面对竞争日益激烈的中国国内图书市场,为了获得图书市场销售的预测趋势,更好的帮助出版单位进行出版选题的决策,尤其是对于某些细分领域,对于市场变化的洞察是十分必要的。要获得图书某些细分市场的趋势预测,就需要通过利用先进的模型处理技术,进行数据分析、模型选择并进行市场预测,通过把市场的变化模型化,帮助出版企业决策层在某些细分领域进行生产决策。帮助出版企业优化有限的资源,提前布局生产图书的资源规划,进一步深化企业发展,提高生产企业的核心竞争力。随着互联网和信息技术的不断更迭,出版产业全链条的信息化水平的逐步提高,使得很多数据的采集成为可能,这些大量的图书销售数据通过平台汇集,成为出版企业非常有参考价值的时间序列数据。如果我们能对这些时间序列进行较好的分析预测,应用成熟的模型算法来对模型进行描述,那么在出版社的发展方向的决策中将有很强的参考意义。图书出版行业对于细分市场的洞察比整体行业大盘的动向更加有参考价值,所谓图书细分市场,是指图书行业根据市场需求的多样化和读者购书行为的差异性,把整个图书市场划分为若干个具有某种相同或者相似的子市场。每一个细分市场都是由具有类似需求倾向的读者构成的。因此,在不同的细分市场,读者对图书产品的需求是不尽相同的,而同一细分市场的读者,他们对图书产品的需求特征又极为相似,是出版社潜在的目标市场。所以对图书零售行业细分市场的分析与预测,有利于出版社发现细分市场的潜在机会,发现未来出版动向;通过满足细分市场千差万别的读者需求,有利于提高出版社在细分市场的影响力和经济效益。本文针对日语这个细分市场的销售码洋,对销售的时间序列数据进行了模型建立和预测。将日语图书市场销售码洋历史数据通过EMD分解为高频、中频、低频及残差四个分量,并对四个分量分别构建预测模型。同时,引入了网络搜索数据,通过对日语市场影响因素相关的20个关键词进行网络搜索数据的采集,通过主成分分析得到日语图书市场销售码洋的搜索因子数据,将搜索因子数据加入到预测模型中,将高频、中频、低频及残差四个分量应用不同的预测模型进行预测,并与实际值进行比较,对不同模型进行评价,选取最优模型。用平均相对误差(MAPE)指标和胜率两个指标对模型预测的效果进行综合评价表明,将EMD分解之后的中频分量与百度搜索因子结合进行预测的模型的预测结果,优于仅应用简单移动平均和ARIMA模型的预测结果。本文提供了一种对图书细分市场的销售码洋的预测模型构建方法,为以后的市场预测模型的建立提供了一定的思路和借鉴。