论文部分内容阅读
摘 要：柳州螺蛳粉是网红经济下一款颇具潜力的流量商品，影响分析与销量预测是科学把握未来市场并维持其盈利的立足点。本文在爬取了淘宝网螺蛳粉商品原价最低、原价最高、折扣率、库存等16项数据的基础上，利用线性回归及BP神经网络算法进行螺蛳粉商品的销量预测与影响分析。研究得出：在一定合理范围内螺蛳粉售价能正向促进自身销售量的增加;商品库存对螺蛳粉的销售情况呈负相关影响;在一定的价格、库存范围内使用BP神经网络算法进行预测，销量预测准确率为64%。最后本文提出应当汇聚柳州螺蛳粉商品自身的核心竞争力、紧跟市场走向等建议，以供参考。
关键词：网红经济;BP神经网络算法;柳州螺蛳粉;影响分析;销量预测
本文索引：付可.基于BP神经网络算法的网红食品柳州螺蛳粉影响分析与销量预测[J].中国商论，2021（14）：-017.
中图分类号：F273 文献标识码：A 文章编号：2096-0298（2021）07（b）--03
柳州螺蛳粉从名不见经传的地方特色小吃，发展成为全国“网红”食品，是传统美食与互联深度融合焕发出强大生机的典型产业[1]。日前，广西柳州螺蛳粉多次登上热搜榜，网友们的“催货”声音不断，螺蛳粉企业纷纷扩产[2]。广西柳州螺蛳粉，已从名不见经传的地方美食，成长为年产值约60亿元的大产业[3]。但柳州螺蛳粉作为一款商品，在销售过程中如何根据商品自身属性探究相关的贩卖规律，其结果可以促进营销链的流通。
深度神经网络算法是近几年机器学习领域的一个热门话题。最早人工神经网络起源于20世纪40年代，专注于工程应用领域[4]。BP神经网络广泛应用于复杂非线性影响过程分析和预测研究[5]。BP神经网络预测模型预测效果很好，可为经济决策提供一定参考[6]。本次研究在定性和定量分析相结合的基础上，使用BP神经网络算法进行网红食品柳州螺蛳粉的销量预测。
1 理論背景与研究假设
本次研究主要基于BP神经网络算法在柳州螺蛳粉淘宝店铺的销量进行预测，通过将柳州螺蛳粉品牌的原价最低、原价最高、库存等16项数据进行属性数据、销售数据、动态数据、评价数据这四项的划分，再进行数据的相关模拟和回归分析，可提高销量预测的准确性，在收集了相关资料之后，作出以下假设：
J1：与过于低廉或过于高昂的价格相比，在一定合理范围内的螺蛳粉售价能正向促进自身销售量的增加。
J2：商品库存对螺蛳粉的销售情况呈负相关影响。
2 数据与变量
本次研究爬取了淘宝网柳州螺蛳粉的原价最低、原价最高、折扣率、库存、30天销量、销量占比、30天销售额、销售额占比、总收藏量、总评价数、店铺收藏、净含量、好评率、评价类型之口感评价、评价类型之生产日期评价、评价类型之性价比评价共计16个数据类型，12336个数据体，如表1所示。
数据的描述和处理情况如下：
本次研究首先根据获取的16种螺蛳粉数据类型进行相关性矩阵分析。根据表2的信息反馈可以看出，库存与螺蛳粉30天销售额、销售额占比、总收藏量、总评价数、店铺收藏、净含量这6类数据呈负相关;最高价和最低价呈正相关;评价类型之口感评价、评价类型之生产日期评价、评价类型之性价比评价这3类数据与总销售额、30天销量、销量占比、30天销售额、销售额占比、总收藏量、总评价数这7类数据呈负相关。
3 数据分析结果
为了验证本次研究所提出假设的可靠性，现模拟6种线性回归方程进行假设检验，结果如表3所示。根据前文的假设J1：与过于低廉或过于高昂的价格相比，在一定合理范围内的螺蛳粉售价能正向促进自身销售量的增加。此次研究设置了模型五和模型六。结果显示在商品的极端价格影响下，价格之间存在着较低的显著水平。这也间接说明极端价格对商品自身的销售量没有太大影响，即假设J1成立。对于本次研究的假设J2：商品库存对螺蛳粉的销售情况呈负相关影响。本次研究设置了模型一至模型四，根据结果分析可知，在以30天销售量、好评率、库存、折扣率为因变量的分析下，30天销售量、好评率、折扣率负向影响螺蛳粉食品的库存，即库存越多，商品30天销售量、好评率、折扣率就越小，假设J2成立。
本次研究柳州螺蛳粉商品进行BP神经网络算法的使用，此172款柳州螺蛳粉商品的库存及售价范围如表4所示。在与实际进行对比分析后，得到表4所示的正确率结果。结果表明，BP神经网络算法的平均预测精度为64%，正确率最大为100%，最小为0。因此，基于BP神经网络算法尚可得准确的预测结果。
在BP神经网络算法的辅助下，以及预测结果的数据显示，在一定的库存及价格范围内，可根据柳州螺蛳粉商品的口碑推测未来的销量;且再次证实了在一定范围内的库存及价格范围对商品的销量存在一定的影响。
4 结论
4.1 研究结论和不足
遗憾的是，本次研究尚未给出具体的合理售价范围。尤其是在网红食品范围内，同质化竞争激烈的市场上，如果能依靠价格脱颖而出，那无疑能正向促进销量的增加。
最后，本次研究在172款柳州螺蛳粉的实际参考消息的辅助下，利用BP神经网络算法进行柳州螺蛳粉的销量预测，但实际得到的平均正确率较低。在相应的软件辅助下，得到的正确率具有随机性，这与数据本身和模型设置有关。
4.2 理论贡献
此次研究对螺蛳粉的售卖情况绘制相关性矩阵表，构建了6个线性回归模型，对价格范围和库存的影响程度进行6个维度的分析，以及定性定量的影响因素探究。
此次研究的第二个理论成果如下：在对柳州螺蛳粉商品进行售价范围及库存大小定位的基础上，使用神经网络算法对销量进行预测，平均正确率为64%。因此螺蛳粉商品的售卖应当定义一个合理的价格范围以及库存容量，价格过高与过低、库存不合理都会造成商品销售不合理。 4.3 對策建议
4.3.1 柳州螺蛳粉应打造自身的核心竞争力
合理的价格会在一定程度上促进销售，但螺蛳粉作为一种商品，本质应当以其自身的口味或包装吸引消费者。在商品研发初期，应当把重心定位于此，以便于在更大程度上吸引顾客，获取更长远的利益。
4.3.2 同质化竞争趋势明显的柳州螺蛳粉店铺应持续观察市场走向
由于众多的螺蛳粉商家属于经销商，不涉及产品本身的开发。所以在售卖环节时，应持续及时地观察商品的销售情况和市场动态，制定适合于自身销售的合理决策。
参考文献
雷丹.“互联网+”背景下柳州螺蛳粉产业面临挑战与对策分析[J].企业科技与发展，2020（07）：23-24+27.
广西柳州：今年将新增螺蛳养殖2万亩满足螺蛳粉产业需求[J].中国食品，2020（08）：52.
广西柳州螺蛳粉串起致富链[J].农村工作通讯，2020（06）：32.
徐甜甜.基于LSTM神经网络模型的股价涨跌预测研究[D].上海：上海师范大学，2019.
黄婉莹.BP神经网络下风险投资减持影响因素分析与预测研究[D].南京：东南大学，2019.
罗成.基于SVD-GA-BP神经网络模型的股价预测[J].佳木斯大学学报（自然科学版），2019，37（06）：988-991.
Influence Analysis and Sales Forecast of Liuzhou River Snails Rice Noodle of Internet-famous Food Based on BP Neural Network Algorithm
School of Economics and Management， Guangxi University of Science and Technology
FU Ke
Abstract： Liuzhou River Snails Rice Noodle is a potential commodity in the internet celebrity economy. Impact analysis and sales forecast are the footholds for scientifically grasping the future market and maintaining its profitability. Based on 16 items of data， such as the lowest original price， the highest original price， discount rate and inventory of River Snails Rice Noodle on taobao.com， this paper uses linear regression and BP neural network algorithms to predict and analyze the sales volume of River Snails Rice Noodle products. The study concluded that the price of River Snails Rice Noodle within a certain reasonable range can positively promote the increase in sales; commodity inventory has a negative impact on the sales of River Snails Rice Noodle; in a certain range of price and inventory， BP neural network algorithm is used to forecast， and the accuracy of sales forecast is 64%. Finally， this article puts forward suggestions that should gather the core competitiveness of Liuzhou River Snails Rice Noodle products and keep up with the market trend for reference.
Keywords： Internet celebrity economy; BP neural network algorithm; Liuzhou River Snails Rice Noodle; impact analysis; sales forecast
关键词：网红经济;BP神经网络算法;柳州螺蛳粉;影响分析;销量预测
本文索引：付可.基于BP神经网络算法的网红食品柳州螺蛳粉影响分析与销量预测[J].中国商论，2021（14）：-017.
中图分类号：F273 文献标识码：A 文章编号：2096-0298（2021）07（b）--03
柳州螺蛳粉从名不见经传的地方特色小吃，发展成为全国“网红”食品，是传统美食与互联深度融合焕发出强大生机的典型产业[1]。日前，广西柳州螺蛳粉多次登上热搜榜，网友们的“催货”声音不断，螺蛳粉企业纷纷扩产[2]。广西柳州螺蛳粉，已从名不见经传的地方美食，成长为年产值约60亿元的大产业[3]。但柳州螺蛳粉作为一款商品，在销售过程中如何根据商品自身属性探究相关的贩卖规律，其结果可以促进营销链的流通。
深度神经网络算法是近几年机器学习领域的一个热门话题。最早人工神经网络起源于20世纪40年代，专注于工程应用领域[4]。BP神经网络广泛应用于复杂非线性影响过程分析和预测研究[5]。BP神经网络预测模型预测效果很好，可为经济决策提供一定参考[6]。本次研究在定性和定量分析相结合的基础上，使用BP神经网络算法进行网红食品柳州螺蛳粉的销量预测。
1 理論背景与研究假设
本次研究主要基于BP神经网络算法在柳州螺蛳粉淘宝店铺的销量进行预测，通过将柳州螺蛳粉品牌的原价最低、原价最高、库存等16项数据进行属性数据、销售数据、动态数据、评价数据这四项的划分，再进行数据的相关模拟和回归分析，可提高销量预测的准确性，在收集了相关资料之后，作出以下假设：
J1：与过于低廉或过于高昂的价格相比，在一定合理范围内的螺蛳粉售价能正向促进自身销售量的增加。
J2：商品库存对螺蛳粉的销售情况呈负相关影响。
2 数据与变量
本次研究爬取了淘宝网柳州螺蛳粉的原价最低、原价最高、折扣率、库存、30天销量、销量占比、30天销售额、销售额占比、总收藏量、总评价数、店铺收藏、净含量、好评率、评价类型之口感评价、评价类型之生产日期评价、评价类型之性价比评价共计16个数据类型，12336个数据体，如表1所示。
数据的描述和处理情况如下：
本次研究首先根据获取的16种螺蛳粉数据类型进行相关性矩阵分析。根据表2的信息反馈可以看出，库存与螺蛳粉30天销售额、销售额占比、总收藏量、总评价数、店铺收藏、净含量这6类数据呈负相关;最高价和最低价呈正相关;评价类型之口感评价、评价类型之生产日期评价、评价类型之性价比评价这3类数据与总销售额、30天销量、销量占比、30天销售额、销售额占比、总收藏量、总评价数这7类数据呈负相关。
3 数据分析结果
为了验证本次研究所提出假设的可靠性，现模拟6种线性回归方程进行假设检验，结果如表3所示。根据前文的假设J1：与过于低廉或过于高昂的价格相比，在一定合理范围内的螺蛳粉售价能正向促进自身销售量的增加。此次研究设置了模型五和模型六。结果显示在商品的极端价格影响下，价格之间存在着较低的显著水平。这也间接说明极端价格对商品自身的销售量没有太大影响，即假设J1成立。对于本次研究的假设J2：商品库存对螺蛳粉的销售情况呈负相关影响。本次研究设置了模型一至模型四，根据结果分析可知，在以30天销售量、好评率、库存、折扣率为因变量的分析下，30天销售量、好评率、折扣率负向影响螺蛳粉食品的库存，即库存越多，商品30天销售量、好评率、折扣率就越小，假设J2成立。
本次研究柳州螺蛳粉商品进行BP神经网络算法的使用，此172款柳州螺蛳粉商品的库存及售价范围如表4所示。在与实际进行对比分析后，得到表4所示的正确率结果。结果表明，BP神经网络算法的平均预测精度为64%，正确率最大为100%，最小为0。因此，基于BP神经网络算法尚可得准确的预测结果。
在BP神经网络算法的辅助下，以及预测结果的数据显示，在一定的库存及价格范围内，可根据柳州螺蛳粉商品的口碑推测未来的销量;且再次证实了在一定范围内的库存及价格范围对商品的销量存在一定的影响。
4 结论
4.1 研究结论和不足
遗憾的是，本次研究尚未给出具体的合理售价范围。尤其是在网红食品范围内，同质化竞争激烈的市场上，如果能依靠价格脱颖而出，那无疑能正向促进销量的增加。
最后，本次研究在172款柳州螺蛳粉的实际参考消息的辅助下，利用BP神经网络算法进行柳州螺蛳粉的销量预测，但实际得到的平均正确率较低。在相应的软件辅助下，得到的正确率具有随机性，这与数据本身和模型设置有关。
4.2 理论贡献
此次研究对螺蛳粉的售卖情况绘制相关性矩阵表，构建了6个线性回归模型，对价格范围和库存的影响程度进行6个维度的分析，以及定性定量的影响因素探究。
此次研究的第二个理论成果如下：在对柳州螺蛳粉商品进行售价范围及库存大小定位的基础上，使用神经网络算法对销量进行预测，平均正确率为64%。因此螺蛳粉商品的售卖应当定义一个合理的价格范围以及库存容量，价格过高与过低、库存不合理都会造成商品销售不合理。 4.3 對策建议
4.3.1 柳州螺蛳粉应打造自身的核心竞争力
合理的价格会在一定程度上促进销售，但螺蛳粉作为一种商品，本质应当以其自身的口味或包装吸引消费者。在商品研发初期，应当把重心定位于此，以便于在更大程度上吸引顾客，获取更长远的利益。
4.3.2 同质化竞争趋势明显的柳州螺蛳粉店铺应持续观察市场走向
由于众多的螺蛳粉商家属于经销商，不涉及产品本身的开发。所以在售卖环节时，应持续及时地观察商品的销售情况和市场动态，制定适合于自身销售的合理决策。
参考文献
雷丹.“互联网+”背景下柳州螺蛳粉产业面临挑战与对策分析[J].企业科技与发展，2020（07）：23-24+27.
广西柳州：今年将新增螺蛳养殖2万亩满足螺蛳粉产业需求[J].中国食品，2020（08）：52.
广西柳州螺蛳粉串起致富链[J].农村工作通讯，2020（06）：32.
徐甜甜.基于LSTM神经网络模型的股价涨跌预测研究[D].上海：上海师范大学，2019.
黄婉莹.BP神经网络下风险投资减持影响因素分析与预测研究[D].南京：东南大学，2019.
罗成.基于SVD-GA-BP神经网络模型的股价预测[J].佳木斯大学学报（自然科学版），2019，37（06）：988-991.
Influence Analysis and Sales Forecast of Liuzhou River Snails Rice Noodle of Internet-famous Food Based on BP Neural Network Algorithm
School of Economics and Management， Guangxi University of Science and Technology
FU Ke
Abstract： Liuzhou River Snails Rice Noodle is a potential commodity in the internet celebrity economy. Impact analysis and sales forecast are the footholds for scientifically grasping the future market and maintaining its profitability. Based on 16 items of data， such as the lowest original price， the highest original price， discount rate and inventory of River Snails Rice Noodle on taobao.com， this paper uses linear regression and BP neural network algorithms to predict and analyze the sales volume of River Snails Rice Noodle products. The study concluded that the price of River Snails Rice Noodle within a certain reasonable range can positively promote the increase in sales; commodity inventory has a negative impact on the sales of River Snails Rice Noodle; in a certain range of price and inventory， BP neural network algorithm is used to forecast， and the accuracy of sales forecast is 64%. Finally， this article puts forward suggestions that should gather the core competitiveness of Liuzhou River Snails Rice Noodle products and keep up with the market trend for reference.
Keywords： Internet celebrity economy; BP neural network algorithm; Liuzhou River Snails Rice Noodle; impact analysis; sales forecast