陸婷婷 翁世洲 鐘謹(jǐn)貴

[摘 要]互聯(lián)網(wǎng)+信息時(shí)代正在崛起，傳統(tǒng)外貿(mào)企業(yè)向跨境電子商務(wù)轉(zhuǎn)型是時(shí)代發(fā)展的必然之路?；趤嗰R遜物流配送平臺(tái)和B公司現(xiàn)狀，應(yīng)用灰色預(yù)測(cè)模型對(duì)該公司商品銷售數(shù)據(jù)進(jìn)行分析與預(yù)測(cè)。根據(jù)預(yù)測(cè)結(jié)果可知，公司商品未來四個(gè)月的銷量呈增長(zhǎng)趨勢(shì)，但商品之間的銷量存在較大差異。借助銷量預(yù)測(cè)，既能幫助公司制定較準(zhǔn)確的銷售計(jì)劃來有效運(yùn)營(yíng)亞馬遜店鋪，又能降低企業(yè)庫(kù)存成本，并為其他轉(zhuǎn)型中或已完成轉(zhuǎn)型的中小企業(yè)在制定銷售計(jì)劃和庫(kù)存計(jì)劃時(shí)提供借鑒。

[關(guān)鍵詞]亞馬遜平臺(tái);電商公司;銷量預(yù)測(cè);灰色預(yù)測(cè)模型

[中圖分類號(hào)] F019.3[文獻(xiàn)標(biāo)識(shí)碼] A[文章編號(hào)] 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

在跨境電子商務(wù)蓬勃發(fā)展，傳統(tǒng)外貿(mào)形勢(shì)下滑、企業(yè)盈利空間縮小，及中美貿(mào)易摩擦的大背景下，企業(yè)轉(zhuǎn)型成了許多中小企業(yè)的共同目標(biāo)。隨著亞馬遜跨境電商平臺(tái)的發(fā)展和完善，許多中小企業(yè)選擇亞馬遜平臺(tái)作為轉(zhuǎn)型的路徑之一，這減少了中小賣家在配送方面的煩惱，但也存在著庫(kù)存積壓和缺貨損失并存的現(xiàn)象。B公司從傳統(tǒng)外貿(mào)公司已經(jīng)逐漸轉(zhuǎn)型為集傳統(tǒng)外貿(mào)、跨境B2C為一體的綜合性貿(mào)易公司。以B公司為例分析其銷售現(xiàn)狀和庫(kù)存問題，可為該企業(yè)和諸多類似的中小型電商公司在解決銷量預(yù)測(cè)及庫(kù)存問題上提供參考。

國(guó)外學(xué)者關(guān)于銷售預(yù)測(cè)方面的研究較多。如W.K. Wong（2010）[1]等人為解決服裝銷售中期預(yù)測(cè)問題，提出了一種由數(shù)據(jù)預(yù)處理和HI預(yù)測(cè)器組成的混合智能模型。Yong Yu （2011）[2]等人提出了一種同時(shí)利用極值機(jī)（ELM）和傳統(tǒng)的統(tǒng)計(jì)方法。運(yùn)用真實(shí)數(shù)據(jù)進(jìn)行有效實(shí)驗(yàn)，與其他傳統(tǒng)方法比較，該ELM預(yù)測(cè)模型快速有效。Xia（2014）[3]提出了一種基于周期截?cái)嗬奂有拚?xiàng)的季節(jié)性離散灰色預(yù)測(cè)模型，并通過算法驗(yàn)證了該模型對(duì)短期歷史數(shù)據(jù)的服裝零售預(yù)測(cè)是可行的。

國(guó)內(nèi)學(xué)者也進(jìn)行了一系列相關(guān)研究，在銷量預(yù)測(cè)研究方面，薛美君（2004）[4]等人運(yùn)用季節(jié)性因素與統(tǒng)計(jì)分析方法對(duì)銷售量進(jìn)行定量預(yù)測(cè)。萬艷敏（2006）[5]等人從服裝銷售的現(xiàn)實(shí)特征入手，引入PERT模型和時(shí)間序列模型，盡可能地消除銷售預(yù)測(cè)中操作的不標(biāo)準(zhǔn)性和預(yù)測(cè)的主觀性。喻琳艷（2006）[6]將服裝產(chǎn)品劃分為需求確定型、需求隨機(jī)型和需求季節(jié)型三種，并針對(duì)隨機(jī)型服裝產(chǎn)品，建立服裝銷量的灰色預(yù)測(cè)模型，以更好地針對(duì)服裝產(chǎn)品特征進(jìn)行預(yù)測(cè)。在海外倉(cāng)庫(kù)存管理研究方面，錢珊（2016）[7]指出電子商務(wù)企業(yè)庫(kù)存管理存在著庫(kù)存水平過高、庫(kù)存準(zhǔn)確率低下、庫(kù)存消耗過大等問題。羅玥（2016）[8]指出海外倉(cāng)促進(jìn)了跨境電商的發(fā)展，但也存在著自建成本高、清關(guān)、產(chǎn)品知識(shí)產(chǎn)權(quán)、庫(kù)存壓力等問題。孟亮（2017）[9]等人指出亞馬遜FBA倉(cāng)儲(chǔ)模式具有很強(qiáng)的時(shí)間正向相關(guān)性，一旦商品滯銷，將導(dǎo)致倉(cāng)儲(chǔ)成本攀升。余麗婷（2017）[10]等人表示跨境電商在報(bào)童模型的基礎(chǔ)上進(jìn)行海外倉(cāng)庫(kù)存決策時(shí)，要考慮到商品的退貨率和單位處理費(fèi)用。

綜合文獻(xiàn)分析結(jié)果可知，國(guó)內(nèi)外學(xué)者關(guān)于銷量預(yù)測(cè)和庫(kù)存管理方面的研究較多，且大部分都是在搭建企業(yè)背景的前提下，運(yùn)用模型對(duì)其生產(chǎn)庫(kù)存進(jìn)行優(yōu)化，研究海外倉(cāng)領(lǐng)域的文獻(xiàn)多從海外倉(cāng)的選址問題或是模式選擇出發(fā)，但涉及到基于海外倉(cāng)配送模式下的企業(yè)銷量預(yù)測(cè)和企業(yè)庫(kù)存優(yōu)化探究課題很少。

二、銷量預(yù)測(cè)模型簡(jiǎn)述

由于商品的銷售情況受消費(fèi)者的個(gè)人喜好、廣告宣傳、季節(jié)變動(dòng)等多因素影響，特征伴隨著明顯的不確定性和不穩(wěn)定性，且相關(guān)數(shù)據(jù)受到限制不能全部獲取，并受到不確定因素影響，因此選用灰色系統(tǒng)GM（1，1）模型對(duì)商品銷量進(jìn)行預(yù)測(cè)，該方法不需要大量的時(shí)期數(shù)據(jù)做支撐，便可對(duì)數(shù)據(jù)進(jìn)行準(zhǔn)確預(yù)測(cè)，可操作性較強(qiáng)。

灰色預(yù)測(cè)模型（Gray Forecast Model）[11]是通過少量的、不全面的信息，建立數(shù)學(xué)模型并做出預(yù)測(cè)的一種預(yù)測(cè)方法。

（一）模型基本步驟

三、B公司銷量預(yù)測(cè)實(shí)證分析

（一）模型參數(shù)求解

B公司注冊(cè)于2010年，是一家集生產(chǎn)制造與傳統(tǒng)外貿(mào)于一體的公司，主營(yíng)圍巾、圍脖、針織帽等流行服裝配飾，沙灘巾、睡帽等紡織品，出口到歐美國(guó)家和地區(qū)。B公司是一家集傳統(tǒng)外貿(mào)及新興跨境電子商務(wù)為一體的貿(mào)易公司，于2016年8月注冊(cè)了亞馬遜美國(guó)站店鋪，店鋪成立初期采用自發(fā)貨和FBA發(fā)貨相結(jié)合的模式，以自發(fā)為主，F(xiàn)BA為輔。

（二）模型檢驗(yàn)

灰色模型的精度檢驗(yàn)一般有三種方法：相對(duì)誤差大小檢驗(yàn)法，關(guān)聯(lián)度檢驗(yàn)法和后驗(yàn)差檢驗(yàn)法，本文就相對(duì)誤差大小檢驗(yàn)法、后驗(yàn)差檢驗(yàn)法對(duì)選取的模型進(jìn)行精度檢驗(yàn)。

1.相對(duì)誤差檢驗(yàn)法：根據(jù)所求得的預(yù)測(cè)模型及相關(guān)公式，求出2018年6月至2019年5月沙灘巾STJ-020-000的銷量預(yù)測(cè)值，然后與實(shí)際值進(jìn)行對(duì)比，并計(jì)算殘差值、相對(duì)誤差值如表2所示，結(jié)果顯示殘差值在-5～28之間隨機(jī)波動(dòng)，相對(duì)殘差絕大部分在10%以內(nèi)，屬于較為理想狀態(tài)。

2.后驗(yàn)差檢驗(yàn)法：對(duì)2018年6月至2019年5月沙灘巾STJ-020-000的預(yù)測(cè)值進(jìn)行后驗(yàn)差檢驗(yàn)。x（0（K）的均值，殘差E的均值，原始序列方差S12=2126.74， 殘差序列方差S22=90.56，均方差比值C=S2 / S1=0.21<0.35，表明預(yù)測(cè)符合精度一級(jí)。

（三）模型預(yù)測(cè)及分析

根據(jù)上文可得STJ-020-000在2019年6月至9月的銷量預(yù)測(cè)值分別為：157，190，230，279。由于該模型比較可靠，同理運(yùn)用灰色預(yù)測(cè)GM（1，1）模型對(duì)B公司27款沙灘巾商品2019年6月至9月的銷量進(jìn)行預(yù)測(cè)，預(yù)測(cè)值如表3所示。

本文選取B公司沙灘巾在2018年6月至2019年5月的銷售數(shù)據(jù)，運(yùn)用灰色預(yù)測(cè)GM（1，1）模型對(duì)沙灘巾的銷量進(jìn)行預(yù)測(cè)，從檢驗(yàn)結(jié)果來看，所有數(shù)據(jù)均通過后驗(yàn)差檢驗(yàn)，其中高達(dá)70%的數(shù)據(jù)后驗(yàn)差比值為一級(jí)，其余為二級(jí)，最大值0.48，最小值0.08，表明預(yù)測(cè)精度比較可靠，擬合度高。這也說明該模型適用于B公司商品銷量數(shù)據(jù)的預(yù)測(cè)，對(duì)其公司在制定庫(kù)存計(jì)劃、優(yōu)化庫(kù)存管理等方面具有重要的指導(dǎo)作用。由預(yù)測(cè)結(jié)果可預(yù)見，B公司沙灘巾未來銷量呈增長(zhǎng)趨勢(shì)，但不同商品之間的銷量差也較大，因此，對(duì)其庫(kù)存采用不同的管理模式也很有必要。

四、結(jié)語

本文運(yùn)用灰色預(yù)測(cè)模型GM（1，1）對(duì)商品的銷量進(jìn)行預(yù)測(cè)，所得結(jié)果精度較高，對(duì)有效解決B公司銷量預(yù)測(cè)及庫(kù)存問題，進(jìn)而降低其庫(kù)存成本，幫助企業(yè)站穩(wěn)市場(chǎng)具有一定的參考意義。由于數(shù)據(jù)有限，本文只運(yùn)用了一種模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)精度和預(yù)測(cè)范圍都有待進(jìn)一步提高。在未來研究工作中，可在獲取更多數(shù)據(jù)的基礎(chǔ)上，嘗試采用不同的預(yù)測(cè)模型對(duì)其進(jìn)行研究，以豐富和完善銷量預(yù)測(cè)的應(yīng)用前景，解決企業(yè)經(jīng)營(yíng)中的實(shí)際問題。

[參考文獻(xiàn)]

[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，沈劍劍，楊以雄.服裝銷售定量預(yù)測(cè)方法新探[J].東華大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，3（6）：75-77.

[5]萬艷敏，陳勝，戴淑嬌.基于時(shí)間序列和PERT的服裝銷售預(yù)測(cè)方法研究[J].絲綢，2006（11）：60-63.

[6]喻琳艷.需求隨機(jī)型服裝產(chǎn)品的灰色預(yù)測(cè)模型[J].國(guó)際紡織導(dǎo)報(bào)，2006（8）：78-80.

[7]錢珊，周佳.電子商務(wù)環(huán)境下的企業(yè)庫(kù)存商品管理研究[J].湖北工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2016，29（1）：70-73.

[8]羅玥.跨境電商“海外倉(cāng)”的風(fēng)險(xiǎn)分析及對(duì)策建議[J].物流科技，2016，39（11）：136-139.

[9]孟亮，孟京.我國(guó)跨境電商企業(yè)海外倉(cāng)模式選擇分析——基于消費(fèi)品出口貿(mào)易視角[J].中國(guó)流通經(jīng)濟(jì)，2017，31（6）：37-44.

[10]余麗婷，陸克斌.海外倉(cāng)模式下跨境電商無缺陷產(chǎn)品退貨的報(bào)童問題研究[J].西昌學(xué)院學(xué)報(bào)（自然科學(xué)版），2017，31（2）：75-79.

[11]王慶慶，李謀濤，張星杰.基于灰色預(yù)測(cè)GM（1，1）模型的體育彩票銷量預(yù)測(cè)[J].黃山學(xué)院學(xué)報(bào)，2018，20（3）：105-109.

（責(zé)任編輯：郭麗春 董博雯）