摘要
在经济全球化的大背景下，国际贸易为我国经济发展提供了强有力的支持。随着互联网信息技术快速的发展、电子支付技术的迭代以及物流设施的日益完善，跨境电商逐步成为我国产品出口的新途径。由于跨境电商业务涉及到不同关境的交易主体，相对于国内电商业务具有管理成本高，物流距离长，仓储成本大，售后服务繁琐等特点。因此在实际运营过程中，需要构建一个包含影响跨境电商产品销量的因素分析、跨境电商产品的销量预测、基于预测过程对跨境电商的运营提出建议三个流程的销售模型，为跨境电商运营者提供决策支持。 本文内容大致分为两部分。第一部分，结合文献综述法与跨境电商的实际运营过程分析出影响产品销量的13个相关因素。本文从亚马逊电商店铺后台数据库、店小秘ERP数据库、货代系统数据库等渠道获得ASIN码为B07N2HR***的一款宠物床产品在2019年2月20日与2019年11月26日期间的销售数据。对数据进行预处理后，构建初步预测指标体系。通过随机森林特征选择，确立最终的预测指标体系。同时，结合随机森林特征选择的结果，对跨境电商的运营提出建议。第二部分，首先用BP神经网络模型对产品的销量进行预测，为了进一步提升模型预测的准确性，用ARIMA时间序列模型对产品的销量进行预测，用最小二乘法拟合单一模型的预测结果，然后用Levenberg-Marquardt优化算法。计算出两个单一模型的预测值在组合模型的预测值中所占的权重，赋予两个单一模型权重后重新拟合，获得ARIMA-BP组合模型的预测结果。最后，将单一模型的预测结果与ARIMA-BP组合模型的预测结果进行对比和综合评价。结果显示，在特征变量较多的情况下，基于非线性模型建模思想的BP神经网络与基于线性建模思想的ARIMA时间序列模型相比，BP神经网络在拟合方面有着较为明显的优势；通过对不同模型赋予权重后构建出的ARIMA-BP组合预测模型与单一模型相比，在预测效果方面有一定的提升。
NETL