Диссертация (1151123), страница 16
Текст из файла (страница 16)
Итак, для оценкивлияния общего внешнего события – экономического кризиса 2008-го годаиспользуются вспомогательные данные о другом гипермаркете компании –«Лента-10». На основе данных Ленты-10 строятся нейронные сетинестандартной архитектуры, предложенные в главе 2, и производится оценкавлияния кризиса.На вход нейронной сети подаются 6 или 12 значений переменных иодна переменная, описывающая влияние внешнего события, на внутреннемслое присутствует 3, 4, 6 или 8 нейронов, при этом один из них используетсядля оценки влияния внешнего события. Строится восемь различных108вариантов нейронной сети и среди них выбирается наилучшая модель покритерию среднеквадратичного отклонения.В результате наилучшей оказалась нейронная сеть, имеющая навнутреннем слое 3 нейрона и 12+1 переменных, подаваемых на вход.Полученный результат позволяет сделать вывод о том, что кризис,описываемый функцией влияния внешнего события I1, сократил продажигипермаркета на 20%.Моделирование исходного ряда данных в случае отсутствиякризиса.
Ранее полученная в ходе исследования на данных Ленты-10 оценкавлияния внешнего события используется для моделирования динамикипродаж Ленты-6 в случае отсутствия кризиса. На рис. 28 представленасмоделированная динамика выручки без учёта влияния внешнего события.Рисунок 28 – Смоделированные продажи Ленты-6 в случае отсутствиякризиса, млн. руб.Оценка влияния второго внешнего события. Новый полученный рядданных позволяет оценить отдельно влияние внешнего события, котороепроизошло с Лентой-6, ‒ ремонт дороги.
Для оценки влияния этого внешнего109события строится аналогичная функция ‒ I2. В результате построенияфункции локальный «пик» влияния внешнего события приходится на январь2009-го года. То есть, как и в предыдущем случае, рынок отреагировал насобытие с опозданием. Такой отклик постоянных покупателей связывается слояльностью к продуктовой сети. На основе полученной функции I2 дляданных снова строятся нейронные сети нестандартной архитектуры.
На входподаются 6 или 12 значений переменных (и одна переменная описывающаявлияние внешнего события), на внутреннем слое – 3, 4, 6 или 8 нейронов(один отвечает за влияние внешнего события). В результате анализанаилучшей оказалась нейронная сеть, имеющая на входе 12 переменных и 3нейрона на внутреннем слое.Перестроение дороги сократило продажи гипермаркета ещё на 26,5%.При этом ухудшение ситуации на дороге для некоторых покупателей заранееизменило маршруты передвижения и своё привычное место покупки товаров.На рис.
29 представлено долгосрочное влияние двух одновременныхвнешних событий на динамику выручки гипермаркета.Рисунок 29 – Смоделированные продажи Ленты-6 в случае отсутствиявнешних событий «Кризис» и «Перестроение дороги».110Что будет если не использовать вспомогательную информацию?Рассмотрим возможность оценки двух одновременных внешних событий вслучае отказа от вспомогательной информации. Для этого предлагаетсяопределить модель для оценки влияния внешнего события как функцию I2,которая определяется перебором внутри функции I1.
При этом сама функцияI1 находится перебором. В итоге получается довольно сложная конструкцияцикла в цикле для исходного ряда данных. Анализ производится на баземодели АРПСС (1,0,0)(0,1,0), построенной экспертно.Несмотря на длительность выполнения, используемый метод корректноопределил совокупную оценку двух внешних событий. Если сравниватьполученный смоделированный ряд данных в случае нейронной сети спривлечением данных и смоделированный ряд на основе оценки перебором,то суммарные результаты отличаются на 4,5% (см. рис.
30).Рисунок 30 – Сравнение моделирования продаж Ленты-6 с привлечениемвнешних данных и без, млн. руб.111Вместе с этим, в результате анализа были получены следующие оценкивлияния каждого события отдельно: Кризис уменьшил продажи на 28%; Перестроение дороги уменьшило продажи на 19%;Предварительная оценка эффектов внешних событий по отдельностидемонстрирует, что текущий метод ошибочно распределяет эффект влияниявнешних событий.
Поэтому для получения корректной оценки в подобнойситуации следует использовать вспомогательный временной ряд данных,который зачастую доступен для анализа.Долгосрочный эффект влияния внешних событий. Если вернуться крис. 29, то можно заметить, что оба внешних события воздействуют навыручкугипермаркетавтечениедостаточнодлительноговремени.Суммарный совокупный объём потерь для обоих внешних событий составил2,08 млрд.
рублей, при этом в связи с кризисом компания потеряла 0,84млрд. руб. в продажах гипермаркета, а в связи с перестроением дороги – 1,24млрд. руб.Результаты применения метода в сфере торговли. В примерерассмотрена возможность оценки двух внешних событий с использованиемдоступного вспомогательного временного ряда данных. В качестве основногометода оценки предлагается использовать алгоритм нейронных сетеймодифицированной архитектуры, предложенный в главе 2.Результаты работы предлагаемого метода сравниваются с результатамиоценки двух одновременных внешних событий без вспомогательнойинформации.
Экспертно строится модель АРПСС, при этом функции влияниявнешнего события определяются перебором.В результате оценки можно сделать вывод о том, что, несмотря насхожесть совокупного результата, отказ от использования вспомогательнойинформации ведет к некорректным выводам о характере эффекта каждоговнешнего события по отдельности. Предложенный метод с использованием112вспомогательной информации позволяет оценить каждое внешнее событие поотдельности гораздо точнее.3.4. Верификациянейронныхсетейспециальнойархитектуры в задачах маркетингового анализа иоценки маркетинговых решений в сфере торговлиВ рамках деятельности организаций в отрасли розничной торговлизачастую возникают задачи увеличения объёмов продаж.
Для этих целейслужбамаркетингаорганизациипроводитразличныерекламныемероприятия. В настоящее время проведение рекламных кампаний (РК) –дорогостоящее событие, и поэтому для коммерческой организации важнооптимизироватьэффективно.рекламныебюджеты,продвигаятоварынаиболееВ этой связи решение задачи определения эффективностирекламной кампании представляется актуальным.В примере рассматривается организация розничной торговли, которая врамках своей деятельности проводит рекламные мероприятия с цельюстимулирования сбыта [24].
Для получения информации о том, насколькоуспешной была проведенная рекламная кампания, организация должна уметьоперативно определять эффективность рекламной кампании.Одним из способов решения подобной задачи является использованиесовременных моделей математического анализа данных и временных рядов[40, 42]. Экономико-статистические модели позволяют проводить экспрессанализ ситуации и формировать выводы о произошедших мероприятиях.Среди основных критериев успешности проведенных рекламныхмероприятий выделяют изменение выручки организации в связи с кампанией,эффект в валовой прибыли в сравнении с затратами на проведениерекламных активностей.Информационную базу исследования составили данные о продажахорганизации розничной торговли, предоставленные компанией Юлмарт.113Анализситуациииразработкамодели.Изучаетсявыручкакоммерческой организации Юлмарт в Санкт-Петербурге за период с января2009-го года по март 2013-го года.
В конце февраля – в начале марта 2013гогода была размещена ТВ-реклама компании. Целью исследования иприменения разработанного метода является количественная оценка эффектаот проведения рекламной кампании.Известны затраты на изготовление рекламного ролика и на размещениена федеральных ТВ-каналах. Основным вопросом, который изучаетсяменеджментом организации при принятии управленческого решения (УР) онеобходимостипроведениярекламныхкампанийнаТВ,являетсяэффективность проведенных мероприятий [29, 8].
Для решения этой задачинеобходимополучитьколичественнуюоценкуизменениявыручкиорганизации вследствие маркетинговых мероприятий. Следующим шагомявляется оценка эффективности: рассчитывается изменение объёма прибыли,которая сравнивается с затратами на проведение ТВ-рекламы. Полученныйрезультат – информация для менеджмента организации при принятии УР онеобходимости проведения рекламных кампаний.
На рис. 31 представленадинамика выручки организации в условных единицах.Рисунок 31 – Выручка организации в условных единицах114В динамике наблюдается мультипликативная сезонность, поэтому ванализе рядбудетлогарифмирован.Локализованмоментвнешнеговоздействия, соответствующий периоду проведения рекламной кампании –март 2013-го года.Для описания влияния внешнего события используется ступенчатаяфункция для каждого момента времени t (t=1,2,3,…n):{},(3.5)где T – момент интервенции.НейроннаяДальнейшиесетьэтапыдляоценкиисследованияэффектапринятыхподразумеваютрешений.использованиеискусственных нейронных сетей для оценки эффекта рекламной кампании.Заметим, что использование нейронных сетей при моделировании временныхрядов является стандартной практикой.Данный способ количественного анализа УР использует нейроннуюсеть прямого распространения необычной архитектуры, предложенную вглаве 2.
В работе было построено и проанализировано 6 вариантов модели,между собой они отличаются следующими характеристиками: Число входных переменных на внешнем слое: 6 или 12 переменных идве переменные, описывающие интервенцию. Число нейронов: 4, 6 или 8 на внутреннем слое;Каждая нейронная сеть обучалась в течение 1000 итераций.Среднеквадратичные суммы ошибок всех 6 моделей представлены в таблице8.115Таблица 8Среднеквадратичная сумма ошибок нейронных сетейЧисло переменныхЧислонейронов61240,01240,001360,01250,000280,01130,0001Для ряда моделей, которые описывают данные о выручке компании,был получен критерий MSE со значением близким к нулю. Эти моделиявляются переобученными, поэтому были отброшены: Модели с 12 переменными и 6 нейронами на внутреннем слое; Модели с 12 переменными и 8 нейронами на внутреннем слое;Наименьшее значение критерия MSE оказалось равным 0,0013 исоответствует модели, которая имеет 12 переменных на внешнем слое, 2переменные для описания оцениваемых событий и 4 нейрона на внутреннемслое.Анализируя коэффициенты модели, можно сделать следующий вывод:рекламная кампания подняла объём продаж организации в 1,074 раз, то естьпримерно на 7,4%.Для полноценного изучения эффективности рекламной кампанииследует учесть затраты на её проведение: Производство ролика – 0,0002 условные единицы; Размещение на ТВ-каналах – 0,0041 условная единица;В таблице 9 представлены различные сценарии оценки эффективностирекламной кампании с учётом затрат для нормы прибыли в 5%, 10% и 15%.116Таблица 9Сценарии оценки экономической эффективности ТВ кампанииНорма прибыли5%Оценка Факт сбез РКРК1,0740,59640,64050,02980,032010%Оценка Факт сбез РКРК1,0740,59640,64050,05960,064015%Оценка Факт сбез РКРК1,0740,59640,64050,08950,09610,00220,00440,00660,00340,00340,0034Затраты (в у.е.)Производство (в у.е.)Размещение (в у.е.)-0,0042-0,0002-0,0041-0,0042-0,0002-0,0041-0,0042-0,0002-0,0041Эффективность (в у.е.)0,00130,00350,0057Эффект от РКВыручка (в у.е.)Прибыль (в у.е.)Эффект в прибыли (ву.е.)Доходы отвнереализационнойдеятельности (в у.е.)Стандартная модель АРПСС для оценки эффекта УР.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
