終-存檔版手機(jī)產(chǎn)品的大數(shù)據(jù)需求預(yù)測(cè)模型構(gòu)建與體系設(shè)計(jì)

第一 緒 第二 國(guó)內(nèi)外相關(guān)研究及方法概 第三 基于大數(shù)據(jù)的需求預(yù)測(cè)模型構(gòu)建與體系設(shè) 引 第四 實(shí)例分析與數(shù)值模 第五 結(jié)論與展 結(jié) 展 致 參考文 附 圖圖1-1本文研究框 圖2-12016與2017年大數(shù)據(jù)版圖對(duì) 圖2-22016與2017年大數(shù)據(jù)版圖對(duì)比（續(xù) 圖2-4數(shù)據(jù)挖掘流程&主要步 圖2-5數(shù)據(jù)挖掘系統(tǒng)模 圖3-12015H1-2016H1中國(guó)價(jià)位段份額趨 圖3-32017Q1主流品牌銷(xiāo)量?jī)r(jià)格分 圖3-5Apriori算法流 圖3-6生命周期過(guò)程曲 圖3-7預(yù)測(cè)體系三維結(jié) 圖3-8預(yù)測(cè)體系模型框 圖4-1五款產(chǎn)品銷(xiāo)量比 圖4-2暢品類(lèi)實(shí)際銷(xiāo)量值與模型預(yù)測(cè)值對(duì) 圖4-3平品類(lèi)實(shí)際銷(xiāo)量值與模型預(yù)測(cè)值對(duì) 圖4-4滯品類(lèi)實(shí)際銷(xiāo)量值與模型預(yù)測(cè)值對(duì) 表表2-1大數(shù)據(jù)的定 表2-2傳統(tǒng)數(shù)據(jù)分析與大數(shù)據(jù)分析的比 表2-3數(shù)據(jù)挖掘分析方 表3-1銷(xiāo)量前十品牌產(chǎn)品價(jià)格信息匯總（部分 表3-2本文研究的產(chǎn)品信息匯總（部分 表3-3產(chǎn)品的屬性匯 表3-4產(chǎn)品名義屬性匯 表3-5名義屬性組合挖掘數(shù)據(jù)（部分 表3-6不同參數(shù)方案下挖掘結(jié)果的比 表3-7不同參數(shù)方案下挖掘結(jié)果的比較（續(xù) 表3-8支持度4%置信度30%條件下的屬性組合（部分 表3-9產(chǎn)品定序?qū)傩杂?jì) 表3-10產(chǎn)品定序?qū)傩杂?jì)算過(guò)程（部分 表3-11產(chǎn)品屬性值綜合計(jì)算（部分 表3- 表4-1五款產(chǎn)品屬性信息（定序?qū)傩?表4-2五款產(chǎn)品屬性信息（名義屬性 表4-3五款產(chǎn)品名義屬性匯 表4-4五款產(chǎn)品名義屬性賦 表4-5五款產(chǎn)品定序?qū)傩再x 表4- 表4-7五款產(chǎn)品暢平滯分 表4- 表4-9五款產(chǎn)品相對(duì)銷(xiāo) 表4-10暢品類(lèi)產(chǎn)品回歸擬合參 表4-11暢品類(lèi)各模型使用殘差對(duì) 表4-12平品類(lèi)產(chǎn)品回歸擬合參 表4-13平品類(lèi)各模型使用殘差對(duì) 表4-14滯品類(lèi)產(chǎn)品回歸擬合參 表4-15滯品類(lèi)各模型使用殘差對(duì) 表4-16產(chǎn)品銷(xiāo)量預(yù)測(cè) 表4-17產(chǎn)品銷(xiāo)量預(yù)測(cè)結(jié) 由于經(jīng)濟(jì)程度的不斷發(fā)展，人們對(duì)生活水平的要求也在隨之提高，產(chǎn)品作為集通訊、、辦公等眾多功能的可攜帶式電子設(shè)備正逐漸成為人們?nèi)粘Ｉ钪袩o(wú)可替代的必需品。中國(guó)市場(chǎng)的容量在進(jìn)一步擴(kuò)大，給行業(yè)帶來(lái)了競(jìng)爭(zhēng)機(jī)會(huì)和更好發(fā)展前景。在競(jìng)爭(zhēng)日益激烈的行業(yè)背景下，廠商紛紛推出功能眾多的產(chǎn)品來(lái)吸引消費(fèi)者，導(dǎo)致人們對(duì)產(chǎn)品的選擇和偏好受到因素的影響。有效的產(chǎn)品需求預(yù)測(cè)可以幫助企業(yè)更好的進(jìn)行生產(chǎn)和備條件下，針對(duì)產(chǎn)品進(jìn)行大數(shù)據(jù)需求預(yù)測(cè)模型的構(gòu)建和預(yù)測(cè)體系的設(shè)計(jì)具有要方法和數(shù)據(jù)挖掘的常用，然后在考慮產(chǎn)品特征之后選擇從產(chǎn)品屬性第一，建立屬性分析模型。針對(duì)目前市面上的產(chǎn)品進(jìn)行價(jià)位段劃分，到對(duì)產(chǎn)品的需求預(yù)測(cè)。Astheeconomiclevelcontinuestoimprove,people'slivingstandardsarealsoraising,whichmakestheintegratingcommunication,entertainment,officephoneproducts eanindispensabledailynecessityinpeople’slife.Thefurtherexpandof'sphonemarketcapacityhasbroughtmorecompetitiveopportunitiesandbetterprospectsfortheindustrydevelopment.phonemanufacturershavelaunchedphoneswithmanyfunctionstoattractconsumers,leadingtothechoiceofproductsandpreferencesinfluencedbymorefactors.Effectiveproductdemandforecastingcanhelpenterprisesabetterproductionandstock,andalsohelpthewholeindustrytoestablishamoreefficientoperatingsystem.Howtoextracttherealvaluableinformationfromthecurrentcomplexbigdataenvironmenthas eafurtherresearchfocus.Insuchbackground,itisofgreatpracticalsignificanceandacademicvaluetodesignthedemandforecastingmodelandsystemforphoneproductsbasedonbigdata.Thispaperfirstsummarizesthemainmethodsofexistingdemandforecastinganddataminingbycombingandsummarizingalargenumberofs.Then,afterconsideringthecharacteristicsofproducts,wechoosetobuildthedemandforecastfromproductattributes,andtheprocessmainlydividedintotwoparts:Firstly,createanattributeysismodel.Dividephonebypricesegmentandselectedproductattributesbasedonthecharacteristicsofthedifferentgroup.Theattributeoftheproductisweightedbytheassociationruleminingalgorithmandthencanbeusedforthecalculation.Secondly,thedemandforecastingmodelisestablishedtocombinetheresultsofattributeysis.Onthebasisoftheattributeassignment,theclusteringysisisusedtodividetheproductaccordingtotheattributepromotiondegree,andthelifecycleregressioniscarriedoutfordifferenttypesofproductstogetthefinalsalesforecastsoastoobtainacombinationofdifferentproductattributesofdemandforecastanddesignthefinalsystem.Theresultswhichcanbeusedtogivesuggestiontothecompaniesindicatethatthecombinationofdifferentattributeswillhavetheinfluenceonthefinalsalesoftheproduct,solvingtheproblemoflackinghistoricaldata.Finally,basedontheconclusionofthestudy,theauthorputsforwardsomesuggestionsonhowtostrengthenthedemandmanagementofphoneenterprises,andfurtherprospectsofthefutureresearchdirection.:Phone;BigData;Demand-forecastingModel;Attributeyze;AprioriAlgorithm第一章緒論由第數(shù)據(jù)統(tǒng)計(jì)機(jī)構(gòu)IDC公布的2016年全球智能銷(xiāo)售數(shù)據(jù)，該年度智能為、OPPO以及vivo。市場(chǎng)方面，根據(jù)中國(guó)信息通信的報(bào)告顯示，2016年僅份額在2016年不斷的縮減，而中國(guó)的國(guó)產(chǎn)品牌比如、OPPO和vivo市場(chǎng)份額仍然擁有上升優(yōu)勢(shì)，尤其在2016年第四季度，在蘋(píng)果發(fā)布產(chǎn)品7以及7Plus的2016年以1.39億臺(tái)智能的全年出貨量領(lǐng)跑了中國(guó)品牌。在目前競(jìng)爭(zhēng)激烈的市場(chǎng)格局下，銷(xiāo)售商，生產(chǎn)商以及整個(gè)上的企業(yè)要在保證銷(xiāo)量的前提下降低企業(yè)的存貨，提高周轉(zhuǎn)率，才是各大廠商需要解決的關(guān)鍵問(wèn)題。在此過(guò)，精準(zhǔn)的產(chǎn)品需求預(yù)測(cè)可以有效降低產(chǎn)品的庫(kù)存和庫(kù)存成本，從根本由于產(chǎn)品需求波動(dòng)性大的特點(diǎn)，傳統(tǒng)的單一的需求預(yù)測(cè)方法已經(jīng)不足以滿足研究正逐漸趨于火熱，其在挖掘客戶需求方面也具有一定的優(yōu)勢(shì)，在對(duì)于產(chǎn)品的需求研究目的與創(chuàng)新由于行業(yè)的快速興起，中國(guó)的市場(chǎng)容量在逐步攀升，智能的出現(xiàn)改變了民眾以往傳統(tǒng)的生活和溝通方式，已經(jīng)成為平日生活里不可或缺的元一，而在這個(gè)過(guò)消費(fèi)者對(duì)于其功能的需求也在不斷的變化，這也對(duì)整個(gè)供應(yīng)鏈上各個(gè)環(huán)節(jié)的原因則是由于對(duì)市場(chǎng)預(yù)測(cè)的不及時(shí)與確，以及對(duì)潛在的影響因素的考慮不全面，不能響應(yīng)顧客的需求，因此對(duì)于行業(yè)的需求預(yù)測(cè)的優(yōu)化就變得十分重要。而作為一種Apropri算法對(duì)產(chǎn)品屬性組合進(jìn)行數(shù)據(jù)挖掘，將算法的支滯類(lèi)別也會(huì)對(duì)應(yīng)不同的生命周期狀態(tài)，因此針對(duì)不同類(lèi)別的產(chǎn)品進(jìn)行分別的生命周期過(guò)去對(duì)于需求預(yù)測(cè)的研究多集中于對(duì)某品牌甚至整個(gè)行業(yè)的產(chǎn)品進(jìn)行集中的預(yù)測(cè)分析，并未考慮到同一品牌中不同品類(lèi)本身所產(chǎn)生的差異，導(dǎo)致預(yù)測(cè)的擬合結(jié)果研究像這樣技術(shù)與功能更新速度越來(lái)越快的產(chǎn)品，單憑歷史的數(shù)據(jù)已經(jīng)不足以滿足新首先，對(duì)于產(chǎn)品進(jìn)行分類(lèi)，減少由于研究范圍過(guò)大所帶來(lái)的預(yù)測(cè)誤差。根據(jù)對(duì)于產(chǎn)品的與研究，不同價(jià)位段的所具有的屬性特征具有很大差異，本文對(duì)不同價(jià)位段的進(jìn)行了一定依據(jù)基礎(chǔ)上的劃分，將需求細(xì)化到某一價(jià)位段中的產(chǎn)品，保證了預(yù)測(cè)的精度。在進(jìn)行生命周期擬合的過(guò)，也針對(duì)不同的銷(xiāo)量狀態(tài)的產(chǎn)品進(jìn)行劃分，進(jìn)其次，由于新產(chǎn)品的加入缺乏歷史數(shù)據(jù)作為預(yù)測(cè)的數(shù)據(jù)支撐，將產(chǎn)品的屬性作為可用于數(shù)值計(jì)算的賦值，也是對(duì)于產(chǎn)品的需求預(yù)測(cè)方面所進(jìn)行的創(chuàng)新，對(duì)未來(lái)相關(guān)領(lǐng)研究?jī)?nèi)容 框方法進(jìn)行整理歸納以及進(jìn)行需求預(yù)測(cè)模型的介紹。為下面章節(jié)模型以及體系打好基本的理論根基。同時(shí)介紹大數(shù)據(jù)的產(chǎn)生，接著對(duì)于行業(yè)中大數(shù)據(jù)的特點(diǎn)進(jìn)行總結(jié)，并11本章小 產(chǎn)品屬性相關(guān)研例，消費(fèi)者所定義的屬性就是由價(jià)格、品牌、顏色、電池容量、頭像素等屬性組的需求值存在一定的影響，Decker【10】等人發(fā)現(xiàn)產(chǎn)品屬性對(duì)消費(fèi)者行為的確存在顯著現(xiàn)有的關(guān)于產(chǎn)品屬性對(duì)銷(xiāo)量的影響多從屬性對(duì)消費(fèi)者意向的角度進(jìn)行研究【4,5。針對(duì)對(duì)于產(chǎn)品屬性的研究大多還停留在使用問(wèn)卷的方式得到屬性的評(píng)分與偏好【6,7，在數(shù)據(jù)樣本獲取方面存在一定程度的局限性，也必然會(huì)對(duì)預(yù)測(cè)的結(jié)果產(chǎn)生部分偏差影權(quán)重的分配。但在實(shí)際案例分析的操作中，對(duì)市場(chǎng)所得到的結(jié)果進(jìn)行處理還沒(méi)有一套大數(shù)據(jù)需求預(yù)測(cè)研究與件工具進(jìn)行分析的且來(lái)自各個(gè)信息源的數(shù)據(jù)【24。從2011年麥肯錫全球發(fā)布的研究報(bào)告中第一次提出“BigData”的概念到如今的快速發(fā)展，大數(shù)據(jù)的定義也逐漸趨向于多21IDC數(shù)據(jù)中4Vs定義：容量(volume)、多樣性(variety)、速M(fèi)ETA分析公3Vs模型：容量、多樣性、McKinsey分析數(shù)據(jù)能力的數(shù)據(jù)NIST2120162017 TB以上，這就需要進(jìn)行高效快速的有效數(shù)據(jù)的獲取，同時(shí)擁有相匹配的處理速度，的社會(huì)化能力也擁有著巨大的商業(yè)潛力，這些數(shù)據(jù)不僅僅局限于消費(fèi)者所的產(chǎn)品與消費(fèi)記錄，還包括其在過(guò)所產(chǎn)生的所有瀏覽數(shù)據(jù)、使用偏好，以及后的評(píng)段，但從2015年中國(guó)信息通信的中顯示，僅中國(guó)地區(qū)的受訪企業(yè)中就有32%使用數(shù)據(jù)挖掘技術(shù)來(lái)進(jìn)行研究，馬姝【8】GBDT回歸分析消費(fèi)者在網(wǎng)上購(gòu)物過(guò)所產(chǎn)生的數(shù)據(jù)得到其意向，進(jìn)而得到對(duì)于需求的預(yù)測(cè)；Sunil【11】則進(jìn)一步提根據(jù)Manyika等人在西方產(chǎn)業(yè)數(shù)據(jù)報(bào)告中預(yù)測(cè)，大數(shù)據(jù)的應(yīng)用可以使得企業(yè)的利潤(rùn)率提高60%以上【12，因此對(duì)于大數(shù)據(jù)的研究不僅是在科研領(lǐng)域的一大新的突破更是對(duì)于企數(shù)據(jù)挖掘算法概GB級(jí)以下，且主要針對(duì)結(jié)構(gòu)化的數(shù)據(jù)，主要使用數(shù)算、快速傅里葉變換、平滑和濾波、基線和峰值分析等常用統(tǒng)計(jì)學(xué)方2-2對(duì)這兩類(lèi)分22在數(shù)據(jù)庫(kù)中的數(shù)據(jù)，規(guī)模為級(jí)或TBPB，甚至可能更靜態(tài)、結(jié)構(gòu)化的分析以統(tǒng)計(jì)學(xué)為基礎(chǔ)進(jìn)行分類(lèi)與報(bào)表等簡(jiǎn)單描述，輔助決技術(shù)水平要求低，投入成本低，適 yticalProcessing）和數(shù)據(jù)挖掘（DataMining）兩大類(lèi)【23，本文的數(shù)據(jù)挖掘的過(guò)程和主要步驟如下【14庫(kù)庫(kù)掘換擇23數(shù)據(jù)挖掘流程&知知挖用24分析方法是數(shù)據(jù)挖掘的部分，通過(guò)科學(xué)的建模過(guò)程找到數(shù)據(jù)之間潛在的關(guān)系，并針對(duì)不同的分析目標(biāo)找到相應(yīng)對(duì)策，現(xiàn)今廣泛使用的方法為分類(lèi)、聚類(lèi)、Web頁(yè)挖掘、以23數(shù)據(jù)挖掘最重要的基礎(chǔ)，一種有監(jiān)督的學(xué)習(xí)過(guò)程【27】；從數(shù)據(jù)庫(kù)中找到某一組數(shù)據(jù)的相同特征并依據(jù)分類(lèi)模并基于此預(yù)測(cè)未知數(shù)據(jù)的信息【12與分類(lèi)相似，收集數(shù)據(jù)進(jìn)行分類(lèi)，通過(guò)聚類(lèi)使分離出每個(gè)數(shù)據(jù)集之間的差距最大，而數(shù)據(jù)集內(nèi)的密度聚類(lèi)算法、類(lèi)算法、劃分聚類(lèi)算法、網(wǎng)格聚類(lèi)算的取值范圍進(jìn)行Web步的處理，利用Web頁(yè)挖掘分析對(duì)企業(yè)決策提供支PageRank算法、HITS算法、LOGSOM算法Apriori算法、Partition算法、Fp-growth算法、Eclat算法1i??1,??2,?????}??1,??2,?????的項(xiàng)的集合，對(duì)于已經(jīng)給定的事務(wù)集DIXIXD,DXXk,X為k項(xiàng)集【14。定義2若項(xiàng)集X?I,Y?I,且存在XY=?的關(guān)系,則蘊(yùn)含式X?Y可稱(chēng)為關(guān)聯(lián)規(guī)則【28X為規(guī)則前項(xiàng)，Y為規(guī)則后項(xiàng)，Y|XXD也存在一定的幾率會(huì)包含項(xiàng)集Y。蘊(yùn)含式X?Yc%表示，則表明事務(wù)集D同時(shí)包XYc%DXYv%，則稱(chēng)關(guān)聯(lián)規(guī)則X?Y的支持度為v%【14。??????????????X?Y=PX∪ ????????????????????X?Y=PY|X=PP

3min_sup以及最低可定義4根據(jù)數(shù)學(xué)上的定義，項(xiàng)的集合稱(chēng)為項(xiàng)集，包含k個(gè)項(xiàng)目的項(xiàng)集稱(chēng)為k-頻率達(dá)到了一定的水平，該項(xiàng)集即可作為頻繁項(xiàng)集，記為L(zhǎng)k。本章小建立價(jià)位段模目前我國(guó)國(guó)內(nèi)企業(yè)在對(duì)產(chǎn)品的需求預(yù)測(cè)研究，大多針對(duì)于某一個(gè)品牌的產(chǎn)品才具有較明顯的有差異的需求【18，以價(jià)位段來(lái)劃分類(lèi)別的原因有三點(diǎn)：1.價(jià)格是消費(fèi)者在產(chǎn)品時(shí)的首要考慮因素；2.由于生產(chǎn)技術(shù)的限制，相同價(jià)位段的功能屬性相似；3.同等價(jià)位段的消費(fèi)群體一致，有助于挖掘用戶偏好。因此本文將研在劃分價(jià)位段時(shí)，GfK市場(chǎng)研究公司使用七個(gè)價(jià)位段：0~600元、600~1000元1000~1500元、1500~2000元、2000~2500元、2500~3000元、3000~4000元、>4000產(chǎn)品的復(fù)雜程度與隨時(shí)間變化的份額變化趨勢(shì)，對(duì)智能價(jià)位段份額趨勢(shì)進(jìn)行了統(tǒng)計(jì)調(diào) 10%9%9%5% 12%9%6%4% 11%10%5%4%專(zhuān)業(yè)科技平臺(tái)中關(guān)村在其對(duì)于中國(guó)市場(chǎng)不同價(jià)位段產(chǎn)品關(guān)注研究上使用1000元以下、1000~2000元、2001~3000元、3001~4000元、4001~5000元、5000元以上圖3-22016年1-6月（H1）中國(guó)市場(chǎng)不同價(jià)格段產(chǎn)品關(guān)注比例走移動(dòng)大數(shù)據(jù)服務(wù)商大數(shù)據(jù)的報(bào)告將產(chǎn)品的價(jià)位劃分為三個(gè)檔次：機(jī)、中1000元、1000~30003000元的三機(jī)劃分為3000~4000元、4000元以上兩個(gè)范圍：星米5.4%為星米5.4%為個(gè)統(tǒng)一的標(biāo)準(zhǔn)，因此本文綜合考慮將產(chǎn)品價(jià)位段劃分為五檔：0~999元、1000~1999元、2000~2999元、3000~4000元、>4000元。根據(jù)圖4-4中對(duì)于2016年上半年國(guó)內(nèi)智能整體市場(chǎng)的銷(xiāo)量情況的匯總我們可以看到前十的品牌在銷(xiāo)量上的占比已經(jīng)達(dá)到整個(gè)市場(chǎng)的80%，為了方便統(tǒng)計(jì)本文選取 表3-1銷(xiāo)量前十品牌產(chǎn)品價(jià)格信息匯總（部分2000~3000350SKU進(jìn)行表3-2本文研究的產(chǎn)品信息匯總（部分基于產(chǎn)品屬性分析的模型設(shè)表3-3產(chǎn)品的屬性匯促銷(xiāo)重主屏機(jī)身好評(píng)后置頭像顏CPUCPUSIM卡規(guī)格數(shù)據(jù)本文將能夠顯著影響消費(fèi)者意向的屬性集合稱(chēng)為有效屬性組合，即符合關(guān)聯(lián)規(guī)則于消費(fèi)者的決策并沒(méi)有產(chǎn)生影響或沒(méi)有明顯的正向影響，則這一組合就不能稱(chēng)作是有卻又顯著影響產(chǎn)品銷(xiāo)量的數(shù)據(jù)。根據(jù)上一章提到的關(guān)聯(lián)規(guī)則的3我們可以定義有效屬符合該屬性組合的產(chǎn)品對(duì)銷(xiāo)售狀態(tài)產(chǎn)生的正向影響必須與不符合該屬性組則的提升度。但由于產(chǎn)品的屬性維度非常高，包含過(guò)多非結(jié)構(gòu)化數(shù)據(jù)，會(huì)導(dǎo)致屬性組說(shuō) 對(duì)于給定的產(chǎn)品 D，定義其屬性集合a??????????????????1,??????????????????2,?????????????????????}i{??????????????????1i,??????????????????2??,???????????????????????}，??????????????????????,??∈[1??]ij屬性維度∈i的銷(xiāo)售狀態(tài)，記??????????????????????,??[1??1]??????????????????????,??[1??1]=1，表示該產(chǎn)品2屬性組合集A包括所有屬性的組合方式，所包含的項(xiàng)集用????????來(lái)表示。說(shuō)明3包含????????=??的暢銷(xiāo)品在產(chǎn)品集D中的比例，也就是支持度：??????????????

=??????(????????=??∪????????????????????+1??????

4包含????????=??的產(chǎn)品中??????????????????????,??∈[1??1]=1

=??????(????????=??∪????????????????????+1??????(????????=??

在產(chǎn)品集D中????????????????????????∈[1??1]=1

=??????(????????=??∪????????????????????+1??????

5????????????????>1????????=??

) ??????????????????????????????????????????(????????????????????+1

????????=??為強(qiáng)關(guān)聯(lián)規(guī)則，且????????????????≥min_left,可以稱(chēng)????????=??為有效規(guī)則，對(duì)銷(xiāo)量的正向影響程度可表示為：??????????=??=[?????????????????1]。YNN35Apriori表3-4產(chǎn)品名義屬性匯顏色屬性技術(shù)屬性功能屬性CPU：8WIFI根據(jù)截至2017年5月的京東平臺(tái)銷(xiāo)售數(shù)據(jù)，我們篩選出符合研究要求的350個(gè)SKU產(chǎn)品，產(chǎn)品名義屬性組合挖掘過(guò)程使用Modeler(Clementine)14.2進(jìn)行處理，產(chǎn)35名義屬性組合挖掘數(shù)據(jù)（部分1000011101101110111000011100101110011001000010101110000101100111100110000001000010100110000011001011101100001011101111110100010001000010101110000011001111100100000011101111111100000111011011001101000001100111100100000111011011101100000111011010100101000011100011101100010011101011101100000011101111111100000011011010100100000111111011101000000111001011100000111010110011000001110110111000000000010000101010000000011100101010100000010000101010100000110011111111100000011000101000在本文研究過(guò)，選取最低支持度4%，最低置信度30%的一組，使用該組合條件4%14SKU30%剛好為暢銷(xiāo)品SKU>3，證明該條件下得到的屬性組合對(duì)銷(xiāo)售的正向較為顯著。36最低支持度最低置信度平均SKU平均置信度1234567最低支持度最低置信度1823445677組不同支持度與置信度取值下的輸出結(jié)果進(jìn)行對(duì)比，參數(shù)方案1（支持度1%，置信度50、參數(shù)方（支持度10%，置信度30、參數(shù)方案5（支持度5%，置信度20、參數(shù)方案6（支持10%207（20%10。從挖掘結(jié)果中可以明顯看出，參數(shù)方案1和2在滿足規(guī)則的SKU個(gè)數(shù)上均未超過(guò)10，意味著其可能存在過(guò)度學(xué)習(xí)的情況，不具有顯著研究意義，同時(shí)方案1中所涉及的規(guī)則總SKU52076條，在平均提升度并未受到影表3-8支持度4%置信度30%條件下的屬性組合（部分規(guī)則序前實(shí)支持度置信度提規(guī)則長(zhǎng)1.1and2.1and3.2and2.3451.1and2.1and3.2and441.1and2.1and3.2and441.1and2.1and4313.4and2.7and2.4and2.6and3.2and2.2and3.3and2.3and4933.4and2.7and2.4and2.6and3.2and2.2and3.3and4843.4and2.7and2.4and2.6and3.2and2.2and3.3and4853.4and2.7and2.4and2.6and3.2and2.2and2.3and4863.4and2.7and2.4and2.6and2.2and3.3and2.3and483.4and2.7and2.4and2.6and3.2and2.2and47由于各屬性組合之間存在相互重復(fù)的關(guān)系，會(huì)對(duì)最終進(jìn)行的屬性產(chǎn)生重復(fù)計(jì)算的若即為得到名義屬性的賦值，針對(duì)產(chǎn)品的常規(guī)定序?qū)傩晕覀円残枰@得其對(duì)銷(xiāo)量影響中的屬性值，以市場(chǎng)份額分配權(quán)重、規(guī)格排序?yàn)榫唧w計(jì)算依據(jù)得到不同屬性分別對(duì)匯總結(jié)果進(jìn)行權(quán)重的賦值，在此研究中選取的價(jià)格、品牌、評(píng)價(jià)、外觀、內(nèi)存以及攝表3-9產(chǎn)品定序?qū)傩杂?jì)價(jià)（權(quán)重上市促銷(xiāo)品（權(quán)重關(guān)注市場(chǎng)搜索評(píng)（權(quán)重好評(píng)主要1外（權(quán)重主屏重內(nèi)（權(quán)重6（權(quán)重前400后1300?? 1????s=1

???)2 YY

在價(jià)格方面，由于價(jià)格是最直接影響消費(fèi)者決策的因素，為了考慮促銷(xiāo)等活動(dòng)對(duì)價(jià)格的均值為輔助。其次當(dāng)消費(fèi)者更加偏向于某個(gè)品牌的時(shí)，該品牌的產(chǎn)品銷(xiāo)量衡量，我們使用品牌方面的三個(gè)指標(biāo)，品牌關(guān)注度占比、品牌市場(chǎng)份額以及搜索指數(shù)本身對(duì)于已產(chǎn)品的態(tài)度，也能在一定程度上影響著后續(xù)者的決策，因此加入針對(duì)素影響，但外觀所帶來(lái)的是最直觀的感受，而其中的主屏幕尺寸與機(jī)身本身的重量則 表3-10產(chǎn)品定序?qū)傩杂?jì)算過(guò)程（部分產(chǎn)品編價(jià)促銷(xiāo)價(jià)品牌關(guān)品牌市場(chǎng)搜索好評(píng)11主要口11111主屏尺重前置后置屬性值311產(chǎn)品屬性值綜合計(jì)算（部分產(chǎn)品編號(hào)對(duì)應(yīng)規(guī)則提升度名義屬性值定序?qū)傩灾稻C合屬性值32結(jié)合數(shù)據(jù)挖掘結(jié)果建立產(chǎn)品需求預(yù)測(cè)模型與預(yù)測(cè)體本文提出產(chǎn)品基于大數(shù)據(jù)的需求預(yù)測(cè)模型，模型的構(gòu)建主要分為以下幾個(gè)步驟：致，消費(fèi)者對(duì)不同類(lèi)別的產(chǎn)品的關(guān)注點(diǎn)也不盡相同，因此在開(kāi)展需求預(yù)測(cè)前，將產(chǎn)品在此基礎(chǔ)上采用K聚類(lèi)中心【37,38，在此過(guò)會(huì)涉及到算法的迭代過(guò)程，K中心點(diǎn)聚類(lèi)原理與K均值聚類(lèi)相K-means算法進(jìn)行聚類(lèi)分析：312叢123叢12312121322111111113111333136品類(lèi)產(chǎn)品在生命周期上的差異，從而根據(jù)產(chǎn)品類(lèi)別進(jìn)行不同的模型擬合。產(chǎn)品從實(shí)質(zhì)游戲等，而與普通產(chǎn)品生命周期隨使用結(jié)束而終止不同的是，這些功能和服務(wù)所具有的價(jià)值不會(huì)立即。產(chǎn)品由實(shí)體與一系列服務(wù)組合而成，其價(jià)值主要通過(guò)所提供的服務(wù)體現(xiàn)。即使隨著時(shí)間的推移，由外在人為所賦予的諸如時(shí)尚感、品牌優(yōu)勢(shì)等這些附加值雖然會(huì)逐漸減少，但只要消費(fèi)者繼續(xù)使用這些服務(wù)，產(chǎn)品的價(jià)值就可 37POS信商業(yè)庫(kù)原輔料訂單信庫(kù)存信品牌培育計(jì)完協(xié)同預(yù)測(cè)效果完P(guān)OS信商業(yè)庫(kù)原輔料訂單信庫(kù)存信品牌培育計(jì)完協(xié)同預(yù)測(cè)效果完機(jī)制保平臺(tái)支協(xié)調(diào)應(yīng)急機(jī)信息預(yù)測(cè)支持系定量預(yù)測(cè)效果善定量預(yù)不可量化信不可量化信定性調(diào)需求預(yù)測(cè)方法需求預(yù)測(cè)數(shù)據(jù)協(xié)同預(yù)測(cè)信息38及庫(kù)存等數(shù)據(jù)。預(yù)測(cè)實(shí)施階段是整個(gè)流最重要以及最復(fù)雜的一部分。在得到各方數(shù)據(jù)本章小41五款產(chǎn)品屬性信息（定序?qū)傩援a(chǎn)品品型價(jià)好評(píng)率尺重場(chǎng)份額索指數(shù)小5S蘋(píng)6542五款產(chǎn)品屬性信息（名義屬性產(chǎn)品品型顏?zhàn)R感熱驍小5S金否金屬邊支雙卡雙支無(wú)無(wú)否是否蘋(píng)6金否其支其支有有是否否粉否金屬邊支其其有無(wú)否是是其否金屬邊支雙卡雙其有有否是否金否其支雙卡雙支有無(wú)否是是432.3=1.0金色雙頭金屬邊框驍龍雙卡雙待2.73.2金色雙頭全網(wǎng)通GPS距離感應(yīng)WiFi熱3.33.4粉色雙頭Android金屬邊框8核驍龍距離感Android金屬邊框驍龍雙卡雙待距離感應(yīng)WiFi3.23.4金色Android8GPS需求預(yù)測(cè)實(shí)其中，五款產(chǎn)品共有的名義屬性為不可拆卸電池與識(shí)別，除此之外還各自擁44K51.1=1.0and2.1=1.0and3.2=1.02.3=1.0and3.1=1.1=1.0and2.1=1.0and3.3=1.02.3=1.0and3.1=1.1=1.0and2.1=1.0and3.2=1.02.3=1.1=1.0and2.1=1.0and3.2=1.03.1=1.1=1.0and2.1=1.0and3.3=1.02.3=1.1=1.0and2.1=1.0and3.3=1.03.1=1.1=1.0and2.1=1.0and3.2=1.1=1.0and2.1=1.0and3.3=51.1=1.0and2.1=1.0and3.3=1.02.3=1.0and3.1=1.1=1.0and2.1=1.0and3.3=1.02.3=1.1=1.0and2.1=1.0and3.3=1.03.1=1.1=1.0and2.1=1.0and3.3=73.4=1.0and2.7=1.0and2.4=1.02.6=1.0and2.2=1.0and2.3=1.03.1=3.4=1.0and2.7=1.0and2.4=1.02.6=1.0and2.2=1.0and2.3=3.4=1.0and2.7=1.0and2.4=1.02.6=1.0and2.2=1.0and3.1=3.4=1.0and2.7=1.0and2.4=1.02.6=1.0and2.3=1.0and3.1=3.4=1.0and2.7=1.0and2.4=1.02.6=1.0and2.2=3.4=1.0and2.7=1.0and2.4=1.02.6=1.0and2.3=3.4=1.0and2.7=1.0and2.4=1.02.6=1.0and3.1=3.4=1.0and2.7=1.0and2.4=1.02.6=893.4=1.0and2.7=1.0and2.4=1.03.5=1.0and3.2=1.0and2.2=1.092.3=1.0and3.1=3.4=1.0and2.7=1.0and2.4=1.03.5=1.0and3.2=1.0and2.2=1.02.3=3.4=1.0and2.7=1.0and2.4=1.03.5=1.0and3.2=1.0and2.2=1.03.1=3.4=1.0and2.7=1.0and2.4=1.03.5=1.0and2.2=1.0and2.3=1.03.1=3.4=1.0and2.7=1.0and2.4=1.03.5=1.0and3.2=1.0and2.2=3.4=1.0and2.7=1.0and2.4=1.03.5=1.0and2.2=1.0and2.3=3.4=1.0and2.7=1.0and2.4=1.03.5=1.0and2.2=1.0and3.1=3.4=1.0and2.7=1.0and2.4=1.03.5=1.0and2.2=61.1=1.0and3.2=1.0and2.2=1.03.3=1.0and2.3=1.0and3.1=321.1=1.0and3.2=1.0and2.2=1.03.3=1.0and2.3=31.1=1.0and3.2=1.0and2.2=1.03.3=1.0and3.1=31.1=1.0and3.2=1.0and2.2=1.03.3=3別擁有7與8項(xiàng)集；而產(chǎn)品編號(hào)111則對(duì)應(yīng)6-項(xiàng)集以及四條屬性組合規(guī)則，根據(jù)上一章中產(chǎn)品編號(hào)104、105、107、110以及111所對(duì)應(yīng)的名義屬性值分別為：2.571、2.125、2.333、2.125以及2。45價(jià)（權(quán)重上市促銷(xiāo)品（權(quán)重關(guān)注市場(chǎng)搜索評(píng)（權(quán)重好評(píng)主要11外（權(quán)重主屏重內(nèi)（權(quán)重（權(quán)重前后表4-6五款產(chǎn)品最終屬性247綜合屬性 銷(xiāo)售情 擬合，首先針對(duì)該五款產(chǎn)品在12月內(nèi)的銷(xiāo)售數(shù)據(jù)進(jìn)行統(tǒng)計(jì)：48產(chǎn)品編號(hào)小米5S蘋(píng)果OPPOvivo榮耀小米5S6OPPOR9vivo1月2月3月4月5月6月7月8月91011124149產(chǎn)品編號(hào)產(chǎn)品名稱(chēng)小米5S蘋(píng)果OPPOvivo榮耀銷(xiāo)量曲線選擇不同的回歸方法，比較各擬合算法的精度，選取殘差值最小的法作為首先對(duì)于代表暢銷(xiāo)品類(lèi)的編號(hào)為104的產(chǎn)品進(jìn)行生命周期擬合時(shí)，根據(jù)銷(xiāo)量曲線LogisticLogistic函數(shù)的特表4-10暢品類(lèi)產(chǎn)品回歸擬合參方程式模RF顯著性常三次曲線模型38-Logistic一13Logistic二15 Logistic模型的分段選取從第五個(gè)月進(jìn)行劃分，得到兩段擬合模型，結(jié)合得到LogisticLogistic回歸擬合。各模型計(jì)算的平均誤411MAPE1MSE11修正Logistic曲線進(jìn)行回歸擬合，得表4-12平品類(lèi)產(chǎn)品回歸擬合參方程式模R平F顯著性常線1-38-017.11E-（直線 413線-1.57E-三次-8.33E-修正Logistic曲線進(jìn)表4-14滯品類(lèi)產(chǎn)品回歸擬合參方程式模參數(shù)評(píng)R平F顯著性常二次曲線模型29-三次曲線模型38-Logistic一13Logistic二15 -8.33E--8.33E--9.25E-修正自所適用的最優(yōu)的回歸模型具有一定的差異，在對(duì)屬于暢銷(xiāo)品的產(chǎn)品編號(hào)為104的產(chǎn)Logistic曲線具有較好的擬合結(jié)果，而其中Logistic曲線在殘差值的統(tǒng)計(jì)中擁有更好的表現(xiàn)，因此對(duì)于該產(chǎn)品最終的生命周Logistic105的Logistic曲線方程的基礎(chǔ)上，加入直線方程，雖然從直觀的感受上后對(duì)于處于滯銷(xiāo)情況的，產(chǎn)品編號(hào)111的產(chǎn)品進(jìn)行生命周期回歸擬合時(shí)，則得到三次416產(chǎn)品編回歸擬合曲線一二三四五六七八九十十一十二修正直三次曲417一二三四五六七八九十十一月十二月小米5S蘋(píng)果榮耀本章小本章選取五款位于價(jià)位段2000元-3000元之間的產(chǎn)品對(duì)所構(gòu)建的需求預(yù)測(cè)模型進(jìn)結(jié)在這個(gè)品牌快速擴(kuò)張、需求日趨飽和以及電子商務(wù)快速發(fā)展的時(shí)代，存在于企業(yè)（1）不同價(jià)位段與不同銷(xiāo)售狀態(tài)的產(chǎn)品需要進(jìn)行有區(qū)別的需求預(yù)測(cè)。由于不同價(jià)位段的產(chǎn)品面向的消費(fèi)群體不同，導(dǎo)致其對(duì)于產(chǎn)品的關(guān)注度具有一定的差異。會(huì)出現(xiàn)不同價(jià)位段的所具有的屬性值具有較大差異。同時(shí)在產(chǎn)品銷(xiāo)量上所以體現(xiàn)的生（2）產(chǎn)品不同的屬性組合對(duì)消費(fèi)者行為的不同。從屬性計(jì)算得到的展等因素方面，由于信息化時(shí)代的高速發(fā)展，行業(yè)指標(biāo)、投入、指數(shù)等方面的數(shù)據(jù)在數(shù)據(jù)挖掘方法方面，本文僅采用關(guān)聯(lián)規(guī)則Apriori算法對(duì)數(shù)據(jù)進(jìn)行挖掘，挖掘等結(jié)合電子商務(wù)的線上大數(shù)據(jù)的挖掘系統(tǒng)，可以挖掘到消費(fèi)者相關(guān)的因素，包括說(shuō)到底對(duì)于產(chǎn)品的需求預(yù)測(cè)問(wèn)題的研究都是為了給企業(yè)的實(shí)際生產(chǎn)活動(dòng)提要背起行囊遠(yuǎn)去。從剛進(jìn)入大學(xué)悉尼工的懵懵懂懂、對(duì)大學(xué)生活充滿幻想的狀俗話說(shuō)的好，師傅領(lǐng)進(jìn)門(mén)，在個(gè)人。無(wú)論個(gè)人是否能取得優(yōu)異的表現(xiàn)，良師總歸是先決條件。在此我要特別感謝我的導(dǎo)師，也是我所加入的學(xué)術(shù)項(xiàng)目的導(dǎo)師，高在這次設(shè)計(jì)中，高老師總是能將知識(shí)與見(jiàn)地毫無(wú)保留的傳授出來(lái)，幫我確定了的研究方向，并在建模和方法論方面為我提出了不少建議。每當(dāng)?shù)倪M(jìn)度有推進(jìn)時(shí)，高老師也會(huì)提出不足與改進(jìn)，幫助我更好的完成。在此次的完成過(guò)分析也多虧高老師的指導(dǎo)和幫助，才能讓我順利的完成。此外，我也要感謝大學(xué)悉尼工的其他老師們，是他們讓我學(xué)會(huì)思考問(wèn)題的讓我收獲了友誼和更好的自己。還有，就是要感謝我的家人，尤其是我的父母，是我最后，再次感謝大學(xué)悉尼工，驚艷了學(xué)業(yè)時(shí)光，也溫柔了成長(zhǎng)歲月。 姝,雒興剛,.基于價(jià)值分析的產(chǎn)品屬性權(quán)重的確定方法[J].中國(guó)機(jī)械 陳文沛.產(chǎn)品屬性、消費(fèi)者介入與新產(chǎn)品行為的關(guān)系[J].財(cái)經(jīng)論 【9】.[美]PhilipKotler，KevinKeller著，盧泰宏，譯.管理[M].:民大學(xué),2009,337-【10】.ReinholdDeckerSorenWScholzDeterminingtheattractivenessofproductattributesinconsumergoodsmarketsusingPOSscannerdata[J].TheMarketingReview,2010,Vol.10,No.3,pp.225-237.【11】.SunilErevelles,NobuyukiFukawa,LindaSwayne.BigDataconsumeryticsandthetransformationofmarketing[J].JournalofBusinessResearch,2015.【12】.ManyikaJ.，ChuiM.，BrownB.etal..BigData:TheNextFrontierforInnovation，CompetitionandProductivity，InstituteM.G.McKinsey&,2011.【13】趙建國(guó),姜愛(ài)萍,高峻峻.大數(shù)據(jù)時(shí)代的企業(yè)需求管理[J].商場(chǎng)現(xiàn)代【14】.王達(dá)明.基于云計(jì)算與醫(yī)療大數(shù)據(jù)的Apriori算法的優(yōu)化研究[D].郵電大【15】.,,郭迅華等.大數(shù)據(jù)驅(qū)動(dòng)的管理與決策前沿課題[J].管理世【16】..供應(yīng)鏈環(huán)境下市場(chǎng)需求預(yù)測(cè)體系研究[D].交通大學(xué)【17】 高敏,.基于聯(lián)合分析法的產(chǎn)品屬性組合設(shè)計(jì)[J].陜西科技大學(xué)學(xué)【18】.柯晶琳,姜維軍.國(guó)產(chǎn)智能供應(yīng)鏈管理研究[J].商場(chǎng)現(xiàn)代化,2016,(26):14-【19】.吳建材.零售業(yè)商品需求預(yù)測(cè)體系設(shè)計(jì)與實(shí)證檢驗(yàn)[J].商業(yè)經(jīng)濟(jì)研,【20】 .供應(yīng)鏈需求預(yù)測(cè)方法研究[J].現(xiàn)代(學(xué)苑版,【21】..備貨型生產(chǎn)企業(yè)的銷(xiāo)售預(yù)測(cè)體系研究[D].華技大學(xué)【22】.JainCL.Benarkingforecastingmodels[J].TheJournalofBusinessForecastingMethodsandSystem,2002,21(3):18-20．【23】.大數(shù)據(jù)白皮書(shū)(2016).中國(guó)信息通信(工業(yè)和信息化部電信),【24】.胡舜耕魏進(jìn)武.[J].【25】.李學(xué)龍,.大數(shù)據(jù)系統(tǒng)綜述[J].中國(guó)科學(xué):信息科學(xué),2015,(01):1-【26】..大數(shù)據(jù)的發(fā)展和產(chǎn)業(yè)機(jī)遇[J].物聯(lián)網(wǎng)技術(shù),2013,(10):84-【27】.虎,,許芳.基于大數(shù)據(jù)的線上線下用戶數(shù)據(jù)挖掘研究[J].中南民族【28】.苑愷.基于Android的數(shù)據(jù)挖掘算法研究[J].科技風(fēng)【29】.李平榮.[J].【30】..關(guān)聯(lián)規(guī)則的研究[D].重慶大學(xué)【31】.,蔡樂(lè)才,.關(guān)聯(lián)規(guī)則挖掘的Apriori算法綜述[J].理工學(xué)院學(xué)【32】.Sheng,M.L.andTeo,T.ProductAttributesandBrandEquityinthe MediatingRoleofCustomerExperience[J].InternationalJournalofInformationManagement,2012,32(2),139-146.【33】.KilsunKim,DilipChhajed.ProductDesignwithMultipleQuality-Type【34】.郭成蹊.基于數(shù)據(jù)挖掘的網(wǎng)購(gòu)用戶流失預(yù)測(cè)研究[D].吉林大學(xué)【35】.FriedmanJeromeHGreedyfunctionapproximation:agradientboostingAnnalsofstatistics,2001:1189-【36】.ShinHTuncaTIDoFirmsInvestinForecastingEfficientlyTheEffectofCompetitiononDemandForecastInvestmentsandSupplyChainCoordination.OperationsResearch,v58,n6,2010(11-12):p1592-1610.【37】.MacQueenJ.Somemethodsforclassificationandysisofmotivations[A].Proc.5ThBerkeleySymp.Math.Statist,Prob[C]1967,1:281-297【38】.HuangZ.Extensionstothek-meansalgorithmforclusteringlargedatasetswithcategoricalvalues[J].DataMiningandKnowledgediscovery,1998(2):283-304.【39】.江君.基于網(wǎng)頁(yè)內(nèi)容的海量數(shù)據(jù)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].交通大學(xué),【40】.鄧愛(ài)萍,肖奔.基于時(shí)間序列的市場(chǎng)需求預(yù)測(cè)模型研究[J].科學(xué)技術(shù)與工【41】.飛.典型產(chǎn)品生命周期曲線的Logistic隨機(jī)模型擬合[J].科技附錄一：英文資料原Productattributesandbrandequityinthe :ThemediatingroleofcustomerexperienceMargaretL.Sheng,ThompsonS.H.TeoAvailableonline:21January2012InternationalJournalofInformationManagement32Therearestudiesshowingthatutilitarian(perceivedeaseofuseandperceivedusefulness)andhedonic(entertainmentandaesthetics)attributesofproductsaretwofundamentalresourcesthatensurebrandequityinthe .However,fewstudiesexaminetheattributesofproductsandhowandwhysuchresourcesinfluencebrandequity.Inthisstudy,asurveywascarriedouton262usersintoexaminethemediatingeffectsofcustomerexperienceontherelationshipbetweenproductattributesonbrandequity.Ourfindingssuggestthatutilitarianandhedonicattributesofproductsaffectbrandequitythroughcustomerexperience.Inotherwords,perceivedeaseofuse,perceivedusefulness,entertainment,andaestheticsmaynotbeintrinsicvalue;theirvalueonbrandequityisrealizedthroughcustomerexperience.However,whereastheeffectofperceivedeaseofuseonbrandequityispartiallymediated,perceivedusefulness,entertainment,andaestheticsarefullymediatedbycustomerexperience.Byshowingthedifferentialeffectsofproductattributesonbrandequity,thisstudyprovidesamorerefinedunderstandingoftheinteryamongproductattributes,customerexperience,and brandequity.Theresultssuggestthatbyoverlookingthemediatingroleofcustomerexperience,previousresearchmayhaveprovidedanoverlyoptimisticviewofthevalueofproductattributesinbrand,Brandequity,Customerexperience,Mediatingeffect,Utilitarianandhedonicbenefitsofproductsservices,suchasshortmessagingservice,dataservice,andcontactlessm-payment,havesignificantpotentialinservingcustomersinwirelessenvironments.Therapidproliferationofdevicesincludingphones,web-enabledaldigitalassistants,andotherhandheldcomputersisresultinginthegrowthofsuchitemsatanastonishingrate.Intermsof ,consumersconsiderbothhedonicandutilitarianproductattributes.Theliturehasestablishedbrandequityforthe .brandequityorm-brandequityisenhancedbytwodistinct,yethighlycomplementary,factors:productattributes(Chitturi,Rajagopal,&Vijay,2008;Dhar&Klaus,2000;Kivetz&Itamar,2002;Okada,2005;Strahilevitz&John,1998;Voss,Spangenberg,&Grohmann,2003)andcustomerexperience(Gentile,Spiller,&Noci,2007;LaSalle&Britton,2003;Shaw&Ivens,2005).Productattributesrefertoutilitarian(practical,functional)andhedonic(yful,joyful)benefitsofproducts.Customerexperiencereferstotheinctionwithcustomersthatensuresthederivationofutilitarianandhedonicvalue.Althoughthecontributionsofpreviousstudiesaresubstantial,extantresearchlackinginthreeaspects.First,thebrandequityunderscorestheimportanceofseveraldifferentattributesofproductsinbrandequity,namely,entertainmentandaesthetics,particularlyinthe.Thereis,however,littleinsightintotherelativeimportanceofthedifferentattributesofproductsasdriversofbrandequity.Thisstudymakescontributionsinhighlightingentertainmentandaestheticsofproductattributesinbrandequity.Second,previousstudieshavefocusedalmostentirelyontheeffectsofproductattributesonbrandequity.Nodetailedexnationsare,however,offeredastohowandwhycustomerexperiencemattersintheserelationships.Yetitisoftenimplicitlyassumedthatcustomerexperienceisasalientfactorintransformingproductattributesintobrandequity.Thecurrentstateofthelitureislackingandinconsistentbecauseakeyassumptionisthatitisnottheproductitself,butratheritsinctionwithcustomers,thatdrivesbrandequity.Thisstudyofferstheempiricalevidencesofhowandwhycustomerexperiencemediatestherelationshipbetweenproductattributesandbrandequityinthe.Fig.1.ConceptualThird,customerexperiencehastraditionallybeenpositionedasamoderatorintherelationshipbetweenproductattributesandbrandequity.However,becauseproductattributesmaymakecommunicationdifficult,in esakeyfactordeterminesthenatureofcustomerexperiencedesigns.ThisviewimpliesthatproductattributesaffectbrandequitythroughtheireffectsonthedesignofcustomerTheextantresearchhaspaidlittleattentiontothesedifferentsoftheroleofcustomerexperience.Themoderatingviewsuggeststhatproductattributesareinherentlyvaluable,sothatcustomerexperiencedeterminesthestrengthoftheireffectonbrandequity.Incontrast,themediatingviewsuggeststhatproductattributesarenotinherentlyvaluableandthattheproductattributescouldaffectbrandequitythroughtheireffectsoncustomerexperience.Iftheroleofcustomerexperienceisthatofamediatorratherthanamoderator,wemayneedtoreevaluateourstancetowardtheroleofproductattributesinbrandequity.Inexaminingthemediatingviewofcustomerexperience,ourfindingsalsoshedlightonthelevelofimportanceresearchersandmanagersneedtoceontheinherentvalueofproductattributes.Fig.1presentsourconceptualmodel.ThemodelindicatesthatutilitarianandhedonicproductattributesaffectcustomerexperiencewhichinturnaffectsbrandCustomerCustomerexperienceoriginatesfromPineandGilmore’sbook“ExperienceEconomy”in1999,whoseauthorspresentthe“experience”asaneweconomicoffering,whichemergesasthenextstepaftercommodities,goodsandservices.Customerexperienceisdefinedasasetofin ctionsbetweenacustomerandaproduct,a ,oranypartofanorganization,whichprovokesareaction(LaSalle&Britton,2003;Shaw&Ivens,2005).Itsevaluationdependsonacomparisonbetweencustomers’expectationsandthestimulicomingfromthein ctionwiththeanditsofferingsthatcorrespondtothedifferentmomentsofcontactsorCustomerexperienceisarenewedwaytoconsiderthewell-knownconceptofconsumption:ithas eaholisticexperiencewhichinvolvesa –ratherthanacustomer–asawholeatdifferentlevelsandineveryin ctionbetweensuch anda ,ora ’soffer(LaSalle&Britton,2003).Basedonthis,thecreationofvalueisnotonlyaboutsellingmemorableexperiencesbutalsoenablingthecustomerstoliveallthemomentsoftherelationshipwithainanexcellentway,eventheirexpectations.Prahalad Ramaswamy(2004)indicatethatcustomerexperienceinvolvesco-creatingtheirownuniqueexperiencewiththe.Companiesprovideartifactsandcontextsthatareconducivetoexperiencesandwhichcanbeproperlyemployedbyconsumerstoco-createtheirown,uniqueexperiences(Caru&Cova,2003,2007).Co-creationysanimportantroleindeveloanoutstandingorperfectcustomerexperience.Whenaco-creationapproachisadopted,thecustomerengagesinadialogueand ctionwithrsduringproductdesign,production,deliveryandGentileetal.(2007)believethatcustomerexperienceisanewlevertocreatevalueforboth andcustomerandagoodexperiencemustholisticallyandconsistentlyinvolvea atdifferentlevels.Thepsychologicalandbehavioralstudies(Anderson,1995;Brakus,2001;Fiske&Taylor,1991;Sitt&Simonson,1997)distinguishthreebasicsystems–sensation,cognitionandaffect–eachwithitsownstructures,principlesandmutualinctions.Verhoefetal.(2009)foundthatthecustomerexperienceconstructisholisticinnatureandinvolvesthecustomer’scognitive,affective,emotional,socialandphysicalresponses.Whenconsideringa perse,thesestudiestakeintoaccountthesetofacustomer’sactions,thesystemofvaluesandbeliefs(fromwhichlifestylesandbehaviorsarederived)andrelationships.BeingmodifiedfromSitt(1999)andwiththedimensionofpragmaticexperienceadded,Gentileetal.(2007)formholisticcustomerexperienceandidentifysixexperientialcomponents:asensorialcomponent(sense);emotionalcomponent(feel);cognitivecomponent(think);pragmaticcomponent;lifestylecomponent(act);andrelationalcomponent(relate).Customersperceiveeachexperienceasacomplexfeeling,andeachcomponentasbeinghardlydistinguishablefromtheothers;sometimestherearerelevantoverlapareasandclearDirecteffectofproductattributesoncustomerTheutilitarianandhedonicattributeshavebeenafertileareainthestudyofcustomerpreferenceinproductattributes(e.g.,Chitturi,Rajagopal,&Vijay,2007;Dhar&Klaus,2000;Kivetz&Itamar,2002;Okada,2005;Vossetal.,2003).Theutilitarianbenefitreferstothefunctionalandinstrumentalvalueofconsumptionofferingsandthehedonicbenefitreferstotheirpleasureandexperientialvalue(Strahilevitz&John,1998).Inthecontextofdevices,forexample,thedevice’sbatterylifeandsoundvolumeareutilitarianbenefits,whereasappealstoaestheticsbasedonitsshapeandcolorarehedonicbenefits.Sitt(1999)andGentileetal.(2007)concludedbystatingthatthemoduleofcustomerexperienceincludestheutilitarianandhedonicattributes.Recently,thetechnologyacceptancemodel(TAM)wasappliedinaconsumercontextwiththeadditionofa“hedonic”factorthatrelatestouserpleasurewhenutilizingit.TheTAM(Davis,1989;Davis,Bagozzi,&Warshaw,1989)isoftenusedinthemeasurementofutilitarianbenefit(Bruner&Kumar,2005;Cyr,Head,&Ivanov,2006;Wakefield&Whitten,2006),whileaestheticsandentertainmentfallintothehedoniccategory(Cyretal.,2006;Varshney&Vetter,2000;Wei,2008;Wong&Hiew,2005).serviceshavebeensuggestedtohavebothutilitarianandhedonicdimensionsandvendorscancreateaestheticallyrichinterfacesthatcustomersenjoy.MoonandKim(2001)referredtoexperienceincontextsandsuggestedthatthereisapositiverelationshipbetweentheutilitarian/hedonicdimensionandcustomerexperience.Theyfoundthatwhenindividualsareinthestateofyfulness,theywillfindtheinctionintrinsicallyinteresting:theyareinvolvedintheactivityforpleasureandenjoymentratherthanforextrinsicrewards.Perceivedeaseofuse,perceivedusefulness,andcustomerStudieshaveusedtwodeterminantsofTAM(perceivedeaseofuse(PEOU)andperceivedusefulness(PU))toexploretheadoptionofdevices(Cyretal.,2006;Bruner&Kumar,2005;Wakefield&Whitten,2006).Rajgopaletal.(2001)usedtheTAMtomeasurecustomerexperienceonwebsites.Gentileetal.(2007)used