營銷數(shù)據(jù)分析 課件 第4章 基于ARIMA模型的產(chǎn)品生命周期預(yù)測

基于ARIMA模型的產(chǎn)品生命周期預(yù)測Let’sStart第4章時間序列法與ARIMA模型TimeSeriesMethodandARIMAmodel產(chǎn)品生命周期預(yù)測案例示范CaseDemonstration問題的提出QuestionCONTENTS目錄思考與練習Thinkingandexercise1問題的提出（一）產(chǎn)品生命周期理論產(chǎn)品生命周期是指產(chǎn)品從進入市場到離開市場所經(jīng)歷的市場生命循環(huán)過程。因此，產(chǎn)品生命周期理論也被稱為“商品循環(huán)”理論。正常來說，所有產(chǎn)品都要經(jīng)歷從暢銷到滯銷，并遵循產(chǎn)品生命的周期性，即歷經(jīng)引入、成長、成熟、衰退四個階段。有學者基于時間與10%的銷售增長率區(qū)分四個階段：引入期，產(chǎn)品初入市場，銷售增長率低于10%；成長期，市場該產(chǎn)品繼續(xù)存在，銷售增長率不低于10%；成熟期，市場該產(chǎn)品繼續(xù)存在，銷售增長率回落于10%以下；衰退期，市場該產(chǎn)品繼續(xù)存在，但銷售增長率轉(zhuǎn)為負數(shù)。企業(yè)通過對產(chǎn)品生命周期進行分析，可以制定或優(yōu)化相應(yīng)的市場營銷策略，從而提高銷量增加收入，捕獲最大化利益。在大數(shù)據(jù)背景下，企業(yè)可以獲得非常全面的市場信息，利用多種類型的信息對產(chǎn)品進行生命周期階段的劃分，還可以結(jié)合內(nèi)部同類產(chǎn)品相關(guān)數(shù)據(jù)以及行業(yè)同類產(chǎn)品數(shù)據(jù)對新上市產(chǎn)品進行生命周期的預(yù)測。（二）具體問題設(shè)計某個集研發(fā)、生產(chǎn)、銷售于一體的公司，在產(chǎn)品研發(fā)方面始終堅持“自主創(chuàng)新”和“引進吸收”相結(jié)合。該公司擁有國家級領(lǐng)先技術(shù)，其研發(fā)團隊由各方面的高級人才組成，綜合素質(zhì)水平較高，對于市場需求變化，能夠迅速作出響應(yīng)，積極研發(fā)適銷對路的新產(chǎn)品。該公司的主營產(chǎn)品是包括液晶電視、液晶顯示器等在內(nèi)的電子產(chǎn)品。為了更好的了解公司產(chǎn)品所處階段，對生產(chǎn)線進行改進和升級，從而更好的迎合市場的需求，提高公司產(chǎn)品在市場上的競爭力，該公司現(xiàn)準備讓數(shù)據(jù)運營專員通過對產(chǎn)品歷史的銷售數(shù)據(jù)進行分析，從產(chǎn)品在各個國家銷售的數(shù)量和增量等數(shù)據(jù)判斷出2021年10月份企業(yè)的生產(chǎn)線屬于哪個階段，以便更好地制定下一個階段的生產(chǎn)線運營策略，根據(jù)數(shù)據(jù)反饋體現(xiàn)的結(jié)果分析消費者的行為，為營銷活動提供更好的策略和建議。目前獲取了該公司2015年1月-2021年9月國際貿(mào)易產(chǎn)品液晶電視的出口數(shù)據(jù)。該數(shù)據(jù)運營專員準備借助時間序列算法對生產(chǎn)線的生命周期進行預(yù)測，得出生產(chǎn)線生命周期，判斷下一個時期也就是2021年10月企業(yè)生產(chǎn)線處于哪個階段，并給予企業(yè)對于生產(chǎn)線的控制建議。（三）問題解決思路在產(chǎn)品引入期，生產(chǎn)線處于生產(chǎn)初期，產(chǎn)出的速度較為平緩，只需滿足處于市場淡季時的需求即可；在產(chǎn)品成長期，市場需求量呈持續(xù)增長狀態(tài)，此時生產(chǎn)線處與上升期，產(chǎn)出速度需跟緊市場需求加大產(chǎn)品生產(chǎn)，為企業(yè)進行大范圍產(chǎn)品投放做好基礎(chǔ)；在產(chǎn)品成熟期，產(chǎn)品在數(shù)量上的需求已經(jīng)達到頂峰，這個階段的生產(chǎn)線進入穩(wěn)定期，需結(jié)合消費者需求注重提升產(chǎn)品本身，從而延長產(chǎn)品的成熟期；在最后的產(chǎn)品衰退期，生產(chǎn)線進入退化期，為減少企業(yè)損失，生產(chǎn)線需降低生產(chǎn)速度最后回到引入期的生產(chǎn)狀態(tài)。所以生產(chǎn)線生命周期又是基于產(chǎn)品生命周期形成的。由此，結(jié)合數(shù)據(jù)源本次案例的基本思路如下：①對液晶電視機的出口數(shù)據(jù)進行分析，預(yù)測后期的市場規(guī)模。②得到產(chǎn)品生命周期，針對產(chǎn)品生命周期曲線判斷2021年10月企業(yè)生產(chǎn)線處于哪個階段，并給出相關(guān)建議。產(chǎn)品的生命周期是具有時間規(guī)律的，案例源數(shù)據(jù)已知2015年1月-2021年9月的歷史數(shù)據(jù)，想要得到后期的市場規(guī)模，可以通過時間序列進行預(yù)測。2時間序列法與ARIMA模型（一）時間序列法時間序列預(yù)測主要依靠過去和現(xiàn)在的數(shù)據(jù)，通過分析數(shù)據(jù)找出兩者之間的關(guān)系，然后利用得到的關(guān)系來預(yù)測未來的數(shù)據(jù)。時間序列（或稱動態(tài)序列）是指將數(shù)據(jù)依據(jù)某一相同統(tǒng)計指標以及產(chǎn)生的先后順序排列而成的序列。時間序列分析能夠以現(xiàn)有的歷史數(shù)據(jù)為基礎(chǔ)，對未來進行預(yù)測。大多數(shù)經(jīng)濟數(shù)據(jù)都是以時間序列的形式呈現(xiàn)。根據(jù)觀察的時間差異，時間序列中的時間可以是年、季度、月或其他時間格式。時間序列法的價值在于：①可以反映社會經(jīng)濟現(xiàn)象的發(fā)展過程，并描述其發(fā)展狀況和結(jié)果；②分析社會經(jīng)濟現(xiàn)象的發(fā)展趨勢和速度。③探索社會經(jīng)濟現(xiàn)象的發(fā)展規(guī)律，從而對未來進行預(yù)測；④是一種重要的統(tǒng)計分析手段，可以應(yīng)用于區(qū)域、國家間的對比和分析。（二）ARIMA模型整合移動平均自回歸模型（AutoregressiveIntegratedMovingAverageModel，簡稱“ARIMA模型”）對于線性時間序列的分析和預(yù)測有著較好的精度。ARIMA（p，d，q）可視為AR+I+MA的組合，其中AR表示自回歸分析，即通過歷史觀測值分析未來變化；I表示積分，即通過差分運算使得新的數(shù)據(jù)序列具有平穩(wěn)性；MA表示移動平均，即歷史白噪聲的線性組合；p是自回歸元素的數(shù)量，d為使之成為平穩(wěn)序列所做的差分階數(shù)，q是移動平均線元素的數(shù)量。ARIMA模型可以將非平穩(wěn)數(shù)據(jù)序列通過差分運算獲得平穩(wěn)數(shù)據(jù)序列，再對平穩(wěn)數(shù)據(jù)序列建模進行預(yù)測分析。1.數(shù)據(jù)平穩(wěn)化處理時間序列的平穩(wěn)性是使用ARIMA模型的前提條件，所以對序列進行平穩(wěn)性檢驗是必要的。通過時間序列散點圖、自相關(guān)系數(shù)圖（ACF）、偏相關(guān)系數(shù)圖（PACF）和單位根檢驗（AugmentedDickey-Fuller，ADF）來可以初步判斷序列的平穩(wěn)性，再利用統(tǒng)計學方法精確地對數(shù)據(jù)的平穩(wěn)性進行測定。對于非平穩(wěn)序列，可以采用對數(shù)法或差分法對其進行平穩(wěn)化處理，反復進行以上步驟，直至獲得一個穩(wěn)定的序列。數(shù)據(jù)平穩(wěn)化處理后，ARIMA（p，d，q）模型即轉(zhuǎn)化為ARMA（p，q）模型。2.模型識別ARIMA模型預(yù)測的準確程度取決于參數(shù)組合（p，d，q）的合理性。根據(jù)差分運算法則，依次選取d=1，2，3……，并對序列進行d階差分運算，可以得到一個新的序列。對新序列進行平穩(wěn)性檢驗，直至數(shù)據(jù)平穩(wěn)，此時差分定階為d，得到ARMA（p，q）模型。自相關(guān)系數(shù)和偏自相關(guān)系數(shù)兩個統(tǒng)計指標的引入可以幫助確定ARMA（p，q）模型的系數(shù)特性及模型階數(shù)。對于經(jīng)過處理的平穩(wěn)序列，可以通過ACF圖或者PACF圖分析函數(shù)截尾或者拖尾的情況對ARMA（p，q）模型中p和q的階數(shù)進行估計。選擇合適的階數(shù)后根據(jù)赤池信息準則（akaikeinformationcriterion，AIC）匹配合適的模型。如果自相關(guān)函數(shù)顯示拖尾，而偏相關(guān)函數(shù)顯示結(jié)果為截尾，這說明該序列適用AR模型；反之，如果相關(guān)函數(shù)顯示截尾，而偏相關(guān)函數(shù)顯示結(jié)果為拖尾，則該序列適用MA模型；如果自相關(guān)函數(shù)和偏相關(guān)函數(shù)都顯示拖尾，則該序列適用ARMA模型。由于自相關(guān)函數(shù)轉(zhuǎn)變?yōu)橹芷谛蛄?，所以可以采用乘積季節(jié)模型。當序列的自相關(guān)函數(shù)規(guī)率較高時，則需對序列進行非線性模型擬合。3.模型檢驗在模型識別與參數(shù)估計結(jié)束后，需要對所選模型與估計結(jié)果進行評估與檢驗，以保證所選模型的有效性。如果評估結(jié)果顯示不合適，則需更換或者修改現(xiàn)有模型?？梢酝ㄟ^t檢驗對參數(shù)估計進行顯著性檢驗，使用Q檢驗對模型的殘差序列進行白噪聲檢驗，若檢驗結(jié)果顯示為白噪聲，則該模型適用；若結(jié)果顯示不是白噪聲，則說明在模型的誤差序列中存在相關(guān)信息沒有被提取，同時表明該模型不適用或者不夠有效。4.模型預(yù)測ARIMA模型是一種描述隨著時間推移而產(chǎn)生的數(shù)據(jù)序列的方法。該模型一經(jīng)確定有效性，便能根據(jù)模型實現(xiàn)某種程度的短期預(yù)測，獲取研究結(jié)論。3產(chǎn)品生命周期預(yù)測案例示范一家主營液晶電視機的公司為了更好地制定下一個階段生產(chǎn)線運營策略，想對產(chǎn)品生命周期進行預(yù)測，那么這家公司數(shù)據(jù)運營專員怎么做呢？1.探索數(shù)據(jù)源

表4-1為“2015年1月-2021年9月國際貿(mào)易產(chǎn)品液晶電視的出口數(shù)據(jù)”（共81條數(shù)據(jù)，此處只顯示前10條數(shù)據(jù)），表中包含了統(tǒng)計日期內(nèi)的產(chǎn)品出口數(shù)量、產(chǎn)品出口金額以及對應(yīng)的匯買價。表4-2為重要指標詳解。表4-1

液晶電視機出口數(shù)據(jù)商品名稱日期出口數(shù)量（萬臺）出口金額（萬元人民幣）匯買價(元)液晶電視機2015年1月439488647620.1263333液晶電視機2015年2月444499429623.7031034液晶電視機2015年3月403451307622.5158065液晶電視機2015年4月520584822618.6463333液晶電視機2015年5月531607535618.8335484液晶電視機2015年6月567623302619.1206667液晶電視機2015年7月586626617619.3709677液晶電視機2015年8月689733854632.1093548液晶電視機2015年9月794898137635.3072973液晶電視機2015年10月730814625633.4191304指標詳解出口數(shù)量統(tǒng)計時間內(nèi)，產(chǎn)品出口數(shù)量出口金額統(tǒng)計時間內(nèi)，產(chǎn)品出口金額匯買價即現(xiàn)匯買入價，指銀行買入外匯的價格（本案例為中美匯買價）表4-2

重要指標詳解首先將本實訓用到的數(shù)據(jù)導入【關(guān)系數(shù)據(jù)源】中，新建實驗并保存實驗后，從左邊數(shù)據(jù)源模塊拖拽“關(guān)系數(shù)據(jù)源”節(jié)點至畫布區(qū)，并在右邊參數(shù)區(qū)根據(jù)自己上傳數(shù)據(jù)時所保存的路徑找到數(shù)據(jù)表。隨后右擊“關(guān)系數(shù)據(jù)源”節(jié)點并點擊“執(zhí)行到此處”，執(zhí)行成功后右擊查看關(guān)系數(shù)據(jù)源節(jié)點的輸出結(jié)果，部分數(shù)據(jù)如圖4-1所示，共計5個字段，81條記錄。圖4-1數(shù)據(jù)源2.對數(shù)據(jù)進行預(yù)處理（1）修改數(shù)據(jù)類型 為保證時間序列成功運行需要將“日期”字段的數(shù)據(jù)類型修改為“date”日期類型，此步驟可以通過平臺的“元數(shù)據(jù)編輯”節(jié)點進行實現(xiàn)，拖拽“元數(shù)據(jù)編輯”節(jié)點，并與數(shù)據(jù)源節(jié)點進行關(guān)聯(lián)，如圖4-2所示。

圖4-2“元數(shù)據(jù)編輯”節(jié)點節(jié)點設(shè)置如圖4-3所示，而設(shè)置完成后的數(shù)據(jù)內(nèi)容如圖4-4所示。

圖4-3“元數(shù)據(jù)編輯”節(jié)點設(shè)置節(jié)點設(shè)置如圖4-3所示，而設(shè)置完成后的數(shù)據(jù)內(nèi)容如圖4-4所示。

圖4-4“日期”字段類型修改后（2）特征選擇 時間序列實現(xiàn)需要選擇特征列和標簽列，從“特征工程”模塊拖拽“特征選擇”節(jié)點至畫布區(qū)并與“元數(shù)據(jù)編輯”節(jié)點相連接，如圖4-5所示。

圖4-5拖拽特征選擇節(jié)點根據(jù)分析思路需要根據(jù)歷史數(shù)據(jù)預(yù)測市場規(guī)模，所以設(shè)置“特征選擇”節(jié)點時，需要將“日期”設(shè)為特征列、“出口金額（萬元人民幣）”設(shè)為標簽列。節(jié)點具體設(shè)置內(nèi)容如圖4-6所示。

圖4-6時間序列特征選擇

3.構(gòu)建ARIMA模型

本案例的時間序列預(yù)測主要使用了平臺的“ARIMA算法”節(jié)點。拖拽“時間序列”下面的“ARIMA算法”，并與“特征選擇”節(jié)點相關(guān)聯(lián)，如圖4-7所示。圖4-7“ARIMA算法”節(jié)點需要設(shè)置基礎(chǔ)的參數(shù)ARIMA(p，d，q)，和所需要預(yù)測的時間范圍。本案例中ARIMA參數(shù)使用默認的（1，0，1）即可。本案例為完整展示生命周期曲線，選擇預(yù)測2021年9月后近一年多的產(chǎn)品出口金額數(shù)據(jù)，其節(jié)點參數(shù)設(shè)置如圖4-8所示。圖4-8“ARIMA算法”設(shè)置4.預(yù)測得到生命周期數(shù)據(jù)

至此節(jié)點運行后得到的預(yù)測結(jié)果如表4-3所示，其中column2為“日期”列，prediction為預(yù)測的預(yù)測結(jié)果，對應(yīng)“出口金額（萬元人民幣）”一列。表4-3“ARIMA算法”預(yù)測結(jié)果（截取部分）日期prediction2021-10-011069981.842021-11-01993705.322021-12-01937280.452022-01-01895540.652022-02-01864664.012022-03-01841823.29......判斷2021年10月處于的市場階段，需要觀察歷史趨勢和后期變化趨勢，兩者結(jié)合才可以確定當前市場階段。所以，需要將原有的歷史規(guī)模數(shù)據(jù)和預(yù)測得到的數(shù)據(jù)進行合并，本案例使用了“PYTHON腳本”，主要從節(jié)點中調(diào)用pandas庫的concat（）函數(shù)進行實現(xiàn)。 為保證列數(shù)相同需要提前提取源數(shù)據(jù)中的“日期”字段和“出口金額（萬元人民幣）”字段，運用平臺節(jié)點“列選擇”進行實現(xiàn)，將節(jié)點與“元數(shù)據(jù)編輯”節(jié)點相關(guān)聯(lián)，如圖4-9所示。圖4-9“列選擇”節(jié)點其內(nèi)容設(shè)置如圖4-10所示。圖4-10“ARIMA算法”預(yù)測結(jié)果提取完成后，即可通過“PYTHON腳本”鏈接提取后的歷史數(shù)據(jù)和預(yù)測結(jié)果數(shù)據(jù)，拖拽“自定義模塊”下面的“PYTHON腳本”，并建立如圖4-11所示關(guān)聯(lián)。圖4-11“ARIMA算法”預(yù)測結(jié)果

編寫合并腳本，其編寫內(nèi)容為：importpandasaspddefexecute(dataframe1=None,dataframe2=None,dataframe3=None):dataframe1.columns=['日期','出口金額（萬元人民幣）']dataframe2.columns=['日期','出口金額（萬元人民幣）']data=pd.concat([dataframe2,dataframe1])print(data)returndata

將上述代碼填寫到Python腳本框，如圖4-12所示。然后點擊“確定”。圖4-12將代碼填寫到Python腳本框編輯完成后運行，此時“PYTHON腳本”輸出得到的合并結(jié)果如表4-4所示。表4-4合并結(jié)果（截取部分）2015-01-01488647.02015-02-01499429.02015-03-01451307.02015-04-01584822.02015-05-01607535.02015-06-01623302.0......最終觀察生命周期需要在平臺中新建可視化儀表盤繪制產(chǎn)品生命周期曲線，所以需要將最終合并的數(shù)據(jù)以表的形式存入平臺數(shù)據(jù)庫，即設(shè)置“關(guān)系目標源”節(jié)點，設(shè)置存放路徑并將其命名，如圖4-13所示。圖4-13關(guān)系目標源設(shè)置本案例完成數(shù)據(jù)挖掘模型如圖4-14所示。圖4-14完整建模流程5.繪制生命周期曲線

（1）自助數(shù)據(jù)集 在數(shù)據(jù)集界面搜索欄點擊“自助數(shù)據(jù)集”，如圖4-15所示。圖4-15進入自助數(shù)據(jù)集找到目標數(shù)據(jù)表，將其另存為數(shù)據(jù)集，其設(shè)置如圖4-16所示。圖4-16自助數(shù)據(jù)集（2）繪制生命周期曲線生命周期曲線的繪制需要在“自助儀表盤”模塊進行，因此首先需要新建一個自助儀表盤，如圖4-17所示。圖4-17自助儀表盤在自助儀表盤中，選擇目標數(shù)據(jù)源，將“日期”拖入列并進行升序排序，將“出口金額（萬元人民幣）”拖入行，設(shè)置圖表類型為折線圖即可獲得產(chǎn)品生命周期曲線，如圖4-18所示。

觀察產(chǎn)品生命周期曲線，根據(jù)前后趨勢變化，可以看出2021年10月處于產(chǎn)品成熟期。此時，企業(yè)生產(chǎn)線正處于穩(wěn)定期，需要根據(jù)消費者需求來提升產(chǎn)品，幫助延長產(chǎn)品成熟期，從而給企業(yè)創(chuàng)造更多收入。圖4-18生命周期曲線6.產(chǎn)品策略的優(yōu)化與動態(tài)管理

在市場營銷中，將企業(yè)為滿足消費者需求而提供的各種產(chǎn)品或品牌稱為產(chǎn)品項目，將原材料、功能、消費者、分銷渠道等方面較為接近的幾個產(chǎn)品項目稱為產(chǎn)品線。產(chǎn)品組合是由不同的產(chǎn)品線和產(chǎn)品項目組成而成的，它體現(xiàn)在四個維度：寬度、長度、深度和相關(guān)性。企業(yè)最初確定的產(chǎn)品組合是需要不斷調(diào)整的，需要定期對現(xiàn)有產(chǎn)品組合進行分析和評價，以