=c.利用MATLAB统计中的命令regress求解。格式为：【b,bint,r,rint,stats】=regress（y,x,alpha）得到模型的回归系数估计值及其置信区间，检验统计量。6