論文の概要: Forecasting sales with Bayesian networks: a case study of a supermarket product in the presence of promotions

• arxiv url: http://arxiv.org/abs/2112.08706v1
• Date: Thu, 16 Dec 2021 08:52:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 15:45:59.546116
• Title: Forecasting sales with Bayesian networks: a case study of a supermarket product in the presence of promotions
• Title（参考訳）: ベイズネットワークによる販売予測--プロモーションの場におけるスーパーマーケットの事例-
• Authors: Muhammad Hamza, Mahdi Abolghasemi, Abraham Oshni Alvandi
• Abstract要約: 本研究では,価格,プロモーションの種類,製品立地といった要素の組み合わせが売上に与える影響を予測するためのBNモデルを構築した。 本稿では,特にプロモーションにおいて,BNが販売予測に有効であることを確認した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sales forecasting is the prerequisite for a lot of managerial decisions such as production planning, material resource planning and budgeting in the supply chain. Promotions are one of the most important business strategies that are often used to boost sales. While promotions are attractive for generating demand, it is often difficult to forecast demand in their presence. In the past few decades, several quantitative models have been developed to forecast sales including statistical and machine learning models. However, these methods may not be adequate to account for all the internal and external factors that may impact sales. As a result, qualitative models have been adopted along with quantitative methods as consulting experts has been proven to improve forecast accuracy by providing contextual information. Such models are being used extensively to account for factors that can lead to a rapid change in sales, such as during promotions. In this paper, we aim to use Bayesian Networks to forecast promotional sales where a combination of factors such as price, type of promotions, and product location impacts sales. We choose to develop a BN model because BN models essentially have the capability to combine various qualitative and quantitative factors with causal forms, making it an attractive tool for sales forecasting during promotions. This can be used to adjust a company's promotional strategy in the context of this case study. We gather sales data for a particular product from a retailer that sells products in Australia. We develop a Bayesian Network for this product and validate our results by empirical analysis. This paper confirms that BNs can be effectively used to forecast sales, especially during promotions. In the end, we provide some research avenues for using BNs in forecasting sales.
• Abstract（参考訳）: 販売予測は、サプライチェーンにおける生産計画、物質資源計画、予算計画など、多くの管理上の決定の前提条件である。 プロモーションは、販売を促進するためによく使われる最も重要なビジネス戦略の1つです。 プロモーションは需要を生み出す上で魅力的だが、その存在下での需要を予測することはしばしば困難である。 過去数十年間、統計モデルや機械学習モデルを含む数種類の定量的モデルが開発されてきた。 しかし、これらの方法が販売に影響を与える可能性のあるすべての内外的要因を考慮に入れるには不十分かもしれない。 その結果,定量的手法とともに質的モデルが採用され,コンテクスト情報の提供による予測精度の向上が実証されている。 このようなモデルは、プロモーション中に販売が急速に変化する要因を考慮に入れるために広く使われている。 本稿では,価格,種類のプロモーション,製品位置といった要因が売上に影響を与えるようなプロモーション販売の予測にベイジアンネットワークを利用することを目標とする。 我々はbnモデルを開発することを選んだ。bnモデルには本質的に様々な質的・量的要因と因果形を組み合わせる能力があり、プロモーション中に販売予測を行う魅力的なツールとなる。 これは、このケーススタディの文脈で企業のプロモーション戦略を調整するために使用できます。 オーストラリアで製品を販売している小売業者から、特定の製品の販売データを収集する。 この製品のためのベイズネットワークを開発し、実証分析によりその結果を検証する。 本稿では,特にプロモーションにおいて,BNが販売予測に有効であることを確認した。 最終的に、販売予測にBNを使用するための研究方法をいくつか提示する。

関連論文リスト

• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)
• Job-SDF: A Multi-Granularity Dataset for Job Skill Demand Forecasting and Benchmarking [59.87055275344965]
  Job-SDFは、ジョブスキルの需要予測モデルをトレーニングし、ベンチマークするために設計されたデータセットである。 2021年から2023年にかけて、中国の大手オンライン求人プラットフォームから集められた1035万件の求人広告に基づいている。 本データセットは,職業,企業,地域レベルなど,さまざまな粒度でのスキル需要予測モデルの評価を可能にする。
  論文  参考訳（メタデータ） (2024-06-17T07:22:51Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Improved Sales Forecasting using Trend and Seasonality Decomposition with LightGBM [9.788039182463768]
  時系列上での傾向と季節成分のユニークな影響を示すための新しい尺度を提案する。 実験の結果,提案手法は精度を向上できることがわかった。
  論文  参考訳（メタデータ） (2023-05-26T18:49:42Z)
• Multimodal Neural Network For Demand Forecasting [0.8602553195689513]
  本稿では,ニュース記事からのリアルタイムイベントと,過去のセールスやホリデー情報といった従来のデータを組み合わせたマルチモーダルセールス予測ネットワークを提案する。 従来の販売予測手法と比較して,SMAPEの誤差測定値の平均改善率は7.37%と統計的に有意な改善を示した。
  論文  参考訳（メタデータ） (2022-10-20T18:06:36Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
  企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。 商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。 本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
  論文  参考訳（メタデータ） (2022-02-26T02:07:25Z)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)
• Improving Sales Forecasting Accuracy: A Tensor Factorization Approach with Demand Awareness [1.8282018606246824]
  販売予測への高度時間潜在因子アプローチ(ATLAS)という新しいアプローチを提案する。 ATLASは、複数のストアや製品にまたがる単一のテンソルファクターモデルを構築することで、販売の正確かつ個別化された予測を実現する。 ATLASの利点は、Information Resource, Inc.が収集した8つの製品カテゴリデータセットで実証されている。
  論文  参考訳（メタデータ） (2020-11-06T16:04:40Z)
• How Much Can A Retailer Sell? Sales Forecasting on Tmall [20.51263243320733]
  本稿では,世界最大のオンラインB2CプラットフォームであるTmallにおける小売店の売上予測事例について検討する。 我々は,販売予測,すなわち季節性抽出と流通転換の2つのメカニズムを設計する。
  論文  参考訳（メタデータ） (2020-02-27T06:41:00Z)
• Profit-oriented sales forecasting: a comparison of forecasting techniques from a business perspective [3.613072342189595]
  本稿では,コカ・コーラ社の産業界データと公開データセットの両方から成る35回連続のテクニックを比較検討する。 モデル構築と評価プロセスの両方において、テクニックが生成できる期待される利益を考慮に入れた、新しく完全に自動化された利益主導のアプローチを導入します。
  論文  参考訳（メタデータ） (2020-02-03T14:50:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。