销售预测随着时间的推移

Question

我想模拟一家商店销售的演变过程。

以下是我掌握的数据：

• 根据第一次购买的日期，将客户汇总为每月一组，例如:2015年1月进行第一次购买的客户属于第一组，2015年2月第一次购买的客户属于第二组。
• 销售:每月汇总*队列(第4组不可见，因为只有1条记录没有行)

如果我们把所有的队列都放在同一个血统上：

问题:如何预测未来两个月的支出：

• 队列1在其老化的5和6中的花费
• 队列2在老化4和5中的花费
• 队列3在老化3和4中的花费
• 队列4在老化2和3中的花费

但对于那些尚不存在的群体来说：

• 第5组在老化1和2中的花费
• 第6组在老化1中的花费

--我想到了两种方法，但不知道它们是否好：

1. 用两个参数进行多项式回归：
   • 衰老:因为随着时间的推移，有一个明显的进化，向上然后向下。
   • 队列数量:因为最近的队列似乎花费更少。

2. 时间序列:我最近没有执行时间序列，我有点生锈，所以我更喜欢使用其他的东西，但我认为它可以适应这个问题。

事实上，很明显YT-2中的yt-1t.yt是一个很好的预测指标，但是如何预测没有历史的未来支出呢？

Answer 1

听起来，这比试图在队列水平上预测支出要复杂得多。最好用队列来理解“为什么”发生了什么，用时间序列分析来理解“什么”会发生。

R中的预测包似乎解决了您的问题。只需预测每月开支，并完成它！

Answer 2

首先，队列主要用于描述性分析和推理分析，而不是预测分析。

仔细看一看你的数据集，我就会发现一个明显的季节性周期性，而且可能会有一些趋势可以观察到。因此，我的建议是采用时间序列分析(从基本季节朴素(snaive in R)算法开始)。snaive线将给您一个很好的想法，是向前推进时间序列，还是使用更简单的估计，如回归方法。

如果存在季节性和趋势性，那么snaive拟合将比简单回归更准确。当然，当您移动时，置信区间会越来越大。