研究人员开发了一种新的预测模型，帮助公司更准确地估计有多少客户对某一产品感兴趣，即使在关键数据缺失的情况下。这项研究介绍了一种数学建模方法，使企业能够在仅依赖已完成交易和传统预测技术的基础上，估计客户的兴趣。这种方法提供了一种更精确的方式来理解需求、优化运营和改善决策。
华盛顿州立大学的研究人员开发了一种新的预测模型，帮助公司更准确地估计有多少客户对某一产品感兴趣，即使在关键数据缺失的情况下。
该研究发表在《生产与运营管理》期刊上，介绍了一种数学建模方法，使企业能够在仅依赖已完成交易和传统预测技术的基础上，估计客户的兴趣。这种方法提供了一种更精确的方式来理解需求、优化运营和改善决策。
“大多数企业只能看到需求图景的一部分——他们知道谁在购买，但不知道有多少人考虑过购买而没有购买，”该研究的主要作者、华盛顿州立大学卡尔森商学院的运营管理助理教授王新昌说。“我们的模型重建了缺失的部分，为公司提供了更完整和可靠的需求估计。”
旅行、酒店、零售和电子商务等行业的企业长期以来一直在准确预测需求方面苦苦挣扎。许多企业依赖于广泛的假设，例如根据市场份额估计总市场规模。王新昌表示，这些传统方法往往无法捕捉到实际客户行为，导致销售预测不准确和收入机会的丧失。
王新昌和他的合著者、卡尔森管理科学博士生徐伟昆，开发了一种新的方法，不仅估计销售，还估计考虑购买的客户总数。通过更准确地分析真实销售数据，该模型提供了客户因价格、时机或其他因素而流失的明确视图。
为了开发他们的模型，研究人员使用了一种名为序列最小化-最大化算法的计算技术，提高了需求预测的准确性。与传统方法不同，后者可能在没有明确确定最佳估计的情况下生成多个可能的需求估计，而该算法——在他们研究中确定的特定数据条件下——确保了单一的、最准确的预测。“通过消除不确定性，企业可以做出更自信的定价决策，”王新昌表示。
由于该模型是针对不完整数据开发的，其应用范围超越了单一行业。
尽管研究使用航空机票销售数据测试了该模型，王新昌表示该方法旨在适用于那些面临类似需求不确定性的行业。
酒店可以用它来预测预订，即使旅行者浏览但没有进行预订。零售商和食品杂货商可以应用它来估计总市场需求，即使一些客户在竞争对手那里购物。电子商务平台可以更好地理解购物车放弃情况，并相应地优化销售策略。
“这个模型为在不完整数据持续挑战的行业提供了一种强大的工具，”王新昌表示。“通过改善需求预测，企业可以更有效地进行规划，优化运营，并最终提高竞争力。”
