Українська   English
ДонНТУ   Портал магистров

Реферат по теме выпускной работы

Содержание

Введение

Основной целью любого магазина является максимальное удовлетворение нужд потребителей, а также увеличить количество продаж, что в свою очередь ведёт к максимизации прибыли магазина. Для достижения поставленной цели, прежде всего необходимо изучить предпочтения, потребности покупателей и основные факторы, влияющие на формирование цены. Многие интернет-магазины сегодня сталкиваются с проблемами привлечения покупателей, это может быть связано с неправильной установленой ценой на товар.

Формирование цены представляет собой сложный многогранный процесс. Необходимую для установления цены информацию следует изучить, проанализировать. Недостаток информации, также как и ее чрезмерность, затрудняют решение проблемы.

В данной работе проанализированы методы прогнозирования спроса для формирования цен на товары. Исследованы факторы, влияющие на цены на товары, сформулирован критерий оптимальности цены на товар, предложена модель ителлектуальной системы расчета оптимальной цены на товары с учетом истории продаж и цен конкурентов.

1. Актуальность темы

На данный момент для того чтобы установить оптимальную цену на товар, следует прогнозировать спрос на товары и услуги. При помощи прогнозирования можно минимизировать риски, затраты, а также выстроить точный план установления цены, на товар которые будут актуальны среди потребителей, это повлечет за собой получение прибыли, а также укрепит позиции организации на рынке товаров и услуг.

На основании анализа и выявленных недостатков существующих разработок в данной работе проводится исследование, направленное на решение задачи прогнозирования спроса и установления цены на товар с использованием методов прогнозирования.

Цена представляет собой экономическую категорию, означающую сумму денег, за которую продавец хочет продать, а покупатель готов купить товар. В ней собраны практически все экономические отношения в обществе [3].

Перед всеми фирмами, магазинами встает задача назначения цены на свои товары или услуги. Для того, чтобы продать свой товар или услугу на рынке, необходимо назначить на них цены, которые были бы приемлемы покупателям, иначе их невозможно будет удачно продать на рынке. Поэтому магазин должен выбрать правильную ценовую политику.

Формирование цены представляет собой сложный многогранный процесс [7]. Процесс ценообразования представлен на рисунке 1.

Рисунок 1 – Процесс ценообразования

(анимация: количество кадров - 6, количество циклов повторения - бесконечно)

Многие интернет-магазины сегодня сталкиваются с проблемами привлечения покупателей, это может быть связано с неправильной установленой ценой на товар. На сегоднешний момент существует очень много интернет-магазинов (конкерентов). При формировании цен необходимо брать во внимание цены конкурентов.

На данный момент времени самая прогрессивная технология получения статистических данных сформированных цен в интернет-магазине основана на спросе потребителя. То есть при помощи собранной информации, можно проанализировать поведение покупателей, а именно определить какой товар наиболее популярный или наоборот не пользуется спросом, понять устраивает ли покупателя цена на товар, и в соответсвии с полученными данными изменить цены на товары, что в свою очередь позволит изменить спрос покупателя и затем снова проанализировать каким образом изменилось поведение покупателя.

2. Цель и задачи исследования

Основной целью любого магазина является получение максимальной прибыли, а этого можно достичь за счет увеличения количества продаж. Для достижения поставленной цели, прежде всего, необходимо изучить предпочтения, потребности покупателей и основные факторы, влияющие на формирование цены, на основании чего разработать модель информационной системы, формирующей оптимальные цены на товары интернет-магазина.

Для того чтобы разработать подобную систему, необходимо сформулировать критерии, по которым формируется цена на товар, и исследовать методы, которые могут быть использованы в подобной системе, разработать модель формирования цен.

Рассмотрим интернет-магазин, в котором представлена некоторая номенклатура товаров T1...Tn. Каждому товару необходимо определить цену Ц1…Цn такую, чтобы прибыль от продаж была максимальной и было продано максимально возможное количество товаров

где

n – количество видов товаров,

m – количество проданных видов товаров,

Пi – продажи i-го вида товара,

Рi – закупочная цена i-го вида товара.

Продажи можно рассчитать по формуле:

где

Кi – продажи i-го вида товара,

Цi – закупочная цена i-го вида товара.

3.Обзор существующих методов и инструментальных средств

Для того чтобы установить оптимальную цену на товары, нужно спрогнозировать спрос.

Существуют такие методы прогнозирования:

  1. Метод простой средней;
  2. Метод скользящего среднего;
  3. Метод средневзвешенной;
  4. Метод экспоненциального сглаживания;
  5. Метод Хольта-Уинтерса;
  6. Метод Авторегрессии;
  7. Нейронные сети, генетические алгоритмы.

Далее рассмотрим каждый метод прогнозирования в отдельности.

Метод простой средней

Является простейшим из подобных методов, использование вычислений по формуле простого среднего. Прогноз цены на товар на следующий период при этом способе высчитывается как среднее арифметическое показателей цены за все предыдущие периоды.

Недостатком этого метода является его высокая консервативность – устаревшая информация о прежних продажах помешает проявиться последним тенденциям спроса по такой цене.

Метод скользящего среднего

Более оперативно на изменение цены реагирует метод скользящее среднее. Расчет при этом производится не на основании данных за весь срок наблюдения, а за несколько последних периодов.

Интересной вариацией метода является расчет скользящей средней по определенным сезонам. Такой метод может подойти товарам, обладающих ярко выраженной сезонностью [4].

Метод экспоненциального сглаживания

К сожалению, вышеперечисленные методы расчетов по среднему позволяют получить лишь очень приближенные результаты. Для более точного прогноза можно добиться при использовании моделей экспоненциального сглаживания и экспоненциального сглаживания с трендом.

В первом методе последний прогноз объема продаж, корректируется на основе ошибки прогноза, допущенной в последнем периоде. При втором методе расчетов (называемом еще методом двойного экспоненциального сглаживания) учитываются данные с трендами – благодаря этому данный метод может использоваться даже для среднесрочного прогнозирования.

Метод Хольта-Уинтерса

Многие продукты имеют тенденцию роста или падения продаж, особенно когда они производятся впервые или когда появляются конкурирующие товары. Для некоторых продуктов существенны сезонные изменения уровня продаж, поэтому для прогноза цен на товар целесообразно учитывать конкретный характер тенденции и сезонных колебаний. На основе модели Хольта Уинтерс (Винтерс, Winters) создал свою прогностическую модель, которая учитывает экспоненциальный тренд и аддитивную сезонность.

Чтобы получить прогноз спроса в этом методе необходимо правильно подобрать три параметра. Для этого можно использовать как специальные алгоритмы, так и ограничиться простым перебором.

Метод Авторегрессии

При желании получить еще более совершенные прогнозы можно использовать модели авторегрессии. Эта методика позволяет провести очень подробный анализ имеющихся данных, выявить любые тенденции и отсеять случайные влияния. Однако, в отличие от предыдущих методов, подбор множества параметров потребует от пользователя очень много усилий и времени.

Прогнозирование с использованием модели авторегрессии опирается на предыдущие значения продаж. Слово авторегрессия означает зависимость последующего значения продажи от предыдущих продаж. Зависимость в случае авторегрессии предполагается линейная, то есть прогноз представляет собой сумму продаж за предыдущие дни с некоторыми коэффициентами, которые являются постоянными и определяют параметры модели авторегрессии. Сколько дней (периодов в общем случае) таких продаж из прошлого мы будем брать, чтобы пытаться спрогнозировать будущие продажи по назначенной цене называется порядком модели авторегрессии [5].

Нейронные сети, генетические алгоритмы

Следует отметить, что чем более сложные методы прогнозирования используются, тем труднее их практическое применение и тем выше вероятность возникновения ошибок. Анализ огромных объемов информации, подбор оптимальных параметров, оперативный учет колебаний рынка – все это порой находится на пределе человеческих возможностей. Наиболее перспективным в решении этой проблемы является использование алгоритмов нейронных сетей .

В этой методике специальная программа после предварительного обучения способна самостоятельно найти лучшее решение – при этом пользователю не нужно вникать во все премудрости используемых теорий. Кроме того, нейронные сети способны учесть скрытые тенденции и создать достоверный прогноз в такой нестабильной ситуации, где ранее прогнозирование считалось вообще невозможным [2].

4. Альтернативные способы решения задачи

В процессе изучения существующих методов было принято решение использовать метод нейронные сети, генетические алгоритмы.

Динамическое ценообразование можно организовать с помощью искусственных нейронных сетей. Данные для обучения по уровню спроса, в зависимости от дня недели и от времени суток, берутся за прошлый период. Основное преимущество нейронной сети – это возможность обучаться и получать данные самостоятельно. В отличие от традиционных моделей спроса, модели построенные на нейронных сетях не делают каких-либо предварительных предположений о взаимосвязи между различными факторами. Скорее всего, они узнают эти отношения из самих данных. Они способны вывести значение из сложных или неточных данных и могут быть использованы для моделирования отношений, которые слишком сложны, чтобы быть замеченными людьми или компьютерной техникой. Эта способность нейронных сетей делает их хорошим кандидатом для моделирования спроса при динамическом ценообразовании.

Нейронные сети позволяют решать задачи, с которыми не могут справиться традиционные методы, они способны успешно решать задачи, опираясь на неполную, зашумленную, искаженную информацию [1]..

В качестве метода для оптимизации динамической задачи ценообразования на основе искусственной нейронной сети предполагается использовать эволюционные алгоритмы. Они используют концепцию естественного отбора и случайных изменений при эволюции, что позволяет найти лучшее решение проблемы.

Рассмотрим схему организации динамического ценообразования с использованием нейронной сети (см.рис 2).

Рисунок 2 – Схема организации динамического ценообразования с применением нейронной сети

Компания в процессе своей деятельности осуществляет закупку товаров у поставщиков по оптовым ценам и реализует их населению по розничным. При этом формируется валовой доход предприятия, определяемый выручкой от реализации товаров и услуг за вычетом затрат на оплату стоимости полученных от поставщиков товаров. Компания стремится максимизировать свою чистую прибыль, которая при прочих фиксированных условиях, в том числе налоговых ставках, зависит от величин торговых наценок на товары. Существуют и другие факторы, например, покупательский спрос, конкурентоспособность товаров и скорость товарооборота, которые также влияют на величину прибыли.

Нейронная сеть получает данные от различных источников (цены у конкурентов, уровень спроса, цену оптовой закупки товара) анализирует их устанавливает оптимальную цену на товар.

5. Факторы, влияющие на цены на товары

В условиях рыночной экономики ценообразование во внешней торговле, так же как и на внутреннем рынке, осуществляется под воздействием конкретной рыночной ситуации. По характеру, уровню и сфере действия они могут быть разграничены на пять нижеперечисленных групп [6].

  1. Общеэкономические, т. е. действующие независимо от вида продукции и конкретных условий ее производства и реализации. К ним относятся:
    1. экономический цикл;
    2. состояние совокупного спроса и предложения;
    3. инфляция.
  2. Конкретно-экономические, т. е. определяемые особенностями данной продукции, условиями ее производства и реализации. К ним относятся:
    1. издержки;
    2. прибыль;
    3. налоги и сборы;
    4. предложение и спрос на этот товар или услугу с учетом взаимозаменяемости.
  3. Потребительские свойства:
    1. качество;
    2. надежность;
    3. внешний вид;
    4. престижность.
  4. Специфические, т. е. действующие только в отношении некоторых видов товаров и услуг:
    1. сезонность;
    2. эксплуатационные расходы;
    3. комплектность;
    4. гарантии и условия сервиса.
  5. Специальные, т. е. связанные с действием особых механизмов и экономических инструментов:
    1. государственное регулирование;
    2. валютный курс.

Выводы

В ходе работы были исследованы различные методы формирования и прогнозирования цены на товары. Принято решение создать систему, используя метод Издержки плюс и метод прогнозирования Нейронные сети. Метод простой средней будет использоваться для прогнозирования спроса на товар. С помощью этой системы будет формироваться оптимальная цена на товары с учетом цен конкурентов, предпочтений и потребностей покупателей, а также с учетом сезона, жизненного цикла товара.

При написании данного реферата магистерская работа еще не завершена. Примерная дата завершения: июнь 2020 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.

Список источников

  1. Использование нейронных сетей для динамического ценообразования. [Электронный ресурс] – Режим доступа: URL: http://edrj.ru/article/19-04-16
  2. Нейронные сети: на пороге будущего. [Электронный ресурс] – Режим доступа: URL: http://www.neuroproject.ru/articles_dak_nn.php
  3. Ценообразование. [Электронный ресурс] – Режим доступа: URL: https://ru.wikipedia.org/wiki/ Ценообразование
  4. Методы прогнозирования цен. [Электронный ресурс] – Режим доступа: URL: https://works.doklad.ru/view/LqjyMIaIGtA/all.html
  5. Прогнозирование. [Электронный ресурс] – Режим доступа: URL: https://fnow.ru/articles/prognozirovanie-sprosa
  6. Факторы, влияющие на формирование цен на мировом рынке. [Электронный ресурс] – Режим доступа: URL: https://www.inventech.ru/lib/cost/cost-0054/
  7. Методы формирования цены: Процесс ценообразования. [Электронный ресурс] – Режим доступа: URL: http://ww38.finlit.online/predpriyatiya-ekonomika/metodyi-formirovaniya-tsenyi-53117.html