一．问题背景

近年来企业外部环境越来越不确定，复杂多变的外部环境，让企业供应链面临较多难题。

需求预测作为企业供应链的第一道防线，重要程度不言而喻，然而需求预测受多种因素的影响，导致预测准确率普遍较低，因此需要更加优秀的算法来解决这个问题。需求预测是基于历史数据和未来的预判得出的有理论依据的结论，有利于公司管理层对未来的销售及运营计划、目标，资金预算做决策参考；其次，需求预测有助于采购计划和安排生产计划的制定， 减少受业务波动的影响。如果没有需求预测或者预测不准，公司内部很多关于销售、采购、财务预算等决策都只能根据经验而来了，会导致对市场预测不足，产生库存和资金的积压或不足等问题，增加企业库存成本。

二．数据说明

附件中的训练数据（order_train1.csv）提供了国内某大型制造企业在 2015 年 9 月 1日至 2018 年 12 月 20 日面向经销商的出货数据（格式见表 1），反应了该企业产品在不同销售区域的价格和需求等信息，包括：order_date（订单日期）、sales_region_code（销售区域编码）、item_code（产品编码）、first_cate_code （产品大类编码）、second_cate_code （产品细类编码）、sales_chan_name （销售渠道名称）、item_price （产品价格）和 ord_qty （订单需求量）。

表1：训练数量（历史数据）的数据格式

其中“订单日期”为某个需求量的日期；一个“产品大类编码”会对应多个“产品细类编码”；“销售渠道名称”分为 online（线上）和 offline（线下），“线上”是指淘宝和京东等电商平台，“线下”是指线下实体经销商。

附件中的预测数据（predict_sku1.csv）提供了需要预测产品的销售区域编码、产品编码、产品品类和产品细品类（格式见表 2）。

表2：需要预测的产品的数据样例

三．需要解决的问题

1. 请对附件中的训练数据（order_train1.csv）进行深入地分析，可参照但不限于下述主

题。

（1） 产品的不同价格对需求量的影响；

（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；

（3） 不同销售方式（线上和线下）的产品需求量的特性；

（4） 不同品类之间的产品需求量有何不同点和共同点；

（5） 不同时间段（例如月头、月中、月末等）产品需求量有何特性；

（6） 节假日对产品需求量的影响；

（7） 促销（如 618、双十一等）对产品需求量的影响；

（8） 季节因素对产品需求量的影响。

1. 基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来 3 月（即 2019 年 1 月、2 月、3 月）的月需求量，将预测结果按照表 3 的格式保存为文件 result1.xlsx，与论文一起提交。请分别按天、周、月的时间粒度进行预测，试分析不同的预测粒度对预测精度会产生什么样的影响。

B题论文共90页，一些修改说明7页，正文72页，附录11页。

这次泰迪杯我做得有点晚了，一方面是之前有点事耽搁了两天，所以我是从6天前才开始做。另一方面泰迪杯不愧是时间这么长的比赛，数据量极大，第一问方便你们挑选，题目给出的8个角度我全都分析了，重点是后面需要自己标注数据的四个角度例如节假日等，需要谨慎查询并标注，这四个数据预处理花了我不少时间。不过求解也就是麻烦点，做起来其实也就是相关性＋差异性分析＋分类统计绘图挑着用。重点是第二问，机器学习预测是肯定的，但是预测精度我调参了很久都比较低，后来只能结合神经网络自动寻优，但是这题数据量太大，月周日三个模型各跑了一天一共三天，最后精度确实都可以，最高的模型精度是80%以上，对于这个题目数据来说是非常高了，最后直接应用就完事了。之所以篇幅这么长，是因为：第一问8个角度都分析了。此外我论文很多的篇幅需要用来解释我为什么要这么做，基本就是手把手教你怎么做，并且我还要照顾每个人的水平，所有会有些地方需要写得很繁琐，一些中间过程展现得事无巨细，并且表格很多，你们自己放到附录即可。

在这里，我给大家讲一下具体是怎么做吧，精力有限可能讲得不够详细，如果看着觉得累，可以看我更新汇总贴里面的视频讲解：

OK，这里是我的目录：

摘要：

请对附件中的训练数据（order_train1.csv）进行深入地分析，可参照但不限于下述主题。

对于这一问而言，我把8个主题全部分析了.

（1） 产品的不同价格对需求量的影响；（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；（3） 不同销售方式（线上和线下）的产品需求量的特性；（4） 不同品类之间的产品需求量有何不同点和共同点；（5） 不同时间段（例如月头、月中、月末等）产品需求量有何特性；（6） 节假日对产品需求量的影响；（7） 促销（如618、双十一等）对产品需求量的影响；（8） 季节因素对产品需求量的影响。

首先我要说一下，影响和特性的求解方式是不一样的。

影响是看到底有没有影响，影响的程度到底有多大，主要是相关性分析＋差异性分析。

而特性，则本质上只需要分类统计汇总分析。

具体可以分为以下三类。

1.产品的不同价格对需求量的影响；

两个定量数据之间的影响分析：

那就直接相关性分析：

之后做分位数回归，看一下究竟价格是怎么影响需求量的，在哪个点影响最大以及这种影响是怎么随着价格的变化而变化的：

（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；（6） 节假日对产品需求量的影响；（7） 促销（如618、双十一等）对产品需求量的影响；（8） 季节因素对产品需求量的影响。

有这样一张总表：

这道题的需求量数据很明显并不是正态分布的：

对于所在区域，一共是五个独立变量，因此，要做多独立样本非参数检验：

确定完差异程度之后，也就是有没有影响以及影响大小之后，做特性统计：

对于其余的，则首先要标注数据，但标注的时候大家一定要谨慎，例如节假日是不包括周六周日的，这个大家一定要清楚！：

同时，大家要分清楚农历和阳历，对于除夕、端午节这些节日，都是按照农历计算的，我们要查询到每一年这些节日对应的公历日期才可以：

比如中秋节：

全部标注完之后，开始做差异性分析，只有是否，所以这里就是双独立样本检验了：

之后是促销因素，

促销我选用了618 双十一和双十二：

方法一样我就不赘述了。

大家也要注意，小学常识：季节不是1-3月就是春天，那是农历，对于公历来说：

标注之后，采用和所在区域一样的多独立样本检验即可。

对于特性分析来说，只需要做统计分析即可：

OK，第一问结束。

第二问：

基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来3月（即2019年1月、2月、3月）的月需求量，将预测结果按照表3的格式保存为文件result1.xlsx，与论文一起提交。请分别按天、周、月的时间粒度进行预测，试分析不同的预测粒度对预测精度会产生什么样的影响。

第二问花了我整整三天的时间。

这道题肯定是不可以用时间序列的，又不是一个产品，需求量当然不是只跟时间有关。

因为这很明显是一个多输入的非线性回归问题，也就是说，有多个因素影响需求量，每个因素都可以作为自变量，需求量是因变量。题目也说了：

机器学习训练是肯定的，但是这个数据量实在太大了，59w多条，训练起来很麻烦。

而且手动调参精度我一直提升不上去，最后只能是结合神经网络自动寻优。

按照题目要求，我们是需要训练出月、周、日三个模型的，跑这三个模型花了我整整三天时间。

给大家看一下精度最低的那个模型吧：

70多是最低的，最高的是哪个模型为了保证限量我就不说了，精度是80%多。

看一下最后的预测表格：

整理成题目要求的格式：

是这样的：

教大家一个判断自己结果到底对不对的方法，同一个产品，三个月的需求量虽然会有变化，但是绝对不会相差太多，如果相差非常大，那么模型肯定是存在问题的。

大家可以看一下上面的预测结果相差的程度，基本是合理的。

当然了，真正的精度是从训练集测试集表现来的，这个我在论文里会有精度的表格。

一共2619个，全部预测完毕：

OK，那么就讲到这里吧，实在太累了，讲解得可能不够详细，详细的讲解大家还是移步我的讲解视频吧，会是事无巨细的一个讲解：

618流量之战营销模式 如何在618引爆店铺流量

今年是“618”的第二十年，也是国内疫情常态化管控后第一个大型电商消费节。在充满机遇的市场新环境中，品牌如何玩升级营销策略，才能获取更多流量、达到事半功倍的效果?

2023年4月20日，一站式社交媒体管理平台KAWO科握联手缔壹品牌视觉、星智品牌战略在沪举办闭门分享会议，共同探索在618到来之前，品牌如何将流量获取的开口变大、精细化地运营内容与流量、事半功倍地完成营销策略。

活动分享嘉宾包括KAWO科握增长VP徐凯俐、缔壹品牌视觉新视觉全案品类总监杜宇航、星智品牌战略联合创始人及CEO 周梦缘、以及特邀嘉宾——新锐滑雪品牌OVERIDE HALO雪^科技创始人李明洋（Michael Li）。

流量转化，口碑先行

口碑营销，是连通消费者的“最后一公里”。根据【【微信】】数据，同样一个产品，当有朋友推荐的时候，购买这个产品的可能性增加了90%。在同等曝光量的情况下，口碑营销带来的销量是付费媒体的5倍之多！

另外，88%的消费者表示，在选择产品或服务时，最信任认识的朋友推荐，这也是种草经济兴起的原因。

百货业之父约翰·沃纳梅克(John Wanamaker)说：“我知道有一半广告费浪费了，但我不知道是哪一半。”其实，浪费的一半，很多都是不能生成口碑营销的那部分。根据KAWO科握后台大量的数据，综合曝光量与成交量，有近60%的内容最后的结果是没能达到预期的。

建立消费者口碑，尤其是面向年轻消费人群，周梦缘建议，要用尽可能多的数据用来研究消费者心智，比如可以使用人工智能工具来洞察大数据，去更加客观地看待市场，制定行之有效的品牌策略。

愈加拥挤的内容赛道

如今，很多品牌都在各个社交媒体上进行布局。根据增长黑盒调研，在过去三年的时间里，92%受访者表示他们在社交媒体上关注的品牌数量有所增加，66%的品牌运营2-3个甚至更多社交媒体账号。因为品牌之间的竞争、平台之间的竞争分散了消费者的注意力。

内容赛道的拥挤，海量碎片化的内容不断分化注意力，使营销内容的到达力和心智的穿透力下降。根据KAWO科握后台显示，微信文章的打开率，从2018年到2022年持续下滑。赛道越来越挤，品牌怎样可以突出重围？

微信公众号文章打开率（2018-2022）来源：KAWO科握后台数据

拒绝自嗨，返璞归真

在这样的背景下，如何制胜这最后一公里呢？

太多的品牌，做自嗨式的内容，感动的只有自己，无法感动消费者。

徐凯俐认为，市场人要返璞归真，从传播的本质入手。就像在水塘中丢一块石头，在平静的水面中落入一块石头必定能引发涟漪，涟漪大小是由“石头的大小和数量”共同构成的势能决定。池子就是用户，石头就是内容，内容能扩散到多少用户，并不单单取决于内容本身被雕琢地多么精美，品牌所投放内容的势能，同样对最后的效果起着重要作用。

KAWO科握：用有势能的内容打通用户心智

什么是内容势能？

KAWO科握后台自2017年开始累积至今，来自500多个品牌用户的数万篇内容后，总结了一个“内容势能”公式：

KAWO科握“内容势能公式”

“内容的势能=阅读量+互动量”。阅读量高，说明你的内容被很多消费者所看到，你的石头溅起的涟漪传播地足够远。但与此同时，我们不能忽略，愿意与品牌发生互动的内容才是有势能内容。

什么样的内容才是高势能内容？

KAWO科握通过对2023年3月在微信平台发布的1000多篇文章的数据进行了计算，并将表现最好的50篇内容提炼出来，得出以下结论：

首先，高势能内容是与消费者强相关的。势能高的内容经常是从情绪上调动消费者，容易引起读者的民族自豪感、抱负感等由内而外的情绪，更直击消费者情感的深处；但阅读量高的内容往往更直接，以与电商强相关的优惠券派送、大促福利、引导成单为主。

其次，在视觉上，高势能和阅读量高的内容都强调视觉冲击，但是有一个很有意思的洞察是，高势能力内容在整体颜色的风格上会更大胆，甚至与品牌logo或常用的颜色相去甚远；而阅读量高的内容往往是在点开内容的一瞬间就出现所谓的“品牌色”，总体风格会相较更保守一些。

第三，无论高势能还是高阅读量内容，创意依然是一条行之有效的道路。相较于普通的上新、节日营销等，创意内容往往能够获得多达5-10%的额外阅读量和互动量。同时，势能高的内容更容易引起读者与品牌的互动。

第四，高势能和高阅读量内容，更多地出现在节庆假日相关的营销项目上，比如今年情人节相关的内容营销，在两个榜单的排名上确实都比较靠前。但是有意思的是，势能高的内容往往走的是大单品策略，而阅读量高的文章一般会采取系列上新的策略。

此外，从B2B内容的表现来看，势能高的内容一般是干货类的文章与研究报告，而阅读量高的内容以活动、直播预告为主。前者具有一定的学术价值，后者具有一定的传播价值。比如KAWO科握基本每个季度都会发布一本行业白皮书。

在内容形式上，势能高的内容文章的标题基本在20个字符左右，且习惯使用分隔符“｜”，以KAWO科握统计的“势能力TOP50榜单”为例，其中三分之一的文章标题使用了分隔符。这样做能为自己的内容做好属性归类，在阅读前就能让读者知道这篇内容的大方向，而这个特点也是高阅读量内容所没有的。

最后，两者非常习惯使用的一招就是在适量地引导读者进行互动，最常见的就是评论留言集赞送礼品或者抽奖，看上去这是一个有些老套和过时的手法，其实说不定这依旧还是一个行之有效增加内容力的方法。

社交媒体“去中心化”的趋势下，拿什么来提高内容的势能？

徐凯俐认为，加码内容管理、用科学的方法管理社交媒体工作流程，才能高效提高内容势能。