基于BP神经网络的卷烟智能投放算法研究

基于BP神经网络的卷烟智能投放算法研究

元志红，刘布克,谢君亮,黎军，徐勇

广西壮族自治区烟草公司桂林市公司， 541010

摘  要：精准货源投放对于保持良好的卷烟市场状态具有十分重要的现实意义。

本文采用X区域2017-2022年的卷烟投放数据，提出了一种基于BP神经网络的卷烟智能投放算法。通过对比支持向量机等算法，发现BP神经网络算法预测准确率最高，模型拟合度最优，能够准确地评估卷烟市场状态以满足精准投放的需求，可为实现卷烟产品精准投放策略的智能化生成提供关键技术支持。

关键词：卷烟智能投放；BP神经网络；性能评估

1引言

2022年全国烟草工作电视电话会议强调“坚持稳中求进，把保持经济平稳运行和市场良好状态摆在优先位置”。烟草行业经济运行持续稳健发展需要良好的市场状态做支撑，而保持“供需均衡、价格稳定、库存合理、经营规范”的良好市场状态，与卷烟货源精准问题密切相关。因此，做到货源投放精准对保持良好市场状态具有重要现实意义，也是促进卷烟营销高质量发展的关键所在。本文引入多种机器学习技术来进行卷烟市场投放智能预测，采用X区域2017-2022年的卷烟投放数据构建训练集和测试集，通过对比支持向量机回归（SVR）、XGBoost回归等多种机器学习算法，最终优选确定了BP神经网络算法来进行卷烟周销量预测，从而生成卷烟智能投放策略，最后通过与实际销售量对比来验证算法的精准度，为实现卷烟精准投放提供了算法依据。

2基于BP神经网络的卷烟智能投放算法

2.1构造卷烟智能投放算法的特征向量

基本输入变量包含三种主要特征类型，包括零售商的特征向量、销售类特征向量和市场状态特征向量。

零售商的特征向量：零售商的经营规模，具体市场细分类型，所处经营业态，所处商圈类型四大特征指标。

销售类特征向量：卷烟的月销售量、季销售量、各类卷烟销售量、价格指数等历史销售数据也是精准预测下一个周期卷烟投放数量的重要依据。特别地，我们进一步引入了货源使用弹性系数这个特征向量。

市场状态特征向量：市场状态可以通过订单满足率、订购率、订足率、订足面（简称“三率一面”）和档位区间占比进行代表。

表1 特征向量的构建

3 基于BP神经网络的智能投放算法性能评估

3.1数据来源

本文以X区域为研究对象，将数据集的80%作为训练集，用于训练，构建模型；而剩余的20%作为测试集，用于评估模型的预测能力。最后使用最优算法预测下个周期的卷烟投放量，生成投放策略，以验证算法所生成的投放策略效果。

3.2 智能投放算法的预测准确率对比

我们对支持向量机回归、XGBoost回归、K近邻回归、贝叶斯回归（BR）等多种机器学习算法的预测准确率进行了对比研究。

从表2中可以看出，BP神经网络算法预测准确率最高，测试集预测准确率达到了96.27%。有很好的非线性映射能力、自学习和自适应能力、容错能力以及泛化能力，能够很好的进行预测。本文将会使用BP神经网络算法生成智能投放策略。

表2 多种机器学习算法预测准确率对比

4基于BP神经网络的智能投放算法效果验证

4.1 智能投放算法应用

具体选取了一类卷烟中的10种常销烟作为研究对象，依据“档位＋业态”、“档位＋市场细分类型”等投放方式，对下一个周期投放量进行预测，并将智能算法生成的2022年5月第二周卷烟智能投放策略来和实际投放效果进行验证对比。智能投放模型的实际验证效果如表4所示。

表4投放模型实际验证效果（单位：箱/百分比）

注：

4.2智能投放算法的验证效果

达到了“模型要精”、“投放要准”、“推进要实”的要求。通过表4可以看出，本周一类卷烟投放准确率为95.44%，最高达到了98.99%，说明本单位采取卷烟市场算法智能投放的方式，总体达到了较高的投放准确率。证明了该方法的应用能够很好的捕捉市场行情，精准的预测投放量，有效的满足客户差异化需求。

5结论

本文以X区域为研究对象，结合经济学相关原理，建立了一套包括货源使用弹性系数等特征的数据集，构建了基于BP神经网络的卷烟市场智能投放预测模型。该最优匹配方案在实际货源投放管理中具有极好的推广应用价值。