劉 崢，徐 琪

（東華大學(xué) 旭日工商管理學(xué)院，上海 200051）

基于服務(wù)－購買意愿的雙渠道短生命周期產(chǎn)品需求預(yù)測模型
——以快時(shí)尚服裝行業(yè)為例

劉 崢，徐 琪

（東華大學(xué) 旭日工商管理學(xué)院，上海 200051）

以短生命周期產(chǎn)品的代表快時(shí)尚服飾產(chǎn)品為研究對象，在現(xiàn)有Bass模型的基礎(chǔ)上，引入平均服務(wù)影響因子和商品平均重復(fù)購買率以反映實(shí)際需求.通過算例分析比較模型改進(jìn)前后的主要預(yù)測指標(biāo)，從而闡明基于服務(wù)－購買意愿的改進(jìn)Bass模型能夠更好地實(shí)現(xiàn)短生命周期產(chǎn)品的需求預(yù)測.

改進(jìn)Bass模型；雙渠道；短生命周期產(chǎn)品；快時(shí)尚服裝；需求預(yù)測

隨著信息技術(shù)和電子商務(wù)技術(shù)的迅猛發(fā)展，越來越多的企業(yè)在采取傳統(tǒng)零售分銷策略的同時(shí)也開辟了網(wǎng)上直銷渠道，雙渠道經(jīng)營模式已經(jīng)成為制造商擴(kuò)大經(jīng)營范圍的首選.然而，企業(yè)在借助雙渠道經(jīng)營模式擴(kuò)大銷量的同時(shí)，也不得不正視兩渠道間的沖突與協(xié)調(diào)問題［1－3］.另外，科技的進(jìn)步和人們需求層次的提高使得產(chǎn)品的規(guī)格和種類越來越多，產(chǎn)品的生命周期縮短，給企業(yè)帶來巨大經(jīng)營風(fēng)險(xiǎn)的同時(shí)，也給企業(yè)帶來了機(jī)遇和挑戰(zhàn)［4］.以“快、狠、準(zhǔn)”為主要特征的快時(shí)尚服飾產(chǎn)品作為短生命周期產(chǎn)品的代表，近年來迅速興起.如果能夠?qū)崿F(xiàn)對短生命周期產(chǎn)品所處的整個(gè)生命周期內(nèi)的活動(dòng)進(jìn)行較為準(zhǔn)確科學(xué)的預(yù)測，就能快速反映顧客需求，增強(qiáng)市場競爭力.

成熟的傳統(tǒng)預(yù)測方法包括定性方面的專家會(huì)議法、德爾菲法、銷售人員意見綜合法以及定量方面的時(shí)間序列分析法、遺傳算法、回歸分析法、貝葉斯分析法等，這些方法更多的是用在耐用品預(yù)測上，往往需要可靠的歷史數(shù)據(jù)或者要求產(chǎn)品生命周期形態(tài)已知，這對于短生命周期產(chǎn)品而言是難以實(shí)現(xiàn)的，因此，不能很好地應(yīng)用于短生命周期產(chǎn)品的預(yù)測［5］.在實(shí)際操作環(huán)節(jié)，無論復(fù)雜時(shí)間序列預(yù)測還是馬爾科夫預(yù)測法都需要許多銷售歷史數(shù)據(jù)，但由于服裝企業(yè)的產(chǎn)品更新頻率高，這一條件很難滿足.

目前，國內(nèi)外對于短生命周期產(chǎn)品的需求預(yù)測研究還比較少，主要借助Bass模型族來近似處理.其中，文獻(xiàn)［6］提出了可對短生命周期產(chǎn)品整個(gè)生命周期內(nèi)進(jìn)行月度預(yù)測的Bass增長模型，并建立了基于報(bào)童模型的庫存機(jī)制.文獻(xiàn)［7］運(yùn)用Bass模型對Internet的信息和通信新產(chǎn)品擴(kuò)散過程進(jìn)行了實(shí)證研究.文獻(xiàn)［8］針對Bass模型族的基本假設(shè)，構(gòu)建了4個(gè)微分動(dòng)力學(xué)模型并加以實(shí)證分析.文獻(xiàn)［9］探討了能夠?qū)δ尘哂袆?chuàng)新性產(chǎn)品成長過程起到影響作用的一些競爭效應(yīng)，并建立了一個(gè)模型來描述多品牌創(chuàng)新擴(kuò)散.文獻(xiàn)［10］則將產(chǎn)品形態(tài)具體化，使用銀行數(shù)據(jù)研究了金融產(chǎn)品的成長.

然而，基礎(chǔ)Bass模型族沒有過多考慮市場特征，如店鋪服務(wù)水平、商品重復(fù)購買率等因素，因此，有必要對其進(jìn)行改進(jìn).本文立足于基礎(chǔ)Bass模型族，引入平均服務(wù)影響因子和商品平均重復(fù)購買率，對原始模型進(jìn)行了改進(jìn)，使之更適合雙渠道下短生命周期產(chǎn)品的需求預(yù)測.

1 問題描述

短生命周期產(chǎn)品通常分為兩類：（1）由于自然原因而容易發(fā)生腐敗、衰變、揮發(fā)等變質(zhì)現(xiàn)象的產(chǎn)品；（2）由于市場原因或競爭產(chǎn)品的快速更新?lián)Q代使原產(chǎn)品快速進(jìn)入衰退期，從而造成產(chǎn)品銷售生命周期小于產(chǎn)品本身的保存周期的產(chǎn)品，這類產(chǎn)品具有生命周期短且形態(tài)不規(guī)律，高風(fēng)險(xiǎn)高附加值，缺乏可參考的歷史數(shù)據(jù)，并具有季節(jié)性以及可替代性等特點(diǎn).本文所研究的快時(shí)尚服裝消費(fèi)品屬于第二類產(chǎn)品.

由于短生命周期產(chǎn)品的特殊性，其供應(yīng)鏈的運(yùn)作也具有一定的特殊性，特別是短生命周期產(chǎn)品的需求預(yù)測和庫存配給策略不同于一般傳統(tǒng)產(chǎn)品［11－12］：供應(yīng)鏈要求快速對不確定的需求做出有效反應(yīng)，因此如何對缺乏歷史數(shù)據(jù)的短生命周期產(chǎn)品進(jìn)行有效的預(yù)測是十分重要的；庫存配給策略主要側(cè)重于優(yōu)化控制零部件和成品的緩沖庫存，以應(yīng)對實(shí)時(shí)不穩(wěn)定的需求.

作為一種典型的短生命周期產(chǎn)品，快時(shí)尚服裝類產(chǎn)品除了具有短生命周期產(chǎn)品的一般特點(diǎn)外，還具有品種繁多、品牌效應(yīng)顯著等其自身獨(dú)有的特點(diǎn).本文考慮一個(gè)由制造商和若干零售商構(gòu)成的快時(shí)尚服裝產(chǎn)品兩級供應(yīng)鏈系統(tǒng)，如圖1所示.

圖1 快時(shí)尚服裝產(chǎn)品雙渠道兩級供應(yīng)鏈系統(tǒng)Fig.1 Fast fashion product dual－channel two－stage supply system

制造商通過兩條渠道展開經(jīng)營：（1）傳統(tǒng)零售渠道，制造商將產(chǎn)品出售給區(qū)域零售商，區(qū)域零售商將產(chǎn)品賣給終端顧客；（2）網(wǎng)絡(luò)直銷渠道，制造商本身擁有自己的在線商店，通過在線商店直接將產(chǎn)品銷售給終端顧客.其中，傳統(tǒng)零售渠道中有多個(gè)零售商.為了便于研究，假定各個(gè)零售商具有同質(zhì)性，進(jìn)而可以通過單一零售商（旗艦店）系統(tǒng)情景推廣到若干零售商的系統(tǒng)情景.

2 模型構(gòu)建

2.1 基于歷史銷售記錄的需求預(yù)測模型

通常基于歷史銷售記錄的需求預(yù)測方法是通過大量的產(chǎn)品歷史銷售記錄，對過去的銷售情況進(jìn)行科學(xué)擬合，發(fā)現(xiàn)其需求趨勢.由于短生命周期產(chǎn)品的銷售期較短，獲取較長時(shí)間段的大量的歷史銷售記錄困難，通常只有一年甚至幾個(gè)月的銷售記錄.針對這種情形，本文將市場銷售看作一個(gè)不斷擴(kuò)散和滲透的過程，即首先經(jīng)銷商通過產(chǎn)品促銷或試用吸引小部分具有一定創(chuàng)新意識的消費(fèi)者，緊接著這部分消費(fèi)者又帶動(dòng)后續(xù)消費(fèi)者，以此類推.而一個(gè)現(xiàn)實(shí)的擴(kuò)散過程涉及大量的因素以及它們之間的關(guān)系，這種復(fù)雜性可以用Bass擴(kuò)散模型來建模研究.考慮到Bass模型族具有較好的適用性，本文首先運(yùn)用Bass模型來探討只考慮歷史銷售記錄這個(gè)單一因素下的短生命周期產(chǎn)品需求預(yù)測問題.

Bass模型最早是由美國的Frank Bass提出來的，是一個(gè)用來預(yù)測消費(fèi)品銷售情況的模型.Bass模型對消費(fèi)者購買新產(chǎn)品的決策時(shí)間進(jìn)行了分析，其認(rèn)為新產(chǎn)品的購買者受外部或內(nèi)部因素的影響，由此將新產(chǎn)品的潛在使用者分為兩類［13］：創(chuàng)新群體，該類群體易受外部影響，即大眾媒體的影響；模仿群體，該類群體易受內(nèi)部影響，即口碑的影響.Bass模型的核心思想是創(chuàng)新群體的購買決策獨(dú)立于社會(huì)系統(tǒng)其他成員，而模仿群體購買新產(chǎn)品的時(shí)間受社會(huì)系統(tǒng)的影響，并且這種影響隨購買人數(shù)的增加而增加，因而模仿群體的購買決策時(shí)間受到社會(huì)系統(tǒng)成員的影響.

根據(jù)上述Bass思想，設(shè)f（t）為第t期采用者的時(shí)間密度函數(shù)，表明在t時(shí)期購買的可能性；F（t）為在第t期累計(jì)采用者占全部購買者的比例；p為創(chuàng)新群體系數(shù)，它表示傳播產(chǎn)品屬性中容易得到驗(yàn)證的部分如價(jià)格、功能、媒體等外部影響作用，p∈（0，1）；q為模仿群體系數(shù)，它表示使用過產(chǎn)品的用戶對未使用過產(chǎn)品等潛在用戶的宣傳作用，它傳播的是產(chǎn)品某些需要長期體驗(yàn)才能發(fā)掘的特性，q∈ （0，1）；m為潛在購買量；N（t）為t期累積購買量；n（t）為t期非累積購買量；X（i）為產(chǎn)品需求量.本文對短生命周期產(chǎn)品預(yù)測需求量建模，首先依據(jù)推理1可以確定新產(chǎn)品的市場需求分布與創(chuàng)新群體系數(shù)p和模仿群體系數(shù)q的相對關(guān)系，q相對較大時(shí)，需求的最大值相對較小.

推理1

證明：根據(jù)Bass模型的基本原理，在沒有購買行為的情況下發(fā)生初次購買行為的可能性與之前的購買者數(shù)量成線性關(guān)系，即

其中：P（t）為在沒有購買行為的情況下，t時(shí)刻發(fā)生初次購買的條件概率；C（t）為t時(shí)刻之前的購買者數(shù)量.由式（1）和F（0）＝0，可得：

對式（2）中的f（t）求積分，可得：

因此，可以得出：

可見，當(dāng)模仿群體系數(shù)較大時(shí)，新產(chǎn)品更多是由于人際傳播影響而被購買的，因此，后期產(chǎn)品的需求量受前期購買量的影響較大，整個(gè)市場需求遵循一個(gè)循序漸進(jìn)的過程，整個(gè)過程相對比較平緩；而當(dāng)創(chuàng)新群體系數(shù)p較大時(shí)，情況則與之相反.由于式（1）以密度函數(shù)和累計(jì)分布的方式進(jìn)行定義，本質(zhì)上表明某期銷量來自兩部分貢獻(xiàn)，前期創(chuàng)新者和受其影響的跟隨者.當(dāng)q＝0時(shí)，有

聯(lián)立式（1）、（5）和（6）得

由式（7）解微分方程得

應(yīng)用Bass模型需要對p、q和m進(jìn)行參數(shù)估計(jì)，根據(jù)非線性最小二乘法原理，在時(shí)間區(qū)間 （ti－1，ti）內(nèi)產(chǎn)品銷量X（i）為

其中：μi為第i時(shí)刻所發(fā)生的銷量.

依據(jù)上面所述，分別將兩個(gè)渠道統(tǒng)計(jì)的歷史銷售量作為訓(xùn)練組，根據(jù)歷史銷量組數(shù)據(jù)的不同可以對兩個(gè)渠道加以區(qū)分.接下來給定擬合函數(shù)的初始值，然后運(yùn)用Bass模型不斷地進(jìn)行訓(xùn)練，從而確定出擬合參數(shù)值.其算法為

其中：x（i）為初值；xdata為循環(huán)指標(biāo)；y為歷史銷售數(shù)據(jù).

由擬合函數(shù)可得每期的市場銷售量X（i），進(jìn)而近似地反映出市場需求情況.兩個(gè)渠道的創(chuàng)新群體系數(shù)和模仿群體系數(shù)數(shù)值不同，可以區(qū)分實(shí)體渠道與網(wǎng)絡(luò)渠道.雖然該模型能夠在一定程度上反映問題，但由于短生命周期產(chǎn)品的特點(diǎn)，只根據(jù)樣本較少的歷史銷售數(shù)據(jù)并不能很準(zhǔn)確地反映短生命周期產(chǎn)品的需求預(yù)測，所以仍需對該模型進(jìn)行進(jìn)一步的改進(jìn)和深化.

2.2 基于服務(wù)－購買意愿的需求預(yù)測模型

2.1節(jié)介紹了短生命周期產(chǎn)品雙渠道需求預(yù)測的一種較為理想的情況，即只依據(jù)歷史銷售記錄進(jìn)行預(yù)測.然而現(xiàn)實(shí)中，影響需求預(yù)測的因素有很多，但無論采用何種營銷模式，賣方的服務(wù)質(zhì)量和買方的購買意愿都是無法替代的兩個(gè)衡量指標(biāo).為此，對上述模型加以改進(jìn)，將這兩個(gè)影響因素視為待調(diào)整的參數(shù)，以使雙渠道需求預(yù)測更加符合實(shí)際.

其中：β為平均服務(wù)影響因子，即顧客對店鋪或渠道服務(wù)水平產(chǎn)生的或正面或負(fù)面的影響比率；γ為商品平均重復(fù)購買率，即顧客在嘗試購買后繼續(xù)購買意愿的比率，假定β和γ都大于0，結(jié)合原Bass模型公式有

該模型為非線性模型，采用非線性最小二乘法來估計(jì)參數(shù)，在時(shí)間區(qū)間 （ti－1，ti）內(nèi)的產(chǎn)品銷量為

同樣，將歷史銷售量數(shù)據(jù)、平均服務(wù)影響因子以及商品平均重復(fù)購買率等參數(shù)代入上述改進(jìn)的Bass模型中進(jìn)行仿真，模型得出的X（i）即為雙渠道中實(shí)體渠道或網(wǎng)上渠道的市場需求量.分別對零售渠道和網(wǎng)絡(luò)渠道進(jìn)行調(diào)研，可以獲得兩渠道的客戶需求數(shù)據(jù).對統(tǒng)計(jì)獲得的兩組數(shù)據(jù)分別應(yīng)用上述表達(dá)式進(jìn)行計(jì)算，從而通過兩渠道的歷史數(shù)據(jù)分別求得零售渠道的需求預(yù)測量和網(wǎng)絡(luò)渠道的需求預(yù)測量.相比只考慮歷史銷量的Bass模型，該模型不僅考慮到短生命周期產(chǎn)品的歷史銷售情況，還考慮到了兩渠道中賣方的服務(wù)水平和買方的購買意愿這些核心的市場特征，因此具有較高的預(yù)測信度.

3 預(yù)測算例

某服飾制造商經(jīng)營一系列快時(shí)尚服裝產(chǎn)品，以雙渠道模式（實(shí)體店渠道和網(wǎng)店渠道）展開營銷.表1所示為實(shí)體店和網(wǎng)店14個(gè)月銷量的歷史數(shù)據(jù).由表1可以看出由于網(wǎng)店渠道的特殊性，它承擔(dān)了比單一實(shí)體店更多的銷售量.

表1 實(shí)體店和網(wǎng)店每期銷量的歷史數(shù)據(jù)Table 1 Historical sales data of retail channel and online channel 件

依據(jù)第2節(jié)構(gòu)建的基礎(chǔ)Bass模型和改進(jìn)Bass模型編寫程序，考慮到Matlab 2010在進(jìn)行非線性擬合時(shí)，其函數(shù)對初始值要求較高，因而可嘗試?yán)米顑?yōu)化方法來解決初始值問題，提高擬合優(yōu)度［14］.首先對實(shí)體店的14個(gè)月的銷售數(shù)據(jù)進(jìn)行擬合處理，可以得到擬合曲線方程的參數(shù)值，如表2所示.

表2 實(shí)體店擬合銷售曲線方程參數(shù)值Table 2 Parameters of fitting equation of retail channel

從表2可以看出，相比基礎(chǔ)模型，改進(jìn)Bass模型下實(shí)體店的潛在購買量略有下降，創(chuàng)新群體系數(shù)和模仿群體系數(shù)略有提高，更加準(zhǔn)確地反映了實(shí)體店渠道的市場需求情況.

通過第2節(jié)所述的基礎(chǔ)Bass模型和改進(jìn)Bass模型的預(yù)測流程，對實(shí)體店的14個(gè)月的銷售數(shù)據(jù)進(jìn)行擬合處理，在此基礎(chǔ)上利用得到的擬合曲線預(yù)測后續(xù)3個(gè)月（第15，16和17月）的銷售情況，并與實(shí)際值進(jìn)行比較，從而得到實(shí)體店各期的擬合銷售數(shù)據(jù)如表3所示.

表3 應(yīng)用模型前后實(shí)體店每期銷量數(shù)據(jù)Table 3 Sales data of retail channel before and after model application 件

續(xù) 表

從表3對比數(shù)據(jù)可以發(fā)現(xiàn)，由于考慮了平均服務(wù)影響因子和商品平均重復(fù)購買率，相比基礎(chǔ)Bass預(yù)測銷量，改進(jìn)Bass模型的擬合預(yù)測銷量更加接近實(shí)際銷售情況，能夠在一定程度上對未來市場需求做出預(yù)測和判斷.

同理，運(yùn)行基礎(chǔ)Bass模型和改進(jìn)Bass模型程序，對網(wǎng)店的14個(gè)月的銷售數(shù)據(jù)進(jìn)行擬合處理，得到擬合曲線方程的參數(shù)值，如表4所示.

表4 網(wǎng)店擬合銷售曲線方程參數(shù)值Table 4 Parameters of fitting equation of online channel

從表4的統(tǒng)計(jì)指標(biāo)可以看出，由于網(wǎng)店渠道銷售量相對較大，網(wǎng)店渠道下的潛在購買量遠(yuǎn)遠(yuǎn)高于實(shí)體店的潛在購買量，改進(jìn)Bass模型下的網(wǎng)店潛在購買量也略高于基礎(chǔ)Bass模型下的網(wǎng)店購買量.對于創(chuàng)新群體系數(shù)而言，網(wǎng)店渠道要略小于實(shí)體店渠道；而對于模仿群體系數(shù)，網(wǎng)店渠道則略大于實(shí)體渠道.這是由于相對于實(shí)體渠道，網(wǎng)店渠道的顧客更容易相互影響，競相選擇網(wǎng)店渠道這種購物模式.

對網(wǎng)店的14個(gè)月的銷售數(shù)據(jù)進(jìn)行擬合處理，在此基礎(chǔ)上利用得到的擬合曲線預(yù)測后續(xù)3個(gè)月（第15，16和17月）的銷售情況，并與實(shí)際值進(jìn)行比較，從而得到網(wǎng)店各期的擬合銷售數(shù)據(jù)，整理如表5所示.從表5對比數(shù)據(jù)可以發(fā)現(xiàn)，應(yīng)用改進(jìn)Bass模型對網(wǎng)店進(jìn)行的擬合預(yù)測銷量更加接近實(shí)際銷售情況，能夠?qū)ξ磥韼讉€(gè)月的預(yù)期銷售情況進(jìn)行預(yù)測.

表5 應(yīng)用模型前后網(wǎng)店每期銷量數(shù)據(jù)Table 5 Sales data of online channel before and after model application 件

最后，將基礎(chǔ)Bass模型和改進(jìn)后的Bass模型對實(shí)體店和網(wǎng)店銷量預(yù)測效果的主要指標(biāo)加以對照，其中，擬合部分指標(biāo)包括SSE（殘差平方和）、RMSE（回歸系統(tǒng)的擬合標(biāo)準(zhǔn)差）、MAPE（平均絕對百分誤差）、R（相關(guān)系數(shù)）.因?yàn)楸疚闹挥脕眍A(yù)測未來3個(gè)月的銷量，因而指標(biāo)R沒有實(shí)際意義，只保留前3個(gè)指標(biāo)，整理如表6所示.

表6 實(shí)體店和網(wǎng)店數(shù)據(jù)擬合預(yù)測效果主要指標(biāo)比較Table 6 Comparison of forecast effect indicators of retail channel and online channel

通過表6所統(tǒng)計(jì)的指標(biāo)數(shù)值，可以得到如下3個(gè)結(jié)論：

（1）Bass模型族是基于對擴(kuò)散問題進(jìn)行建模演變而來的，但只能在一定程度上解決短生命周期產(chǎn)品的預(yù)測問題.由于短生命周期產(chǎn)品自身的特性，對Bass模型族優(yōu)化的關(guān)鍵是引入反映客觀實(shí)際需求的因素變量.

（2）相比原始模型，改進(jìn)的模型加入了平均服務(wù)影響因子和商品平均重復(fù)購買率，得到了更好的預(yù)測效果.可見，在眾多影響需求的因素中，店鋪服務(wù)水平對顧客購買決策影響較大；而商品平均重復(fù)購買率則體現(xiàn)了顧客對產(chǎn)品或服務(wù)的認(rèn)可，兩個(gè)因素相輔相成，共同作用.

（3）對照預(yù)測指標(biāo)可以發(fā)現(xiàn)，由于網(wǎng)絡(luò)渠道的銷售量遠(yuǎn)大于某個(gè)或者某幾個(gè)單一實(shí)體店的銷售量，因而通過網(wǎng)絡(luò)渠道進(jìn)行預(yù)測累計(jì)的誤差量相對較大.反之，由于所統(tǒng)計(jì)的實(shí)體店銷售數(shù)據(jù)主要是針對某個(gè)旗艦店的銷售情況，其銷量雖少卻有較高的代表性，因而對于實(shí)體店銷售預(yù)測而言效果更佳.

由雙渠道的定義可知，無論傳統(tǒng)零售渠道還是網(wǎng)絡(luò)渠道，所售的短生命周期產(chǎn)品均源于制造商且最終流向終端顧客.顯然，總的市場需求預(yù)測由兩個(gè)渠道的需求預(yù)測疊加構(gòu)成，即合并雙渠道的預(yù)測銷量.本文對實(shí)體店的改進(jìn)Bass模型是基于某一家店的情況展開預(yù)測的，而事實(shí)上，由于零售商不止一家，因而在考慮總需求預(yù)測時(shí)需要考慮多家實(shí)體店的現(xiàn)實(shí)情況.為便于處理，本文假設(shè)在特定區(qū)域和消費(fèi)群體下實(shí)體店的歷史銷售記錄大體相似，將零售商數(shù)量N在不同情況下實(shí)體店銷量、網(wǎng)店銷量以及二者之和的總銷量間進(jìn)行了對照，如圖6所示.

圖2 多零售商下實(shí)體店銷量、網(wǎng)店銷量以及二者之和的總銷量Fig.2 Sales of retail channel，online channel and total sales under multi－retailers situation

圖2分別描述了零售商數(shù)量N分別取1，5，10，20時(shí)實(shí)體店銷量、網(wǎng)店銷量以及二者之和的總銷量情況.從圖2可以看出，網(wǎng)店的銷售量要遠(yuǎn)遠(yuǎn)高于零售店的銷售量，但隨著零售商數(shù)量的增加，零售商銷量總和逐漸接近網(wǎng)店銷量，總銷量也因零售商數(shù)量的增加而增加.

通過上面的仿真分析，運(yùn)用所構(gòu)建的基于服務(wù)－購買意愿的短生命周期雙渠道預(yù)測模型分別得出了零售渠道、網(wǎng)絡(luò)渠道以及總渠道即制造商渠道的需求情況，為后續(xù)對短生命周期產(chǎn)品雙渠道供應(yīng)鏈的協(xié)調(diào)和優(yōu)化做好了鋪墊.

4 結(jié) 語

短生命周期產(chǎn)品需求具有復(fù)雜多變、難以預(yù)測及帶有眾多隨機(jī)因素的特點(diǎn).本文分析了雙渠道下短生命周期產(chǎn)品的特點(diǎn)，以快時(shí)尚服裝產(chǎn)品行業(yè)作為研究對象，結(jié)合影響雙渠道營銷的客觀因素對基礎(chǔ)Bass模型加以改進(jìn)，引入了平均服務(wù)影響因子和商品平均重復(fù)購買率，構(gòu)建了基于服務(wù)－購買意愿的改進(jìn)Bass模型，使模型本身更加貼近顧客需求實(shí)際.通過對雙渠道下短生命周期產(chǎn)品算例加以分析，對改進(jìn)前后的模型進(jìn)行了仿真驗(yàn)算，得到的預(yù)測效果指標(biāo)表明改進(jìn)后的模型更適合短生命周期產(chǎn)品的預(yù)測.由于短生命周期產(chǎn)品市場本身的不確定性，尚有必要進(jìn)一步探索如何以動(dòng)態(tài)跟蹤的方式來吸收新的數(shù)據(jù)，提高自適應(yīng)性，以進(jìn)一步提高預(yù)測的準(zhǔn)確性，增強(qiáng)企業(yè)決策的有效性.

參 考 文 獻(xiàn)

［1］宋燕歌，劉劍榮，顧建莊.短生命周期產(chǎn)品的市場需求預(yù)測［J］.統(tǒng)計(jì)與決策，2010（4）：62－64.

［2］張龍，宋士吉，劉連臣，等.帶有供需雙方促銷努力的供應(yīng)鏈合同問題研究［J］.清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，43（9）：1226－1229.

［3］BERNSTEIN F，SONG J，ZHENG X.“Bricks and mortar”vs“clicks and mortar”：An equilibrium analysis ［J］.European Journal of Operational Research，2008，187（3）：671－690.

［4］徐賢浩，廖麗平，任英.BASS預(yù)測模型與庫存控制集成研究［J］.工業(yè)工程與管理，2010（6）：1－6.

［5］DUMRONGSIRI A，MING F，APURVA J，et al.A supply chain model with direct and retail channels ［J］.European Journal of Operational Research，2008，187（3）：691－718.

［6］ABBAS A，KURAWARWALA，HIROFUMI M.Product growth models for medium－term forecasting of short life cycle products［J］.Technological Forecasting and Social Change，1998，57（3）：169－196.

［7］張彬，楊國英，榮國輝.Internet采用者擴(kuò)散模型的應(yīng)用［J］.電信網(wǎng)技術(shù)，2005（2）：4－7.

［8］徐玖平，廖志高.技術(shù)創(chuàng)新擴(kuò)散速度模型［J］.管理學(xué)報(bào)，2009（3）：330－341.

［9］PERES R，MULLER E，MAHAJAN V.Innovation diffusion and new product growth models：A critical review and research directions［J］.International Journal of Research of Marketing，2010，27（2）：36－49.

［10］LANDSMAN V，GIVON M.The diffusion of a new service：Combining service consideration and brand choice ［J］.Quantitative Marketing and Economics，2010，8（1）：91－121.

［11］張菊亮，陳劍.銷售商的努力影響需求變化的供應(yīng)鏈的合約［J］.中國管理科學(xué)，2004（12）：50－56.

［12］徐賢浩，宋奇志.短生命周期產(chǎn)品的預(yù)測方法［J］.統(tǒng)計(jì)與決策，2006（24）：161－163.

［13］曲道鋼，郭亞軍.需求與銷售努力相關(guān)下混合渠道供應(yīng)鏈協(xié)調(diào)研究［J］.運(yùn)籌與管理，2010（4）：8－13.

［14］丁士海，韓之俊.基于數(shù)據(jù)擬合的非線性方法及Matlab解決方案［J］.統(tǒng)計(jì)與決策，2009（8）：24－25.

Demand Forecast Model of Short－Life Cycle Product in Dual－Channel Based on Service－Purchase Intention—In the Case of Fast Fashion Apparel

LIUZheng，XUQi
（Glorious Sun School of Business and Management，Donghua University，Shanghai 200051，China）

As for short－life cycle product such as fast fashion apparel，average service impact factor and average repeat purchase rate that reflects actual needs are introduced based on Bass model.By analyzing examples and comparing the indicators of the model before and after reform，the improved Bass model based on service－purchase intention is constructed，which enables to achieve the short－life cycle product demand forecast with better results.

improved Bass model；dual－channel；short－life cycle product；fast fashion apparel；demand forecast

F 253.4

A

1671－0444（2013）05－0668－07

2012－07－17

國家自然科學(xué)基金資助項(xiàng)目（71172174，70772073）；國家公派留學(xué)資助項(xiàng)目（201206630035）；教育部博士點(diǎn)基金資助項(xiàng)目（20110075110003）；上海市教委科研創(chuàng)新資助項(xiàng)目（12ZS58）

劉 崢（1987—），男，天津人，博士研究生，研究方向?yàn)楣?yīng)鏈／物流管理、運(yùn)營管理.E－mail：liuzheng960＠163.com

徐 琪（聯(lián)系人），女，教授，E－mail：xuqi＠dhu.edu.cn