Русский   English
ДонНТУ   Портал магістрів

Реферат за темою випускної роботи

Зміст

Вступ

Основною метою будь-якого магазина є максимальне задоволення потреб споживачів, а також збільшити кількість продажів, що в свою чергу веде до максимізації прибутку магазину. Для досягнення поставленої мети, перш за все необхідно вивчити переваги, потреби покупців і основні чинники, що впливають на формування ціни. Багато інтернет-магазини сьогодні стикаються з проблемами залучення покупців, це може бути пов'язано з неправильною встановленої ціною на товар.

Формування ціни являє собою складний багатогранний процес. Необхідну для встановлення ціни інформацію слід вивчити, проаналізувати. Недолік інформації, також як і її надмірність, ускладнюють вирішення проблеми.

У даній роботі проаналізовані методи прогнозування попиту для формування цін на товари. Досліджено чинники, впливають на ціни на товари, сформульовано критерій оптимальності ціни на товар, запропонована модель Інтелектуальні системи розрахунку оптимальної ціни на товари з урахуванням історії продажів і цін конкурентів.

1. Актуальність теми

На даний момент для того щоб встановити оптимальну ціну на товар, слід прогнозувати попит на товари і послуги. За допомогою прогнозування можна мінімізувати ризики, витрати, а також вибудувати точний план встановлення ціни, на товар які будуть актуальні серед споживачів, це спричинить за собою отримання прибутку, а також зміцнить позиції організації на ринку товарів і послуг.

На підставі аналізу та виявлених недоліків існуючих розробок в даній роботі проводиться дослідження, спрямоване на рішення задачі прогнозування попиту і встановлення ціни на товар з використанням методів прогнозування.

Ціна являє собою економічну категорію, яка б означала суму грошей, за яку продавець хоче продати, а покупець готовий купити товар. У ній зібрані практично всі економічні відносини в суспільстві [3].

Перед усіма фірмами, магазинами постає завдання призначення ціни на свої товари або послуги. Для того, щоб продати свій товар або послугу на ринку, необхідно призначити на них ціни, які були б прийнятні покупцям, інакше їх неможливо буде вдало продати на ринку. Тому магазин повинен вибрати правильну цінову політику.

Формування ціни являє собою складний багатогранний процес [7]. Процес ціноутворення представлений на малюнку 1.

Малюнок 1 – Процес ціноутворення

Багато інтернет-магазини сьогодні стикаються з проблемами залучення покупців, це може бути пов'язано з неправильною встановленої ціною на товар. На сьогоднішній момент існує дуже багато інтернет-магазинів (конкерентов). При формуванні цін необхідно брати до уваги ціни конкурентів.

На даний момент часу найпрогресивніша технологія отримання статистичних даних сформованих цін в інтернет-магазині заснована на попиті споживача. Тобто за допомогою зібраної інформації, можна проаналізувати поведінку покупців, а саме визначити який товар найбільш популярний або навпаки не користується попитом, зрозуміти чи влаштовує покупця ціна на товар, і у відповідності з отриманими даними змінити ціни на товари, що в свою чергу дозволить змінити попит покупця і потім знову проаналізувати яким чином змінилася поведінка покупця.

2. Мета і завдання дослідження

Основною метою будь-якого магазина є отримання максимального прибутку, а цього можна досягти за рахунок збільшення кількості продажів. Для досягнення поставленої мети, насамперед, необхідно вивчити переваги, потреби покупців і основні чинники, що впливають на формування ціни, на підставі чого розробити модель інформаційної системи, яка формує оптимальні ціни на товари інтернет-магазину.

Для того щоб розробити подібну систему, необхідно сформулювати критерії, за якими формується ціна на товар, і дослідити методи, які можуть бути використані в подібній системі, розробити модель формування цін.

Розглянемо інтернет-магазин, в якому представлена ??деяка номенклатура товарів T1 ... Tn. Кожному товару необхідно визначити ціну Ц1 ... Цn таку, щоб прибуток від продажів була максимальною і було продано максимально можливу кількість товарів

де

n – кількість видів товарів,

            

m – кількість проданих видів товарів,

            

П i – продажу i-го виду товару,

            

Р i – закупівельна ціна i-го виду товару.

Продажі можна розрахувати за формулою:

де

Кi – продажу i-го виду товару,

Цi – закупівельна ціна i-го виду товару.

3.Огляд існуючих методів і інструментальних засобів

Для того щоб встановити оптимальну ціну на товари, потрібно спрогнозувати попит.

Існують такі методи прогнозування:

  1. Метод простої середньої;
  2. Метод змінного середнього;
  3. Метод середньозваженої;
  4. Метод експоненціального згладжування;
  5. Метод Хольта-Уінтерс ;
  6. Метод авторегресії;
  7. Нейронні мережі, генетичні алгоритми.

Далі розглянемо кожен метод прогнозування окремо.

Метод простої середньої

Є найпростішим з подібних методів, використання обчислень за формулою простого середнього . Прогноз ціни на товар на наступний період при цьому способі вираховується як середнє арифметичне показників ціни за всі попередні періоди.

Недоліком цього методу є його висока консервативність – застаріла інформація про колишніх продажах завадить проявитися останнім тенденціям попиту за такою ціною.

Метод змінного середнього

Більш оперативно на зміну ціни реагує метод ковзне середнє . Розрахунок при цьому проводиться не на підставі даних за весь термін спостереження, а за кілька останніх періодів.

Цікавою варіацією методу є розрахунок ковзної середньої за певними минулими сезонами. такий метод може підійти товарам, що володіють яскраво вираженою сезонністю[4].

Метод експоненціального згладжування

На жаль, перераховані вище методи розрахунків по середньому дозволяють отримати лише дуже наближені результати. Для більш точного прогнозу можна домогтися при використанні моделей експоненціального згладжування і експоненціального згладжування з трендом .

У першому методі останній прогноз обсягу продажів, коригується на основі помилки прогнозу, допущеної в останньому періоді. При другому методі розрахунків (званому ще методом подвійного експоненціального згладжування ) враховуються дані з трендами – завдяки цьому даний метод може використовуватися навіть для середньострокового прогнозування.

Метод Хольта-Уінтерс

Багато продуктів мають тенденцію зростання або падіння продажів, особливо коли вони виробляються вперше або коли з'являються конкуруючі товари. Для деяких продуктів істотні сезонні зміни рівня продажів, тому для прогнозу цін на товар доцільно враховувати конкретний характер тенденції і сезонних коливань. На основі моделі Хольта Вінтерс (Вінтерс, Winters) створив свою прогностичну модель, яка враховує експонентний тренд і аддитивную сезонність.

Щоб отримати прогноз попиту в цьому методі необхідно правильно підібрати три параметра. Для цього можна використовувати як спеціальні алгоритми, так і обмежитися простим перебором.

Метод авторегресії

При бажанні отримати ще більш досконалі прогнози можна використовувати моделі авторегресії . Ця методика дозволяє провести дуже докладний аналіз наявних даних, виявити будь-які тенденції і відсіяти випадкові впливу. Однак, на відміну від попередніх методів, підбір безлічі параметрів зажадає від користувача дуже багато зусиль і часу.

Прогнозування з використанням моделі авторегресії спирається на попередні значення продажів. Слово авторегресія означає залежність подальшого значення продажу від попередніх продажів. Залежність в разі авторегресії передбачається лінійна, то є прогноз являє собою суму продажів за попередні дні з деякими коефіцієнтами, які є постійними і визначають параметри моделі авторегресії. Скільки днів (періодів в загальному випадку) таких продажів з минулого ми будемо брати, щоб намагатися спрогнозувати майбутні продажу за призначеною ціною називається порядком моделі авторегресії [5].

Нейронні мережі, генетичні алгоритми

Слід зазначити, що чим складніші методи прогнозування використовуються, тим важче їх практичне застосування і тим вище ймовірність виникнення помилок. Аналіз величезних обсягів інформації, підбір оптимальних параметрів, оперативний облік ринкових змін – все це часом знаходиться на межі людських можливостей. Найбільш перспективним у вирішенні цієї проблеми є використання алгоритмів нейронних мереж .

У цій методиці спеціальна програма після попереднього навчання здатна самостійно знайти краще рішення – при цьому користувачеві не потрібно вникати в усі премудрості використовуваних теорій. Крім того, нейронні мережі здатні врахувати приховані тенденції і створити достовірний прогноз в такій нестабільній ситуації, де раніше прогнозування вважалося взагалі неможливим [2].

4. Альтернативні засоби вирішення задачі

У процесі вивчення існуючих методів було прийнято рішення використовувати метод нейронні мережі, генетичні алгоритми.

Динамічне ціноутворення можна організувати за допомогою штучних нейронних мереж. Дані для навчання за рівнем попиту, в залежності від дня тижня і від часу доби, беруться за минулий період. Основна перевага нейронної мережі – це можливість навчатися і отримувати дані самостійно. На відміну від традиційних моделей попиту, моделі побудовані на нейронних мережах не роблять будь-яких попередніх припущень про взаємозв'язок між різними факторами. Швидше за все, вони дізнаються ці відносини з самих даних. Вони здатні вивести значення зі складних або неточних даних і можуть бути використані для моделювання відносин, які занадто складні, щоб бути поміченими людьми або комп'ютерною технікою. Ця здатність нейронних мереж робить їх гарним кандидатом для моделювання попиту при динамічному ціноутворенні.

Нейронні мережі дозволяють вирішувати завдання, з якими не можуть впоратися традиційні методи, вони здатні успішно вирішувати завдання, спираючись на неповну, зашумленную, спотворену інформацію [1]..

В якості методу для оптимізації динамічної задачі ціноутворення на основі штучної нейронної мережі передбачається використовувати еволюційні алгоритми. Вони використовують концепцію природного відбору і випадкових змін при еволюції, що дозволяє знайти краще рішення проблеми.

Розглянемо схему організації динамічного ціноутворення з використанням нейронної мережі (див.мал. 2).

Малюнок 2 – Схема організації динамічного ціноутворення із застосуванням нейронної мережі

Компанія в процесі своєї діяльності здійснює закупівлю товарів у постачальників за оптовими цінами і реалізує їх населенню за роздрібними. При цьому формується валовий дохід підприємства, який визначається виручкою від реалізації товарів і послуг за вирахуванням витрат на оплату вартості отриманих від постачальників товарів. Компанія прагне максимізувати свій чистий прибуток, яка за інших фіксованих умовах, в тому числі податкових ставках, залежить від величин торговельних націнок на товари. Існують і інші фактори, наприклад, купівельний попит, конкурентоспроможність товарів і швидкість товарообігу, які також впливають на величину прибутку.

Нейронна мережа отримує дані від різних джерел (ціни у конкурентів, рівень попиту, ціну оптової закупівлі товару) аналізує їх встановлює оптимальну ціну на товар.

5. Фактори, що впливають на ціни на товари

В умовах ринкової економіки ціноутворення в зовнішній торгівлі, так само як і на внутрішньому ринку, здійснюється під впливом конкретної ринкової ситуації. За характером, рівнем і сферою дії вони можуть бути розмежовані на п'ять нижчеперелічених груп [6].

  1. Загальноекономічні, що діють незалежно від виду продукції і конкретних умов її виробництва і реалізації. До них відносяться:
    1. економічний цикл;
    2. стан сукупного попиту та пропозиції;
    3. інфляція.
  2. Конкретно-економічні, обумовлені особливостями даної продукції, умовами її виробництва і реалізації. До них відносяться:
    1. витрати;
    2. прибуток;
    3. податки і збори;
    4. пропозицію і попит на цей товар або послугу з урахуванням взаємозамінності.
  3. Споживчі властивості:
    1. якість;
    2. надійність;
    3. зовнішній вигляд;
    4. престижність.
  4. Специфічні, що діють тільки відносно деяких видів товарів і послуг:
    1. сезонність;
    2. експлуатаційні витрати;
    3. комплектність;
    4. гарантії і умови сервісу.
  5. Спеціальні, пов'язані з дією особливих механізмів і економічних інструментів:
    1. державне регулювання;
    2. валютний курс.

Висновки

В ході роботи були досліджені різні методи формування та прогнозування ціни на товари. Прийнято рішення створити систему, використовуючи метод Витрати плюс і методпрогнозування Нейронні мережі . Метод простий середньої буде використовуватися для прогнозування попиту на товар. За допомогою цієї системи буде формуватися оптимальна ціна на товари з урахуванням цін конкурентів, переваг і потребпокупців, а також з урахуванням сезону, життєвого циклу товару.

При написанні даного реферату магістерська робота ще не завершена. Орієнтовна дата завершення: Червень 2020 р. Повний текст роботи та матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.

Список джерел

  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