论文部分内容阅读
随着人们对生活品质的不断追求和互联网+时代的到来,逐渐涌现出了很多借助O2O商业模式来提供生活服务的公司,如新美大、去哪儿网、58到家、链家网等等。这些公司通过线上线下相结合的方式,更加便捷地满足人们在生活衣食住行方面的需求。其中餐饮是O2O领域的一个重要垂直分类,团购与外卖是其主要的两个发展模式。一方面,该领域市场竞争异常激烈,外界环境变化迅速;另一方面,企业的订单量直接影响着企业的销售业绩与所在市场中所占的份额。因此,对于企业而言需要不断提升数据化运营能力,以应对市场变化。如何更快更准确地预测订单,对未来发展状况进行预判,挖掘潜在市场需求将十分重要。传统的需求预测模型一般为基于时间序列的算法模型,借助历史销量和时间的关系进行建模预测,并且一般针对以销售实际商品为载体的制造业、零售业居多,对O2O餐饮企业的订单预测的研究较少。对于餐饮O2O的企业来说,其最大的特征是以线上平台的方式,与多家线下餐饮企业进行合作,尽可能在线上平台入驻多的商家。另一方面在业务推广和营销手段上与传统线下餐饮公司截然不同,给予用户设定营销的策略是餐饮O2O企业的生存法宝。针对餐饮O2O企业的订单预测研究,能够快速帮助企业了解未来订单走势,辅助营销策略的制定。本文以我国某O2O模式下的餐饮企业为背景,以预测企业订单为目标建立预测模型。本文通过对餐饮O2O企业的现有业务模式与经营数据的分析,以某O2O餐饮企业的具体业务为背景进行订单预测研究。由于O2O商业模式与传统企业差异性较大,其订单量变化受到的因素也诸多,订单走势波动性较大。餐饮O2O企业订单数据具有一定的趋势特征与季节特征,具有一部分线性特征;此外订单量的变化还与商家参加的促销优惠活动、商家体验等因素有关,也会受到外在环境、天气等异常因素的影响,具有非线性特征。因此,本文选取了较有代表性的ARIMA时间序列与BP神经网络算法模型,对订单的线性与非线性特征分别进行拟合,并建立针对某餐饮O2O企业的组合预测模型。此外,本文基于整体、商家、城市三种企业不同的预测场景分别进行了模型实现与验证。最后,文章对模型的预测效果进行对比分析,发现组合预测模型取得优于两单一模型的预测效果。本文研究内容可以帮助餐饮O2O企业进行精细化运营,提前洞悉不同维度下订单的未来走势,辅助企业各级人员进行资源分配、业务目标方面的策略制定。