李曉蕾，畢 得

一、引言

隨著當(dāng)代消費(fèi)者需求的不斷改變，便利店逐漸演變?yōu)榫哂屑磿r(shí)性、購物便捷性、消費(fèi)時(shí)間隨時(shí)性、服務(wù)多元性等多種特點(diǎn)的新興產(chǎn)業(yè)，而且其銷售額一直呈現(xiàn)增長(zhǎng)的狀態(tài)，并且短期將不會(huì)改變。尤其是對(duì)比于超市與百貨，其市場(chǎng)份額不斷擴(kuò)大，成為零售業(yè)中前景大好的行業(yè)。為了將該趨勢(shì)持續(xù)下去，就要不斷調(diào)整便利店不同時(shí)期的營(yíng)銷策略，從而保證其銷售額能夠穩(wěn)步增長(zhǎng)。而營(yíng)銷策略的正確制定依賴于便利店的歷史銷售數(shù)據(jù)，通過其歷史數(shù)據(jù)構(gòu)造時(shí)間序列模型，進(jìn)一步分析得到便利店的銷售規(guī)律所在，從而給出對(duì)未來銷售的合理建議。

二、研究背景及現(xiàn)狀

現(xiàn)階段，居民都是快節(jié)奏的生活與工作，對(duì)于便利性的追求也是大多數(shù)人的屬性，這對(duì)于便利店而言無疑迎來了很好的發(fā)展機(jī)遇。與此同時(shí)，越來越多的學(xué)者對(duì)其銷售數(shù)據(jù)進(jìn)行深入分析，希望有所依據(jù)制定策略促進(jìn)自身發(fā)展。所以，便利店的營(yíng)銷優(yōu)勢(shì)以及發(fā)展趨勢(shì)逐漸成為學(xué)者們研究的熱點(diǎn)，無論是政治、經(jīng)濟(jì)、社會(huì)、外界環(huán)境等因素都被考慮在內(nèi)，但商家最為關(guān)心的還是便利店的營(yíng)業(yè)收入，所以最為重要的還是對(duì)消費(fèi)者消費(fèi)水平的研究?；诖耍芯克枰闹匾笜?biāo)便是便利店的歷史銷售數(shù)據(jù)，這些數(shù)據(jù)都屬于時(shí)間序列數(shù)據(jù)，而比較成熟的時(shí)間序列分析模型是ARIMA模型，由于該模型較好的擬合真實(shí)數(shù)據(jù)從而被大多數(shù)學(xué)者采用。所以本文將通過對(duì)時(shí)序數(shù)據(jù)建立ARIMA模型對(duì)便利店未來銷售情況進(jìn)行預(yù)測(cè)分析，進(jìn)而提出相關(guān)的建議和結(jié)論。

三、研究?jī)?nèi)容及方法

(一)數(shù)據(jù)選取

本文選取內(nèi)蒙古某品牌便利店的三家分店：亞辰店、香格里拉店、建科院店從2016年1月到2019年3月的月銷售額、客單價(jià)、客流量進(jìn)行預(yù)測(cè)分析。主要分析過程以香格里拉店為例，其他兩家店的分析方法及步驟不變。

(二)研究?jī)?nèi)容

本文基于內(nèi)蒙古某品牌便利店銷售額、客單價(jià)、客流量的時(shí)間序列數(shù)據(jù)對(duì)其短期內(nèi)銷售情況進(jìn)行分析預(yù)測(cè)，主要依據(jù)時(shí)間序列分析模型ARIMA模型，通過確定使之成為平穩(wěn)序列的差分次數(shù)(d)、自回歸項(xiàng)數(shù)以及滑動(dòng)平均項(xiàng)數(shù)，從而確定適當(dāng)?shù)哪Ｐ筒⒔o出數(shù)據(jù)未來3個(gè)月的預(yù)測(cè)銷售情況，最終將其與實(shí)際值進(jìn)行比較，分析其與實(shí)際值之間的誤差是如何造成的，然后給出門店?duì)I銷建議。

(三)研究方法

ARIMA模型是分析時(shí)間序列的一種最典型最常用的模型，其運(yùn)用的主要步驟為：

1.通過序列圖判斷時(shí)間序列數(shù)據(jù)是否平穩(wěn)，然后對(duì)其進(jìn)行ADF檢驗(yàn)，確定使時(shí)間序列數(shù)據(jù)成為平穩(wěn)序列的差分次數(shù)；

2.對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行平穩(wěn)化處理，然后利用自相關(guān)函數(shù)和偏自相關(guān)函數(shù)對(duì)模型進(jìn)行識(shí)別；

3.參數(shù)估計(jì)，檢驗(yàn)其是否具有統(tǒng)計(jì)意義；

4.假設(shè)檢驗(yàn)，判斷(診斷)殘差序列是否為白噪聲序列；

5.利用已通過檢驗(yàn)的模型進(jìn)行預(yù)測(cè)。

其中常用的模型有：

AR模型(自回歸模型)：

MA模型(移動(dòng)平均模型)：

ARMA模型(自回歸滑動(dòng)平均模型)：

四、建立模型并分析預(yù)測(cè)

(一)時(shí)間序列圖

時(shí)間序列圖顯示總體數(shù)據(jù)呈現(xiàn)上升趨勢(shì)，但后期銷售額有所下降，而且數(shù)據(jù)并沒有明顯的季節(jié)性波動(dòng)。

(二)ADF檢驗(yàn)

該檢驗(yàn)假設(shè)時(shí)間序列模型存在單位根，結(jié)果顯示其t統(tǒng)計(jì)量檢驗(yàn)的P值為0.0496，小于0.05，拒絕原假設(shè)。說明不存在單位根，認(rèn)為該時(shí)間序列平穩(wěn)，所以ARIMA模型中的差分階數(shù)為0，變?yōu)锳RMA模型。

(三)模型識(shí)別

通過EViews做時(shí)間序列自相關(guān)及偏自相關(guān)圖，發(fā)現(xiàn)自相關(guān)函數(shù)圖是拖尾的；偏自相關(guān)圖在2階時(shí)迅速衰減，且整個(gè)變化趨勢(shì)也沒有什么規(guī)律，所以偏自相關(guān)函數(shù)是截尾的。綜上，應(yīng)該建立AR模型，且階數(shù)為1階。

(四)模型擬合

根據(jù)建立模型用EViews對(duì)模型進(jìn)行擬合，如表1所示：

表1 模型AR(1)擬合結(jié)果

結(jié)果表明，參數(shù)前的系數(shù)都顯著不為0，證明該模型擬合效果較好。也可以結(jié)合模型擬合效果圖進(jìn)行分析，會(huì)發(fā)現(xiàn)誤差波動(dòng)幾乎都在兩倍置信區(qū)間內(nèi)，證明模型擬合效果不錯(cuò)。

(五)噪聲檢驗(yàn)

通過EViews做自相關(guān)圖和偏自相關(guān)圖來檢驗(yàn)殘差序列是否相關(guān)，發(fā)現(xiàn)可見殘差序列的柱形圖都在虛線范圍內(nèi)，Q統(tǒng)計(jì)量檢驗(yàn)的P值也都表明原假設(shè)為真，所以殘差序列不相關(guān)，模型選擇正確。

(六)模型預(yù)測(cè)

繼續(xù)使用EViews軟件對(duì)短期數(shù)據(jù)進(jìn)行預(yù)測(cè)，采取靜態(tài)預(yù)測(cè)方法對(duì)香格里拉店4月、5月、6月的銷售情況進(jìn)行預(yù)測(cè)。預(yù)測(cè)結(jié)果顯示偏差比例為0.0014，方差比例為0.2561，協(xié)方差為0.7425，Theil不相等系數(shù)為0.0196，表明模型的預(yù)測(cè)能力好，預(yù)測(cè)效果較為理想，可以運(yùn)用建立的模型AR(1)對(duì)銷售額進(jìn)行短期預(yù)測(cè)。

(七)誤差分析

用靜態(tài)預(yù)測(cè)的方法獲得各個(gè)變量的三項(xiàng)數(shù)據(jù)的短期預(yù)測(cè)情況，如表2～4所示：

表2 亞辰店2019年第二季度銷售情況預(yù)測(cè)

表3 香格里拉店2019年第二季度銷售情況預(yù)測(cè)

表4 建科院店2019年第二季度銷售情況預(yù)測(cè)

用真實(shí)值與預(yù)測(cè)值的結(jié)果進(jìn)行比較，可見預(yù)測(cè)結(jié)果較為準(zhǔn)確但亞辰店相比其他兩家店誤差相對(duì)較大，可能是其數(shù)據(jù)波動(dòng)較大的原因。其次對(duì)于4～6月銷售額的預(yù)測(cè)誤差表現(xiàn)為一個(gè)遞增的情況，這很合乎常理，對(duì)于越近時(shí)期的預(yù)測(cè)更加準(zhǔn)確。

對(duì)于客單價(jià)的預(yù)測(cè)可能不是滿足像銷售額一樣的趨勢(shì)。這可能是由于客單價(jià)本身基數(shù)就較小，稍微有點(diǎn)波動(dòng)就會(huì)造成極大的誤差，但是對(duì)于客單價(jià)波動(dòng)在1～2元，甚至是3元的情況，這都屬于正常。

對(duì)于客流量的預(yù)測(cè)也基本符合近期預(yù)測(cè)，誤差較小，隨著時(shí)間差越大其預(yù)測(cè)越不準(zhǔn)確。

其實(shí)對(duì)于銷售數(shù)據(jù)短期的預(yù)測(cè)也可以采取動(dòng)態(tài)預(yù)測(cè)方法，其預(yù)測(cè)數(shù)據(jù)的規(guī)律與靜態(tài)預(yù)測(cè)結(jié)果類似，而且預(yù)測(cè)誤差相對(duì)也較低，模型并沒有改變，再次表明對(duì)于短期內(nèi)的預(yù)測(cè)，時(shí)間越近，預(yù)測(cè)越準(zhǔn)確。

五、總結(jié)

通過用ARIMA模型對(duì)內(nèi)蒙古某品牌便利分店銷售額、客單價(jià)及客流量的預(yù)測(cè)分析以及結(jié)果討論，發(fā)現(xiàn)該模型對(duì)于短期內(nèi)便利店銷售情況的預(yù)測(cè)具有很大的實(shí)際意義。本文對(duì)各分店的預(yù)測(cè)結(jié)果顯示，其銷售額、客流量都有持續(xù)上升的趨勢(shì)，所以可以通過加大便利店內(nèi)商品供應(yīng)量以及熱銷產(chǎn)品數(shù)量來滿足顧客需求，由于ARIMA模型對(duì)于時(shí)間序列預(yù)測(cè)的準(zhǔn)確性較高，那么對(duì)于實(shí)際生活中便利店的經(jīng)營(yíng)，我們可以建立模型預(yù)測(cè)下個(gè)月的銷售情況從而進(jìn)行適當(dāng)?shù)臓I(yíng)銷策略調(diào)整，增加商品的有效供給，提升客戶在便利店的購物體驗(yàn)，提升便利店的經(jīng)營(yíng)活力。