基于GM(1,1)模型的亚马逊平台下B电商公司销量预测

陆婷婷 翁世洲 钟谨贵

[摘 要]互联网+信息时代正在崛起，传统外贸企业向跨境电子商务转型是时代发展的必然之路。基于亚马逊物流配送平台和B公司现状，应用灰色预测模型对该公司商品销售数据进行分析与预测。根据预测结果可知，公司商品未来四个月的销量呈增长趋势，但商品之间的销量存在较大差异。借助销量预测，既能帮助公司制定较准确的销售计划来有效运营亚马逊店铺，又能降低企业库存成本，并为其他转型中或已完成转型的中小企业在制定销售计划和库存计划时提供借鉴。

[关键词]亚马逊平台;电商公司;销量预测;灰色预测模型

[中图分类号] F019.3[文献标识码] A[文章编号] 2095-3283（2020）01-0109-04

Abstract： The Internet + information age is emerging， Its an inevitable way that the transformation of traditional foreign trade enterprises into cross-border e-commerce. On the basis of the author's practical experience in e-commerce ， based on the Amazon logistics distribution platform and current situation of company B， this paper applies Grey prediction model to analyze and forecast the company's commodity sales data. According to the forecast results， the sales volume of the company's products in the next four months is increasing， but the sales volume between the products is quite different. With the sales forecast， it can help the company to develop a more accurate sales plan to effectively operate Amazon stores and reduce the cost of enterprise inventory. And provide a reference for other SMEs in transition or completed transformation when developing sales plans and inventory plans.

Keywords： Amazon Platform; E-commerce Company; Sales Forecast; Grey Prediction Model

一、引言

在跨境電子商务蓬勃发展，传统外贸形势下滑、企业盈利空间缩小，及中美贸易摩擦的大背景下，企业转型成了许多中小企业的共同目标。随着亚马逊跨境电商平台的发展和完善，许多中小企业选择亚马逊平台作为转型的路径之一，这减少了中小卖家在配送方面的烦恼，但也存在着库存积压和缺货损失并存的现象。B公司从传统外贸公司已经逐渐转型为集传统外贸、跨境B2C为一体的综合性贸易公司。以B公司为例分析其销售现状和库存问题，可为该企业和诸多类似的中小型电商公司在解决销量预测及库存问题上提供参考。

国外学者关于销售预测方面的研究较多。如W.K. Wong（2010）[1]等人为解决服装销售中期预测问题，提出了一种由数据预处理和HI预测器组成的混合智能模型。Yong Yu （2011）[2]等人提出了一种同时利用极值机（ELM）和传统的统计方法。运用真实数据进行有效实验，与其他传统方法比较，该ELM预测模型快速有效。Xia（2014）[3]提出了一种基于周期截断累加修正项的季节性离散灰色预测模型，并通过算法验证了该模型对短期历史数据的服装零售预测是可行的。

国内学者也进行了一系列相关研究，在销量预测研究方面，薛美君（2004）[4]等人运用季节性因素与统计分析方法对销售量进行定量预测。万艳敏（2006）[5]等人从服装销售的现实特征入手，引入PERT模型和时间序列模型，尽可能地消除销售预测中操作的不标准性和预测的主观性。喻琳艳（2006）[6]将服装产品划分为需求确定型、需求随机型和需求季节型三种，并针对随机型服装产品，建立服装销量的灰色预测模型，以更好地针对服装产品特征进行预测。在海外仓库存管理研究方面，钱珊（2016）[7]指出电子商务企业库存管理存在着库存水平过高、库存准确率低下、库存消耗过大等问题。罗玥（2016）[8]指出海外仓促进了跨境电商的发展，但也存在着自建成本高、清关、产品知识产权、库存压力等问题。孟亮（2017）[9]等人指出亚马逊FBA仓储模式具有很强的时间正向相关性，一旦商品滞销，将导致仓储成本攀升。余丽婷（2017）[10]等人表示跨境电商在报童模型的基础上进行海外仓库存决策时，要考虑到商品的退货率和单位处理费用。

综合文献分析结果可知，国内外学者关于销量预测和库存管理方面的研究较多，且大部分都是在搭建企业背景的前提下，运用模型对其生产库存进行优化，研究海外仓领域的文献多从海外仓的选址问题或是模式选择出发，但涉及到基于海外仓配送模式下的企业销量预测和企业库存优化探究课题很少。

二、销量预测模型简述

由于商品的销售情况受消费者的个人喜好、广告宣传、季节变动等多因素影响，特征伴随着明显的不确定性和不稳定性，且相关数据受到限制不能全部获取，并受到不确定因素影响，因此选用灰色系统GM（1，1）模型对商品销量进行预测，该方法不需要大量的时期数据做支撑，便可对数据进行准确预测，可操作性较强。

灰色預测模型（Gray Forecast Model）[11]是通过少量的、不全面的信息，建立数学模型并做出预测的一种预测方法。

（一）模型基本步骤

三、B公司销量预测实证分析

（一）模型参数求解

B公司注册于2010年，是一家集生产制造与传统外贸于一体的公司，主营围巾、围脖、针织帽等流行服装配饰，沙滩巾、睡帽等纺织品，出口到欧美国家和地区。B公司是一家集传统外贸及新兴跨境电子商务为一体的贸易公司，于2016年8月注册了亚马逊美国站店铺，店铺成立初期采用自发货和FBA发货相结合的模式，以自发为主，FBA为辅。

（二）模型检验

灰色模型的精度检验一般有三种方法：相对误差大小检验法，关联度检验法和后验差检验法，本文就相对误差大小检验法、后验差检验法对选取的模型进行精度检验。

1.相对误差检验法：根据所求得的预测模型及相关公式，求出2018年6月至2019年5月沙滩巾STJ-020-000的销量预测值，然后与实际值进行对比，并计算残差值、相对误差值如表2所示，结果显示残差值在-5～28之间随机波动，相对残差绝大部分在10%以内，属于较为理想状态。

2.后验差检验法：对2018年6月至2019年5月沙滩巾STJ-020-000的预测值进行后验差检验。x（0（K）的均值，残差E的均值，原始序列方差S12=2126.74， 残差序列方差S22=90.56，均方差比值C=S2 / S1=0.21<0.35，表明预测符合精度一级。

（三）模型预测及分析

根据上文可得STJ-020-000在2019年6月至9月的销量预测值分别为：157，190，230，279。由于该模型比较可靠，同理运用灰色预测GM（1，1）模型对B公司27款沙滩巾商品2019年6月至9月的销量进行预测，预测值如表3所示。

本文选取B公司沙滩巾在2018年6月至2019年5月的销售数据，运用灰色预测GM（1，1）模型对沙滩巾的销量进行预测，从检验结果来看，所有数据均通过后验差检验，其中高达70%的数据后验差比值为一级，其余为二级，最大值0.48，最小值0.08，表明预测精度比较可靠，拟合度高。这也说明该模型适用于B公司商品销量数据的预测，对其公司在制定库存计划、优化库存管理等方面具有重要的指导作用。由预测结果可预见，B公司沙滩巾未来销量呈增长趋势，但不同商品之间的销量差也较大，因此，对其库存采用不同的管理模式也很有必要。

四、结语

本文运用灰色预测模型GM（1，1）对商品的销量进行预测，所得结果精度较高，对有效解决B公司销量预测及库存问题，进而降低其库存成本，帮助企业站稳市场具有一定的参考意义。由于数据有限，本文只运用了一种模型进行预测，预测精度和预测范围都有待进一步提高。在未来研究工作中，可在获取更多数据的基础上，尝试采用不同的预测模型对其进行研究，以丰富和完善销量预测的应用前景，解决企业经营中的实际问题。

[参考文献]

[1]Wong W K ， Guo Z X. A Hybrid Intelligent Model for Medium-Term Sales Forecasting in Fashion Retail Supply Chains Using Extreme Learning Machine and Harmony Search Algorithm[J]. International Journal of Production Economics， 2010， 128（2）： 614-624.

[2]Yu Y， Choi T M， Hui C L. An Intelligent Fast Sales Forecasting Model for Fashion Products[J]. Expert Systems with Applications， 2011， 38（6）： 7373-7379.

[3]Xia M， Wong W K. A Seasonal Discrete Grey Forecasting Model for Fashion Retailing[J]. Knowledge-Based Systems， 2014， 57（2）： 119-126.

[4]薛美君，沈剑剑，杨以雄.服装销售定量预测方法新探[J].东华大学学报（自然科学版），2004，3（6）：75-77.

[5]万艳敏，陈胜，戴淑娇.基于时间序列和PERT的服装销售预测方法研究[J].丝绸，2006（11）：60-63.

[6]喻琳艳.需求随机型服装产品的灰色预测模型[J].国际纺织导报，2006（8）：78-80.

[7]钱珊，周佳.电子商务环境下的企业库存商品管理研究[J].湖北工业职业技术学院学报，2016，29（1）：70-73.

[8]罗玥.跨境电商“海外仓”的风险分析及对策建议[J].物流科技，2016，39（11）：136-139.

[9]孟亮，孟京.我国跨境电商企业海外仓模式选择分析——基于消费品出口贸易视角[J].中国流通经济，2017，31（6）：37-44.

[10]余丽婷，陆克斌.海外仓模式下跨境电商无缺陷产品退货的报童问题研究[J].西昌学院学报（自然科学版），2017，31（2）：75-79.

[11]王庆庆，李谋涛，张星杰.基于灰色预测GM（1，1）模型的体育彩票销量预测[J].黄山学院学报，2018，20（3）：105-109.

（责任编辑：郭丽春 董博雯）