如何利用ML预测新产品的销售

Question

我正在研究一个预测问题，并偶然发现了这个问题。我如何预测一个全新的产品的销售？例如，已经在商店中引入了一个产品，商店希望了解销售情况。

我想这类似于推荐系统中的冷启动问题。但我仍然想知道，是否有任何标准的方法来解决这些问题。

Answer 1

您可以使用低音或Gamma/Shifted方法来实现这一点。您可以在diffusion中使用R包。

下面是一个示例(这是包裹的表格文件)：

library(diffusion) 

fitbass <- diffusion(tsChicken[, 2], type = "bass")
fitgomp <- diffusion(tsChicken[, 2], type = "gompertz")
fitgsg <- diffusion(tsChicken[, 2], type = "gsgompertz")
# Produce some plots
plot(fitbass)

plot(fitgomp)

plot(fitgsg)

fc_bass <- predict(fitbass,h=20)

fc_gomp <- predict(fitgomp,h=20)

fc_gsg <- predict(fitgsg,h=20)

plot(fc_bass)

plot(fc_gomp)

plot(fc_gsg)

这些方法唯一的缺点是它们不考虑产品销售的季节性。

Answer 2

在没有任何其他数据描述的情况下，我将尝试一些类似于以下内容的内容：

• 使用纵向数据聚类方法对销售曲线的形状进行聚类(纵向数据的K均值/ frechet距离.)
• 使用作为预测器的特性和作为响应的集群标签(CHAID树/随机森林.)对产品进行分类。
• 预测新产品类别会导致未来可能的销售曲线吗？

这在很大程度上取决于分类器的质量，但我认为值得一试。希望这有帮助，并让我们知道你最后做了什么-将是有趣的听到。

Answer 3

我将尝试以下步骤：

1. 找到相似的现有产品:将新产品与现有产品聚在一起。
2. 对这一全新产品的预测销售额进行插值:由于我们已经发现了与这一全新产品相似的现有产品集群，因此可以将预测算法应用于现有产品，并对新产品的预测销售额进行插值。

希望这能帮到你。