基于时间规律的产品预测研究

孙小雅 黄悦钊 江子君

摘 要：在发布新产品之前，分析产品市场是非常重要的内容。为了使Sunshine在网上商城有效地推出新产品，有必要了解在线市场中产品声誉的趋势，确定重要的功能设计，然后阐明消费者的偏好。本文使用基于神经网络时间序列的NAR模型来分析产品评估与时间之间的关系。并且为了制定有效的营销策略，我们挖掘并分析了产品声誉趋势的拐点，探索星级和评论之间的相关性，并分析了消费者心理。结果，我们发现消费者在一定程度上受到群体趋同的影响。为了探索重要的设计和功能，使用LDA对评论的内容进行分类并计算每个主题的词频。发现人们更担心产品的操作难度，规格和质量。最后，经过上述研究，我们对产品的上市和销售提出了自己的看法。

关键词：在线评论;动态递归;时间序列

1.引言

在信息时代，互联网的广泛普及正在从许多方面改变人们的生活[1]。网上交易给消费者的购物方式带来了巨大的变化[2]。尽管在线市场潜力巨大，但它也面临一些不利条件。信息不对称，不确定性和高风险的特点已经成为网络市场发展的巨大绊脚石。客户进行评分并发布评估结果，为潜在消费者的购物决策提供参考依据[3]。

2.模型的建立与求解

2.1 基于时间指标的建模

（1）基于神经网络的神经序列的NAR模型构建

分析总分之间的关系 和时间，我们将使用NAR模型进行拟合回归。NAR（非线性自回归）是一个动态回归神经网络，它是由静态神经元和网络输出反馈组成的回归神经网络：

它由输入层，隐藏层，输入延迟层和输出层组成。在网络训练中，首先设置初始权重，然后模型自动连续调整权重，直到达到测试为止。 代表阈值，根据不同要求设置。在NAR动态神经网络中，网络输出有两种模式，一种是开环（并行）模式，在这种模式下，输出数据被反馈到输入并在隐藏层中学习。另一种是闭环（串联并聯）模式。在这种模式下，预期的输出会重新上电以形成新的输入。NAR神经网络模块的数学模型可以表示为：

在这里，我们使用Matlab R2019a进行分析，使用ntstool和输入 按顺序排列奶嘴，微波炉和热风。假设时间间隔相等，则默认情况下使用70%的数据进行训练，而使用15%的数据进行验证。测试了15%的数据，生成的时间序列模型如下：

从表中可以看出，奶嘴和微波炉的回归系数分别为0.7798和0.7168，拟合度比较好。拟合的直线首先稳定，然后在一段时间后突然上升，然后再次稳定，这表明两者在产品售出后的一段时间内，总评价得分趋于稳定，并且在一段时间后，销售中，口耳相传会爆炸式增长，然后将保持相对良好的用户评价。总体而言，评论分数只是一个上升趋势。

吹风机的回归系数为0.639，拟合度相对一般。拟合的直线从开始就急剧上升，然后稳定一段时间，然后再次急剧上升，然后在上升一段时间后稳定下来，这表明吹风机开始销售时的热量，它会欢迎口碑上升，然后在一段时间内保持口碑稳定，然后再次欢迎进行更好的审核，然后再稳定下来。总体而言，评论分数呈上升趋势。

2.2 分析模型并找到文本指标和评分指标的组合

为了找到与产品成功或失败相关的文本指标和评分指标，我们需要通过图表大致找到模型的拐点或峰值。由于三条拟合线均在某个时间段内爆炸，为了更好地表达曲线的趋势，我们选择一个时间段来替换与拐点或峰值相对应的时间点，并分析文本测量值和等级测量值这个间隔。

根据分析，奶嘴和微波炉的时间序列曲线曾经经历一次快速增长，而的时间序列曲线经历了两次快速增长。取对应于三个时间序列曲线的增长间隔的文本度量。分析，文本指标和等级指标的组合分析结果如下表所示：

从上表可以得出结论，当文字测量和等级测量达到3.669和4.447时，对安抚奶嘴的评价将会增加;当文字测量和等级测量达到4.002和3.987时，对微波炉的检查将会增加;当文本度量和等级度量达到3.629和3.357时，对吹风机的审查将迎来第一个增加。当文字和评分指标达到3.916和4.287时，对吹风机的审查将迎来第一个增长。

3.结论

通过本论文的研究得出，综合评分可以帮助公司根据评级和审查数据来判断产品是否满足消费者的要求，衡量产品的改进空间并促进产品的开发。同时建议公司鼓励其客户分享并提供反馈。面对积极的反馈意见，有利于树立信心和提高工作热情。为了处理负面反馈，我们可以将其转变为获得客户认可的机会，这将有助于提高客户忠诚度和满意度，从而带来更多潜在用户。同时，顾客的评价有利于触发产品的思维，从而进一步优化产品。

通过对拟合函数拐点附近的特定时间范围内的数据进行挖掘和分析。发现时间节点前的星级与时间节点后的评论相关，即星级对客户评价有一定影响。星级与消费者的评论评分之间存在显着的正相关。星级越高，消费者的评论分数越高。由于星级会因连锁反应而影响消费者的决定，因此我们建议公司注意产品星级的变化并制定营销计划，以便及时应对特殊情况。挖掘包含产品功能，质量等描述的评论，并分析消费者需求。结果表明，消费者的注意力主要集中在质量，规格，操作难度和价格上。因此，我们建议在产品发布之前，生产部门应对产品进行多次质量测试，并在产品证书上附上在线商店，有利于弱化信息不对称性，让消费者信任。购买产品。另外，应在购买页面上强调产品规格，以防止消费者购买错误的产品。除了将详细说明附加到在线商店外，产品开发部门还可以改进产品以使其使用更加方便。最后，我们建议在产品推出后进行市场研究，以发现问题并及时做出调整。

参考文献

[1] 郝家政，刘相伯，韩孜. 在线评论对消费者购买力的影响研究综述[J]. 中国市场，2019，12（26）：12-14.

[2] 范慧敏. 基于贝叶斯网络的动态数据流分类研究[D]. 西安理工大学，2019.

[3] 宋晓敏. 基于改进贝叶斯算法的中文信息分类研究[D]. 北京邮电大学，2019.