网上花店产品智能推荐与预定分析系统研究学士学位论文 精品Word文档格式.docx
- 文档编号:20764691
- 上传时间:2023-01-25
- 格式:DOCX
- 页数:25
- 大小:782.38KB
网上花店产品智能推荐与预定分析系统研究学士学位论文 精品Word文档格式.docx
《网上花店产品智能推荐与预定分析系统研究学士学位论文 精品Word文档格式.docx》由会员分享,可在线阅读,更多相关《网上花店产品智能推荐与预定分析系统研究学士学位论文 精品Word文档格式.docx(25页珍藏版)》请在冰豆网上搜索。
除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
日期:
年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
日期:
导师签名:
日期:
网上花店产品智能推荐与预定分析系统研究
摘要
网上花店是一种新兴的花卉销售模式。
然而大部分的销售系统没有预测和分析功能,准确的销售预测和分析对花卉销售的可持续发展和良性营销活动起到重要的作用。
本论文首先研究分析花卉预测的影响因素以及预测算法的适应性,筛选出两种预测算法,通过对两种预测算法的改进,进行销售额与销售量的预测,然后将预测结果对比实际数据,选择一种最合适的预测算法,最后运用于花店网站中,实现预测与分析功能。
课题主要进行销售额与销售量的预测,使企业掌握消费者的需求差异,较为清晰的判断各类花卉的未来销售前景,使销售商更为准确的把握市场,迎合市场。
关键字:
网上花店,预定分析系统,JSP
OnlineFloristProductsintelligentanalysissystemrecommendedandscheduled
Abstract
Onlineflowershopisanewsalesmodel.However,mostofthesalesforecastandanalysissystemdoesnotfunction,accuratesalesforecastingandanalysisofthesustainabledevelopmentoftheflowersalesandmarketingactivitiesplayanimportantpositiverole.
Thethesisfirststudiesoftheimpactfactorsandflowersforecastpredictionalgorithmofadaptivepredictionalgorithmoftwoselectedbythetwopredictionalgorithm,forsalesandsalesforecasts,thencomparingthepredictedresultsofactualdata,Chooseoneofthemostsuitablepredictionalgorithm,thelastloadintheJSPpage,toachievepredictionandanalysis.
Themainsubjectoftheforecastforsalesandsalestoenableenterprisestograspthedifferencebetweenconsumerdemand,themoreclearlydeterminefuturesalesprospectsforallkindsofflowerstomakevendorsmoreaccurategraspofthemarket,tomeetthemarket.
Keyword:
Onlineflowershop,BookAnalysisSystem,JSP
引言
千姿百态的花儿述说着千言万语,每一句都述说着“美好”,特别是现在,随人们的生活水平不断地进步,生活质量不断地提高和对生活的追求。
鲜花已经是人们生活不可缺少的点缀!
花卉消费近些年来呈越来越旺的趋势,除了花卉本身所具俏姿容,让人们赏心悦目,美化家居等功效外,它还可以开发人们的想象力,使人们在相互交流时更含蓄,更有品位.
随着生活节奏的加快,越来越多的人选择不用出门,方便快捷的网络买卖。
鲜花的销售也迅速融入这个有着巨大潜力的网络市场,占有了自己的一席之地。
因此网络上充斥着各种各样的花卉销售的网上花店。
这些花店基本上都是以销售花卉为主,向消费者提供快捷便利的服务。
主要以花卉图片为主,方便消费者直接选购花卉,快速送达,达到扩展知名度,方便消费者的目的。
而依靠网络销售,也需要科学的预测与分析来提供更加满足商家与消费者的需求,实现更加科学、合理销售模式。
那么是否可以通过在已有的网上花店的基础上,增加相关的功能来达到更加合理的销售战略,是我此次毕业设计的目的。
第1章绪论
花卉网站的分析与预测,是利用网站销售量与销售额的多年数据,在对数据的分析中联系实际经验及对影响花卉销售的市场因素的调查基础上,利用一定的数据和方法对花卉销售的发展趋势进行科学的推断,进而对花卉销售进行分析改进。
花卉销售的预测与分析,主要是对多种花卉销售量、销售额的预测以及对销售水平产生影响的因素进行分析。
本文主要进行销售额与销售量的预测,对此的预测可以使企业掌握消费者的需求差异,较为清晰的判断各类花卉的未来销售前景,使销售商更为准确的把握市场,迎合市场。
1.1项目背景
近年来随着人们生活水平的提高,花卉产业作为一门新兴产业迅速发展。
但是花卉产业也面临着迅速增长,所带来的更多挑战,包括市场发展不均衡,消费需求多样化和剩余花卉挤压等问题。
对于内地的花卉消费和其他消费产品一样具有二元经济特点,区域差别大,市场层次多。
而销售能力中对销售量预测研究的亏欠,导致相当多的销售商抓不住市场消费热点,只注重盲目销售,而无法做到快速提高企业销售量,寻找到更加适合的销售模式。
另外,消费者需求呈现的多样性变化,和花卉季节性与节日性明显,花卉的供不应求和库存剩余也成为花卉销售企业面临的重要影响因素之一。
特别是伴随销售量的增加,库存花卉也不断增加,而库存花卉的保鲜期因素,更是导致大量资金流失。
而没有战略就没有目标,没有对未来市场销售量的判断分析,因此导致销售额的不确定,预期投资资金无法具体规划,而导致企业没有一个好的可持续发展前景。
销售网站数不胜数,而如何吸引用户是关于网站生存的重要问题。
但是一个销售网站的潜能,除了吸引用户之外,还有通过增加一些服务,帮助销售商在竞争中得到更有效的信息,分析改进自己的产品,适应需求,使企业更具竞争力;
因此在原有的网站增加它的功能,使它更具可用性,是网络发展的必然趋势。
本课题的主要研究内容就是通过增加个性化信息服务完善现存的小型花场花卉销售网站。
1.2设计的目的以及达到要求
网上花店的预测与分析系统。
主要体现出预测与分析的功能。
此设计中我选择的是一个小型花场的网络销售(小型花场通过自己种植,出售来盈利)。
本论文研究预测算法,主要通过对移动平均法和季节性波动分析的分析,最终选定合适的预测算法,来实验花卉销售的预测和分析。
1.2.1预测销售量
网上开店,特别是花卉等具有保鲜期的网点。
面临着当月没有销售掉的已经成熟的剩余花卉,这些花卉无论是贱价处理还是无奈丢弃,都使销售商面临损失。
然而花卉的销售自身带有季节性、节日性的不确定因素,对商家卖货带来了很大的烦恼。
既不能根据上月的销售情况来推算下月销售数量,又可能由于再种植、修剪过程中的时间损失造成销售额以及信誉度的负面影响。
因此通过一个适合的预测算法来准确预测某个时期的销售量来解决此类问题。
1.2.2预测销售额
由于花卉销售量的不确定因素,随之而来的影响到某个月的销售额。
同时销售额也会随着淡旺季节、某种花卉市场接受程度、消费者对花卉适应性的定义、突发事件等因素而具有价格浮动。
对于这种没有恒定规律性的浮动,造成了不能简单的人工推算出某个月的销售额。
必定对资金的投资、运转带来困扰,必定影响销售商的运作发挥。
此时也需要一个适合的算法来进行月销售额、年销售额的预测,提够信息帮助花场经销商分析、决策。
1.2.3分析功能
通过显示过去花卉种植中所有年份的经营份额在总经营额中占有比例较小的花卉。
对于此类经营额较小的花卉,通过直接提示的方式,来提醒销售商。
此类花卉盈利不大,那么是否要通过查看,了解此类花卉的成本。
比如,此类花卉占地状况,培养方式是否复杂,耗肥耗水情况。
最终是否淘汰此类花卉,来改种新的品种或者增加销售额大成本低的花卉品种。
以达到科学,有效的盈利方式。
通过网页提出过去所有年份中销售量占总销售量比例较小的花卉。
某些花卉可能销售量比例较小,较小的销售比例,必定会造成种植上的困扰。
每个月的销售量本来就小,那么传统种植将会规律性的少中,那么即使此花卉销售量增大很小的数量,也会占有较大的销售量比例。
花卉必然供不应求,那么通过提示销售商通知进货商如有需要加大产量需要提前订购此类花卉,就可以很好的避免此类问题。
第2章影响花卉的预测因素分析
为了使预测结果更加准确,分析花卉的预测影响因素非常重要。
在了解预测影响因素的前提,选择预测方法,才能找到适合的方法。
在此过程中调查分析影响因素,包括花卉自身因素和影响因素,并且根据数据库进行再次判断。
以求更加准确,更高精度的进行预测与分析。
2.1影响花卉销售预测的自身因素
花卉的销售量是与花卉本身有密切联系的。
所以在销售预测前应对花卉产品有明确的认识。
包括花卉自身节日性因素、代表意义、季节性因素、价格因素等等。
此处根据南京市2006年的一个调查分析。
2.1.1节日性因素
通过南京市花卉购花时间图,可看出,节日性购花是影响销售量的一个重要因素,特别是在春节期间里。
此外教师节、中秋节、母亲节购花人数比其他节日有呈倍数的增加,而生日与平时是没有具体日期性。
图2-1南京市2006购花时间图
2.1.2鲜花涵义因素
对于鲜花的涵义此处不再赘述,但是由于送花的人群对鲜花涵义的理解会导致各类花卉有着市场需求的不同,因此鲜花销售量的不同。
如由下图分析,花卉销售中适合送自己和朋友的花卉市场需求量较大。
因此在分析的过程中这类花卉销售量明显高于其他花卉,不应缩减产量或者放弃种植。
图2-2南京市2006年送花对象
2.1.3价格因素
价格因素是影响所有产品销售量的重要因素,也是印象花卉销售的关键因素之一。
不同的花卉市场销售量对价格的变动的反应是完全不相同的。
例如当情人节到来玫瑰的价格提高后,销售量反而会大幅增加;
而其他没有特别涵义的花卉,如小菊花提价过高,则造成成批挤压。
因此,花场在预测花卉销售量时,需要考虑价格弹性系数。
价格弹性系数:
需求变动对价格变动反应的敏感程度,公式如下:
需求价格弹性系数=需求量变动百分比|价格变动百分比。
2.1.4季节性因素
通过调查,鲜花的销售季节性是显著的,随着季节的变化,消费者的消费心理也会随之变化,当春暖花开的时候,消费者更加具有买花的心情,而春节之前的冬季往往是销售的淡季,此时,无论是花卉销售量,还是销售额都有明显走低的趋势。
2.2影响花卉销售预测的环境因素
对于花卉市场,环境因素也不同程度的影响着花卉的销售,为了满足消费者的不同需求,销售商不仅需要考虑尽量多的品种迎合市场,同时还要考虑突发事件、经济因素、行业因素、消费者因素。
如01年5月13的北京水屯收天气因素影响鲜花价格同比上涨。
如南方城市会因北方鲜花的大量上涨,鲜花价格回落。
通过对数据库里大量数据的分析观察。
很容易发现,此花场销售数量节日里明显大幅度上升,而平均价格也随之升高。
例如玫瑰花在2月份情人节和七夕的月份明显增加2倍左右,康乃馨在母亲节和父亲节的时候明显增长,母亲节增长高于父亲节。
节日成为影响花卉销售的最主要因素。
而季节性因素也明显可以看出,春季为销售旺季,而秋季花卉销售量和销售额走低趋势明显。
分析此数据发现固定数据类型数据均值相对稳定的花卉很少,循环数据类型较多。
第3章预测方法的选定
3.1预测算法的简介与分析
花卉销售的预测方法有很多种,而每种方法的适应性和技术特点都会有所不同,因此适应范围也不同。
而选择一个合适的算法,形成一个网页加载是完成此设计的关键因素。
3.1.1预测相关的定义和简介
预测因素是影响预测分析系统的一个重要的直接因素,它对经营计划和生产计划都有很大的影响。
事实上,产品的预测是此系统的成功实现的重要来源。
预测是利用一定数据和方法对事物的发展趋势进行科学的推断,预测的方法和手段被称作预测技术。
在花卉生产商的预测和分析系统中,预测是指对未来花卉销售量及利润的科学推断,常用的预测方法包括调查预测法、客观计量预测方法、概率预测方法和模糊评判预测方法等多种类型。
不同的市场特征,应该选择不同的预测方法,采取不同的经营决策。
尽管预测方法种类众多,但根据其性质,基本上可以归纳为两大类,即定性预测方法和定量预测方法。
定性预测方法是由预测者根据自己掌握的实际情况、实践经验、专业水平,对产品趋势、程度做出判断,包括个人判断法和专家预测法。
而定量预测方法是通过对产品的量化认识,利用统计知识和数学模型,对经济现象未来进行数量化测定。
现在用于销售的预测方法有很多,如个人判断法、移动平均法、指数平滑法、回归分析法等。
而根据不同的样本应通过具体分析来选定合适实际情况的算法。
3.1.2对预测算法的简介
对于销售预测现行方法,只有了解算法的应用范围,分析其可行性,和实际操作性,才会找出更为准确的最终选定。
以下是简要介绍算法。
个人判断法是指依靠与销售相关的人员的经验和专业水平,对销售未来发展趋势做出的符合客观实际的估计和判断方法。
移动平均法是一种最简单的自适应模型,也是一种传统的实践顺序预测方法。
它是指通过对移动平均数形成新的时间序列对原时间序列的修匀作用,削弱影响花卉销售的偶然性因素的作用,呈现出销售变化趋势的方法。
指数平滑法是根据更近的经验不断修正预测值的一种方法,是移动平均法的发展,它以指数递减方式平滑序列的历史值为基础,新的服装销售预测值可以看作是最新观测结果和前一期预测值的加权总和,将权重α赋予最新的观测值,而将权重1−α赋予前一期预测值。
季节性指数法指以服装市场的循环周期为跨越期求得移动平均值,并在移动平均值的基础上求得季节指数,然后以最后一个移动平均值、趋势增长值和季节指数为依据,对服装市场未来的发展趋势做出量的预测的方法。
回归分析法是从分析研究各种影响服装销售量因素之间的相关关系出发,确定回归方程式,然后根据影响因素数值变化,代入回归方程式预测服装销售量数值变化的一种数学方法。
在回归分析预测中,要注意服装销售影响因素与销售量之间的相关关系必须是密切的,而各个影响因素之间的关系是不密切的,而且影响因素要求取值精确,可控性强。
3.2预测算法的选定
上文我们已经提到预测目标为花卉的销售量与销售额。
选定目标后,对收据进行再次分析,因为每种花卉的分别预测,花卉品种差异不再具有影响。
节日性和季节性因素成为最大的影响因素。
根据下面第一个表格发现在二月上旬,十月上旬和八月上旬,无论是玫瑰花的数量,还是价格都比平时要高出较多。
而09年全年的销售量和销售额和其他年份一样,差异较大。
依然是二月上,十月上,八月上,销售量比较高,价格也比其他期间有大幅度上升。
而再次分析其他花卉的数据库提取,以上现象依旧明显。
而季节性的差异,反而因为节日的影响,表现不够强烈。
价格因素与鲜花涵义的因素没有明显的规律趋势。
整体分析看来,除了两种已经淘汰的花卉以外,其他花卉,在固定节日的月份整体销售量和销售额有向好的趋势。
而固定节日在外的其他月份销售量与销售额也有整体向好的趋势。
但是所有花卉销售量和销售额增加的月份包含的节日也有所不同。
比如只有玫瑰花在情人节的二月上旬,销售量和销售额大幅度上升,其他花卉对比上一个月有所上升,但是幅度不明显。
而5月月份上旬,所有花卉销售上升的趋势下,康乃馨上升幅度受母亲节的影响最为突出。
表3-1所有年份价格不低于2.5元的玫瑰花相关数据提取
表3-22009年全年玫瑰花数据提取
3.2.1算法的适用性分析
影响需求的因素很多,各因子之间的内在联系异常复杂。
预测者会利用多个有相互依赖关系的回归模型组成回归方程组或者经济计量模型,用来推算或预测需求量。
时间序列分析法是一种常见的预测方法。
通过考察需求随时间波动的规律,包括变化的趋势性(指由于消费习惯、人口总量或构成变化等因素而引起的需求量的长期变化)、季节性(指需求随时间而呈现出的周而复始的淡旺季交替现象)等,而对未来需求进行预测。
移动平均法和指数平滑法也是时间序列分析,但二者大大减少了对历史数据存储量的需求。
而选择移动平均法的移动平均法是指把过去若干期的平均需求量当做未来期的需求量,使用平均数计算的方法。
该方法计算量小,模型简单。
移动平均法最大的特点是消除偶然性因素的影响,而以上分析也得出花卉的销售节日因素影响最大,数据带有很大的波动性,同时也受突发事件的影响。
因此相对适应移动平均法。
当产品的市场需求呈明显的季节性波动时,用平均法进行销售预测就不能正确地反映销售量的波动。
要用计算季节指数的办法来预测季节性波动。
由于花卉的数据随着此小型花卉场的经营不断的增加,并且已经存有9年的数据,确定此数据为长期数据,并且持续增长。
季节性波动分析适合长期数据。
3.2.2数据分期的改进
对于花卉影响的分析,花卉还具有一个关键影响因素,南京市2006年花卉调查中,表明影响消费者购买花卉最重要的影响是鲜切花的新鲜度。
因此,需要针对花卉保鲜期这一重要因素,把花卉销售预测分为每15天左右,此小型花场,收割一次花卉。
图3-1南京市2006花卉购买的影响因素
3.2.3算法的改进
数据预测的误差产生的根本原因在于预测对象本身的不确定性。
而预测对象一方面要受到一些起决定作用的根本因素影响而呈现出一定的规律性。
这种规律性来自花卉销售的主要影响因素是节日性,其次才是季节性。
另一方面,又要受到起决定作用的随机因素影响,呈现不规律的波动性。
而避免大的波动性,在相对规律的范围内做出预测则是减小误差的最有效方法。
针对预测算法的对象,将采用预测某个月份的花卉(如2010年的2月份上旬的玫瑰花销售情况),选取的数据将为此年以前的这个月份的此中花卉数据(2010年以前2月份上旬玫瑰花销售情况)。
这种选择避免了由于月份相差,季节相差。
避免了不能正确反应数据的波动,所造成数据的不准确,不现实。
而针对最大的影响因素节日性,为了使最终预测更加准确,我们把每月分为上旬、下旬。
根据相同月份进行预测,完全避免了季节性的差异;
同样也避免了节日性差异。
对于鲜花的保鲜期限制,15天一次的剪集完全可以适应花卉从销售到再进入市场所需要的保鲜期,同时也避免了可能由于时间间隔太长造成的花卉花期限制。
而在没有花卉销售全年大范围的浮动,销售影响因素得到控制。
此功能模块中的算法实现基于对数据库的轮询,相对每次查询都需要对数据库的每条记录进行比较。
改进的移动平均法中提取每一年相同月份,进一步提高算法的效率,可以引进索引来减少数据库操作的工作量,通过提高每次查询的效率来提检索的效率。
季节性分析法,同样为了更加精准,也利用以上分析中的15天为一个周期。
进行每年24旬的预测。
3.2.4算法的确定
虽然经过改进的算法,在一定程度上更加适应于花卉销售的预测分析。
但是在预测程序的方法选择阶段,方法的恰当与否将会影响整个程序的效率。
而对样本数据的实验是选定预测算法的重要根据。
依靠验证结果来验证预测程序的适用性才是最可靠的选定方法。
在数据库中提出01年到08年的数据,预测09年的数据,用验证结果对比09年的实际数据,是实现预测算法选定的唯一标准。
因此,本文针对移动平均法直接预测,改进的移动平均法预测以及季节波动法进行验证比较。
第4章算法的验证与选择
4.1预测算法的公式提出
4.1.1移动平均法公式
其中,
表示下一期的预测值,Y表示第t期的实际值,k表示移动平均的期数。
时期t的移动平均值为最近期k的算术平均值,在移动平均法下,将相同的权重分配给每一个观测结果。
新的数据点不断被纳入计算平均值,同时去掉最早的数据点,数据模型中对变化的响应比率取决于纳入计算移动平均的时期数量k。
4.1.2移动平均法具体运算过程
1.首先在数据库表中提取数据
例如预测2010年一月上旬的数据,需要在数据表中查找出各类花卉的销售量和平均销售价
2.具体操作步骤
第一步,计算相邻五个月的销售量和销售额平均数(按多少期计算平均数,要根据具体情况而定,期数少,则反映波动比较灵敏,但预测误差大;
期数多,则反映波动平滑,预测较为精确)。
如1~5月销售量或销售额的平均值为:
依次类推:
求出
...,
并填入表中。
第二步,计算相邻两个平均值的差,该差称为平均值的变动趋势,如
与
之差为:
依此类推,计算变动趋势值,填入表中。
第三步,计算相邻四期变化趋势之平均值,称为四期平均发展趋势,如前四期变动趋势的平均值为:
依此类推,将数字填人表中。
第四步,预测2010年1月上旬的销售额,最后从2005年到2009年一个份上旬的平均半月销售量或销售额为
元,加上最后一期平均发展趋势H1,所以2010年1月上旬的预测值为:
(其中
,是因为预测期距平均月销售为3年,所以需要乘以3)。
上述算法所需数据如表4-1所示:
表4-1移动平均法具体操作数据步骤
4.1.3季节性波动分析公式:
为预测期的季节性指数,
为预测期的趋势值,可通过最小二乘法计算销售实际值的线性趋势方程得到。
4.1.4具体操作步骤:
表4-2季节性波动分析所用数据
为了方便观看,以上数据只选取了数据库中玫瑰花3年销售量的数据。
以此类推,计算各年各季的季节指数,填人表中,然后计算各季的平均季节指数,亦分别列入表中。
表4-3季节性波动分析具体数据操作步骤
利用季节指数就可以对某季节的市场需要量进行预测.
4.2预测算法的选择
4.2.1特例的初步判断
下面对三种算法做一个简单对比。
观察数据可分析得出,玫瑰
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 网上花店产品智能推荐与预定分析系统研究学士学位论文 精品 网上 花店 产品 智能 推荐 预定 分析 系统 研究 学士学位 论文