隨著人們對生活品質(zhì)的不斷追求和互聯(lián)網(wǎng)+時代的到來,逐漸涌現(xiàn)出了很多借助O2O商業(yè)模式來提供生活服務(wù)的公司,如新美大、去哪兒網(wǎng)、58到家、鏈家網(wǎng)等等。這些公司通過線上線下相結(jié)合的方式,更加便捷地滿足人們在生活衣食住行方面的需求。其中餐飲是O2O領(lǐng)域的一個重要垂直分類,團購與外賣是其主要的兩個發(fā)展模式。一方面,該領(lǐng)域市場競爭異常激烈,外界環(huán)境變化迅速;另一方面,企業(yè)的訂單量直接影響著企業(yè)的銷售業(yè)績與所在市場中所占的份額。因此,對于企業(yè)而言需要不斷提升數(shù)據(jù)化運營能力,以應(yīng)對市場變化。如何更快更準確地預測訂單,對未來發(fā)展狀況進行預判,挖掘潛在市場需求將十分重要。傳統(tǒng)的需求預測模型一般為基于時間序列的算法模型,借助歷史銷量和時間的關(guān)系進行建模預測,并且一般針對以銷售實際商品為載體的制造業(yè)、零售業(yè)居多,對O2O餐飲企業(yè)的訂單預測的研究較少。對于餐飲O2O的企業(yè)來說,其最大的特征是以線上平臺的方式,與多家線下餐飲企業(yè)進行合作,盡可能在線上平臺入駐多的商家。另一方面在業(yè)務(wù)推廣和營銷手段上與傳統(tǒng)線下餐飲公司截然不同,給予用戶設(shè)定營銷的策略是餐飲O2O企業(yè)的生存法寶。針對餐飲O2O企業(yè)的訂單預測研究,能夠快速幫助企業(yè)了解未來訂單走勢,輔助營銷策略的制定。本文以我國某O2O模式下的餐飲企業(yè)為背景,以預測企業(yè)訂單為目標建立預測模型。本文通過對餐飲O2O企業(yè)的現(xiàn)有業(yè)務(wù)模式與經(jīng)營數(shù)據(jù)的分析,以某O2O餐飲企業(yè)的具體業(yè)務(wù)為背景進行訂單預測研究。由于O2O商業(yè)模式與傳統(tǒng)企業(yè)差異性較大,其訂單量變化受到的因素也諸多,訂單走勢波動性較大。餐飲O2O企業(yè)訂單數(shù)據(jù)具有一定的趨勢特征與季節(jié)特征,具有一部分線性特征;此外訂單量的變化還與商家參加的促銷優(yōu)惠活動、商家體驗等因素有關(guān),也會受到外在環(huán)境、天氣等異常因素的影響,具有非線性特征。因此,本文選取了較有代表性的ARIMA時間序列與BP神經(jīng)網(wǎng)絡(luò)算法模型,對訂單的線性與非線性特征分別進行擬合,并建立針對某餐飲O2O企業(yè)的組合預測模型。此外,本文基于整體、商家、城市三種企業(yè)不同的預測場景分別進行了模型實現(xiàn)與驗證。最后,文章對模型的預測效果進行對比分析,發(fā)現(xiàn)組合預測模型取得優(yōu)于兩單一模型的預測效果。本文研究內(nèi)容可以幫助餐飲O2O企業(yè)進行精細化運營,提前洞悉不同維度下訂單的未來走勢,輔助企業(yè)各級人員進行資源分配、業(yè)務(wù)目標方面的策略制定。
【學位單位】：北京交通大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：F719.3;F724.6
【部分圖文】：

圖１－１論文研究結(jié)構(gòu)逡逑Ｆｉｇｕｒｅ】－】Ｒｅｓｅａｒｃｈ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ｐａｐｅｒ逡逑

值個數(shù)對應(yīng)的是輸出層的神經(jīng)元個數(shù)。隱藏層可以有多層也可以只有一層，每一逡逑層神經(jīng)元的個數(shù)也可為多個或一個。一般ＢＰ神經(jīng)網(wǎng)絡(luò)使用一層隱藏層即可獲得較逡逑好的模型擬合效果。ＢＰyL經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)圖如圖２－２：逡逑輸入層Ｕ）邋隱含層（Ｈ）邋輸出層（０）逡逑＾邐：．．．＾逡逑圖２－２邋ＢＰ神經(jīng)網(wǎng)絡(luò)層級結(jié)構(gòu)圖逡逑Ｆｉｇｕｒｅ２－２邋ＢＰ邋ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋ邋ｈｉｅｒａｒｃｈｉｃａｌ邋ｓｔｒｕｃｔｕｒｅ邋ｄｉａｇｒａｍ逡逑在三層的ＢＰ神經(jīng)網(wǎng)絡(luò)模型中，需要選擇一個激勵函數(shù)用于隱藏層與輸出層神逡逑經(jīng)元之間的計算，一般使用Ｓｉｇｍｏｉｄ函數(shù)作為激勵函數(shù)。Ｓｉｇｍｏｉｄ函數(shù)有兩種表現(xiàn)逡逑形式：Ｌｏｇ－Ｓｉｇｍｏｉｄ邋與邋Ｔａｎ－Ｓｉｇｍｏｉｄ。Ｌｏｇ－Ｓｉｇｍｏｉｄ邋函數(shù)表達式見公式（２－５）：逡逑ｆＷ邋＝邋７－＾７邐（２－５）逡逑ｌ邋＋邋ｅ逡逑式中ｘ表示上層yL經(jīng)元的輸入，此函數(shù)能夠?qū)⑤斎胫涤成涞絽^(qū)間（０，邋１）之間，逡逑其函數(shù)圖象如圖２－３所示：逡逑１６逡逑

用戶獲取信息更加的便捷。從整體來看，餐飲０２０的商業(yè)模式滿足：用戶通過線逡逑上應(yīng)用平臺，找到所需需求之后在線上進行消費，在線下實體門店獲得體驗這樣逡逑一個閉環(huán)流程。對應(yīng)關(guān)系可以通過圖３－１表示：逡逑０２０餐飲平臺逡逑線下交付邐＾逡逑用戶邐．逡逑圖３－１餐飲０２０商業(yè)模型簡化流程逡逑Ｆｉｇｕｒｅ邋３－１邋Ｓｉｍｐｌｉｆｉｅｄ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｃａｔｅｒｉｎｇ邋０２０邋ｂｕｓｉｎｅｓｓ邋ｍｏｄｅｌ逡逑０２０餐飲企業(yè)的發(fā)展模式是與眾多線下的餐飲門店進行合作，多家線下門店逡逑通過平臺提供餐飲服務(wù)，０２０模式的出現(xiàn)為線下門店提供一個引流的入口。０２０逡逑模式中的企業(yè)承載了用戶尋找需求與商家發(fā)布需求的平臺功能，通過線上平臺將逡逑用戶與商家直接的信息進行傳遞。用戶通過在線上平臺尋求服務(wù)并下單，平臺將逡逑用戶下單信息同步給商家，之后商家將服務(wù)通過線下的方式交付用戶。此外，０２０逡逑模型企業(yè)的另一個重要特征的線上平臺能夠支持支付功能，即用戶的支付動作通逡逑過該平臺在線上完成。因此，０２０企業(yè)與商家之間除了具有服務(wù)信息，用戶需求逡逑信息的傳遞之外

【相似文獻】

相關(guān)期刊論文 前10條

1 朱佳佳;胡登利;呂媛;;ARIMA模型在甲型肝炎時間分布特征及趨勢預測中的應(yīng)用[J];中西醫(yī)結(jié)合心血管病電子雜志;2018年22期

2 錢俊;王永波;;幾種統(tǒng)計軟件建立ARIMA模型的應(yīng)用比較[J];統(tǒng)計與決策;2018年16期

3 羅佳偉;張強;楊書;;基于ARIMA-BPNN的組合模型在重慶市艾滋病發(fā)現(xiàn)人數(shù)預測中的應(yīng)用[J];預防醫(yī)學情報雜志;2018年03期

4 邱林;;應(yīng)用ARIMA模型預測某三級甲等醫(yī)院門診量[J];中國醫(yī)院統(tǒng)計;2018年01期

5 應(yīng)紹樺;;基于ARIMA的價格時間序列分析與預測——以滬鋁1803合約為例[J];經(jīng)貿(mào)實踐;2018年10期

6 周惠;陳曉軍;張楊;李智;;ARIMA模型在肺結(jié)核登記病例數(shù)預測中的應(yīng)用[J];江蘇預防醫(yī)學;2018年03期

7 韓玲;顏隆;王鴻;石翎笙;高治理;賀娟;;ARIMA乘積季節(jié)模型在天津市痢疾發(fā)病預測中的應(yīng)用[J];中華中醫(yī)藥雜志;2018年07期

8 程小佩;;基于ARIMA模型貨幣供應(yīng)量變動分析[J];合作經(jīng)濟與科技;2018年14期

9 婁鵬威;吳秀峰;張學良;徐加波;王凱;;基于ARIMA乘積季節(jié)模型的新疆布魯氏菌病流行趨勢分析[J];新疆醫(yī)科大學學報;2017年01期

10 成云;成孝剛;談苗苗;周凱;李海波;;基于ARIMA和小波神經(jīng)網(wǎng)絡(luò)組合模型的交通流預測[J];計算機技術(shù)與發(fā)展;2017年01期

相關(guān)會議論文 前10條

1 何巧娜;胡櫻;張增長;宇傳華;;湖北省衛(wèi)生總費用的ARIMA模型研究[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

2 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

3 王建鋒;高歌;陳立凌;李紅美;張明芝;王艾麗;;ARIMA模型及其在江蘇省衛(wèi)技人員數(shù)預測中的應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術(shù)年會論文集[C];2005年

4 李君華;王志堅;張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價格預測[A];中國棉花學會2012年年會暨第八次代表大會論文匯編[C];2012年

5 毛錦凰;;ARIMA模型在寧夏財政預測中的應(yīng)用[A];中國企業(yè)運籌學第十屆學術(shù)年會論文集[C];2015年

6 胡威;楊杉;張成;馬國柱;李夢琳;;基于ARIMA流量預測模型的粒子群帶寬動態(tài)分配算法[A];2017智能電網(wǎng)發(fā)展研討會論文集[C];2017年

7 李卓;謝沅潮;;中國國際貿(mào)易進口ARIMA季度模型[A];“決策論壇——管理決策模式應(yīng)用與分析學術(shù)研討會”論文集（下）[C];2016年

8 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

9 何榕健;李少霞;龐竣;;基于ARIMA的WCDMA無線擴容預測模型[A];2014全國無線及移動通信學術(shù)大會論文集[C];2014年

10 陳盼;陸衛(wèi)群;;ARIMA模型在區(qū)域人口預測的應(yīng)用分析[A];“決策論壇——區(qū)域發(fā)展與公共政策研究學術(shù)研討會”論文集（下）[C];2016年

相關(guān)重要報紙文章 前1條

1 ;基于數(shù)量化方法對未來經(jīng)濟增長趨勢的預測[N];第一財經(jīng)日報;2009年

相關(guān)博士學位論文 前10條

1 Annie Uwimana;用時間序列模型預測非洲國內(nèi)生產(chǎn)總值[D];中國科學技術(shù)大學;2018年

2 劉建華;手足口病發(fā)病趨勢預測及傳播動力學模擬研究[D];華中科技大學;2017年

3 孫曉東;郵輪收益管理：需求預測與收益優(yōu)化[D];上海交通大學;2011年

4 付敏英;天津市城鎮(zhèn)化融資決策研究[D];天津大學;2011年

5 張立杰;棉花價格研究及預測[D];天津大學;2012年

6 姜向榮;短時間序列預測建模及應(yīng)用研究[D];北京郵電大學;2009年

7 向昌盛;基于支持向量機的時間序列組合預測模型[D];湖南農(nóng)業(yè)大學;2011年

8 汪瓊;我國轎車企業(yè)新車面市時間與先行者優(yōu)勢相關(guān)研究[D];華中科技大學;2010年

9 胡建峰;橘小實蠅監(jiān)測、生物防治及蛋白鉺劑應(yīng)用機理[D];福建農(nóng)林大學;2012年

10 李曉林;突發(fā)事件對金融市場的影響研究[D];電子科技大學;2013年

相關(guān)碩士學位論文 前10條

1 李澤;新疆地區(qū)丙型肝炎發(fā)病數(shù)預測模型的研究[D];新疆醫(yī)科大學;2018年

2 劉陽;基于ARIMA模型的周期性時間序列變化點檢測算法研究[D];山東大學;2018年

3 柴龍凱;基于數(shù)據(jù)（序列模式）挖掘的醫(yī)院物資使用量預測模型研究[D];青島科技大學;2018年

4 王燕;2004-2016年遼寧省甲肝發(fā)病規(guī)律及預測模型研究[D];沈陽醫(yī)學院;2018年

5 范瑾;山西省流行性感冒的流行特征及基于小波-ARIMA模型的預測效果研究[D];山西醫(yī)科大學;2018年

6 李達;基于時間序列分析方法的油田產(chǎn)量預測與應(yīng)用[D];蘭州理工大學;2018年

7 劉鈺;基于VMD-ARIMA-HGWO-SVR組合模型的港口集裝箱吞吐量預測[D];蘭州大學;2018年

8 程俊;基于ARIMA-LSTM混合模型的機械傳動件制造企業(yè)銷售預測方法研究與應(yīng)用[D];電子科技大學;2018年

9 李超楠;幾種山東省GDP的預測方法及其比較[D];山東大學;2018年

10 施佳;基于ARIMA-BP組合模型的某餐飲O2O企業(yè)訂單預測研究[D];北京交通大學;2018年

本文編號：2809682