Dự báo bán hàng, phân tích thị trường và hiệu suất - Môn quản trị học - Đại Học Kinh Tế - Đại học Đà Nẵng

lOMoARcPSD| 49551302 Machine Translated by Google khoa học ứng dụng Bài b áo
Dự báo bán hàng, phân tích thị trường và hiệu suất
Đánh giá cho các công ty bán lẻ Hoa Kỳ: Một doanh nghiệp Quan điểm phân tích
Chih-Hsuan W ang * và Yu-Wei Gu
Trích dẫn: Wang, C.-H.; Gu, Y.-W.
cho điều kiện kinh tế của m ột quốc gia phát triển vì họ bán nhiều hàng hóa cần thiết được sử dụng cho tiêu dùng hàng ngày,
Dự báo Bán hàng, Phân tích Thị trường, và Đánh giá Hiệu
bao gồm thực phẩm, quần áo, giày dép, thiết bị điện và đồ dùng văn phòng. Nghiên cứu này trình bày một khuôn khổ mới để suất cho Hoa Kỳ
giúp các nhà kinh doanh bán lẻ đạt được các mục tiêu sau: (1) dự đoán doanh thu bán hàng bằng cách xác định các chỉ số
Doanh nghiệp bán lẻ: Quan điểm phân tích kinh doanh. Appl.
kinh tế quan trọng, (2) ước tính mức cân bằng ổn định bằng cách nắm bắt các động lực tương tác giữa các công ty cạnh tranh
Khoa học. 2022, 12, 8480. https://doi.org/10.3390/app12178480
và (3) tính hiệu quả hoạt động và chỉ ra cải tiến cần thiết bằng cách tiến hành đánh giá hiệu suất. Để xác minh tính hợp lệ của
Biên tập viên học thuật: Krzysztof Koszela
nghiên cứu, dữ liệu liên quan đến Walmart, Costco và Kroger được thu thập. Cụ thể, toán tử lựa
Nhận: ngày 5 tháng 8 năm 2022
chọn và co ngót ít nhất tuyệt đối (Lasso) được sử dụng để xác định các chỉ tiêu kinh tế quan trọng. Chỉ số giá tiêu dùng và tiền lương
Được chấp nhận: ngày 22 tháng 8 năm 2022
thường xuyên là hai chỉ số phổ biến ảnh h ưởng đến doanh số bán hàng của ba công ty. Trong dự báo bán hàng, hồi quy vectơ hỗ trợ
Xuất bản: 25 tháng 8 năm 2022
(SVR) và các đường hồi quy thích ứng đa biến (MARS), tương ứng, hoạt động tốt nhất trong tập huấn luyện và tập thử nghiệm. Cuối
Lưu ý của nhà xuất bản: MDPI giữ thái độ trung lập đối với các
cùng, mô hình Lotka – Volterra (LVM) và phân tích bao bì dữ liệu (DEA) được sử dụng để phân tích cạnh tranh và đánh giá hiệu suất.
tuyên bố về thẩm quyền
Mối quan hệ tương hỗ kinh tế đã được xác định giữa ba công
Hơn n ữa, k ết q uả n ghiên c ứu c ho t hấy K roger h oạt đ ộng k hông h iệu q uả, m ặc d ù n ó c ó t hể m ong đ ợi t ăng d oanh s ố bán h àng n hiều h ơn n hững n gười k Khoa Quản lý & Kỹ thuật Công
hác ở t rạng t hái c ân b ằng ổ n đ ịnh. nghiệp, Đại học Quốc gia Yang
Từ k hóa: c hỉ t iêu k inh t ế; b án l ẻ; d ự b áo b án h àng; p hân t ích t hị t rường; đ ánh g iá h iệu s uất Ming Chiao Tung, Tân Trúc 30013, Đài L oan * Thư từ: chihswang@nycu. 1. Giới t hiệu edu.tw hoặc chihswang@gmail.
Ngành b án lẻ c hiếm m ột tỷ t rọng l ớn trong n gành d ịch vụ ở cố đ ô hiện đ ại vì n ó cung c ấp nhiều l oại hàng h óa c ần thiết c com
ho n hu cầu t iêu dùng h àng n gày [1,2].
Nói chung, c huỗi b án l ẻ b ao g ồm b ốn h ệ t hống c ụ t hể: c ửa h àng b ách h óa, đ ại s iêu t hị, siêu t hị v à c ửa h àng t iện l ợi. C
ụ t hể, c ác h ộ g ia đ ình l à k hách h àng c hính c ủa c ác đ ại siêu t hị v à s iêu t hị, t rong k hi c ác c á n hân l à k hách h àng c hính c
Tóm tắt: Các công ty bán lẻ
ủa c ác c ửa h àng b ách hóa v à cửa h àng t iện l ợi. R õ r àng, d anh m ục s ản p hẩm, đ ặc đ iểm đ ịa l ý , q uy m ô k hu v ực
là những đại diện tốt nhất
trong các bản đồ đã xuất bản và mối quan hệ thể chế
và đ ối tượng k hách h àng c hính l à k há k hác n hau g iữa c ác b ộ p hận c ủa l ĩnh v ực b án l ẻ [3– 5]. Trên t hực t ế, d oanh s ố b án h các biểu tượng.
àng t ổng h ợp l à đ ại d iện t ốt n hất c ho h oạt đ ộng m ua s ắm của n gười t iêu d ùng, c hính s ách g iá c ả, k ế h oạch k huyến m ại v à
h iệu s uất c hiến l ược s ản p hẩm.
Lấy cảm hứng từ khái niệm phân tích kinh doanh, nghiên cứu này nhấn mạnh ba vấn đề quan trọng:
Bản quyền: © 2022 bởi các tác giả.
dự báo bán hàng (phân tích dự đoán), phân tích thị trường (phân tích chẩn đoán) và đ ánh giá
Đơn vị được cấp phép MDPI, Basel, Thụy Sĩ.
hiệu quả (phân tích theo quy định). Đối với lĩnh vực bán lẻ, dự báo bán hàng giúp nhà quản lý Bài viết này là một bài viết truy cập mở hiểu được
hành vi của khách hàng và dự đoán được mong muốn của họ trong tương lai [6]. Sau đó, được phân phối theo các điều khoản và
một công ty có thể tối ưu hóa không gian lưu
trữ, không gian kệ và không gian trưng bày để điều k iện c ủa C reative C ommons
chuẩn bị hàng tồn kho và phát triển chiến lược sản phẩm. Mặc dù dự báo bán hàng là cực
kỳ quan Giấy phép phân bổ (CC BY) (https: // trọng, nó cực kỳ thách thức do thiếu bất kỳ phương pháp tiếp cận có hệ thống nào hữu ích để creativecommons.org/licenses/by/ xác định
các yếu tố dự báo đại diện hoặc hiệu quả. 4.0 /).
Appl. Khoa học. 2022, 12, 8480. https://doi.org/10.3390/app12178480
https://www.mdpi.com/journal/applsci lOMoAR cPSD| 49551302 lOMoAR cPSD| 49551302 lOMoARcPSD| 49551302 Machine Translated by Google 4 trên 1 8
Appl. K hoa h ọc. 2 022, 1 2, 8 480
đèn xanh, đỏ h oặc v àng để c ảnh báo c ho c hính phủ, c ác công t y, người t iêu dùng v à thậm chí c ác nhà đ ầu tư về những thay đ ổi trong t
ương lai đ ối v ới điều k iện kinh t ế.
Trên t hực t ế, c ác c hỉ s ố h àng đ ầu g iúp c ác n hà t hực h ành v à h oạch đ ịnh c hính s ách dự đoán n hững t hay đ ổi đ áng k ể t
rong n ền k inh t ế, t rong k hi c ác c hỉ s ố t ụt h ậu đ ược s ử d ụng đ ể xác n hận c ác m ô h ình t ăng h oặc g iảm v à n hững t hay đ ổi t rong
x u h ướng [10,29,35]. Các c hỉ báo t rùng h ợp r ất l inh h oạt v ì k hông c ó s ự c hậm t rễ g iữa c ác y ếu t ố d ự đ oán v à k ết q uả. B ất
kể c ác c hỉ b áo d ẫn đ ầu, t ụt h ậu h oặc t rùng h ợp đ ược s ử d ụng, c húng p hải đ ược x ác đ ịnh m ột cách c ó h ệ t hống đ ể n hận r a c
ác y ếu t ố d ự b áo q uan t rọng. V ì n ghiên c ứu n ày n hằm mục đ ích dự đ oán t ổng d oanh s ố c ho c ác c ông t y b án l ẻ, c ác c hỉ s ố k
inh t ế l iên q uan, c hẳng h ạn n hư CPI ( chỉ s ố g iá t iêu d ùng), C CI ( chỉ s ố n iềm t in c ủa n gười t iêu d ùng), P CE ( chi t iêu t iêu dùng c
á n hân), c hỉ s ố m ua h àng p hi s ản x uất ( NMI), c hỉ s ố g iá s ản x uất ( PPI), c hỉ số s ản xuất n gành ( IPI), c hỉ s ố q uản l ý m ua h àng (
PMI), l ương t hường x uyên, t ỷ l ệ t hất n ghiệp, g iá dầu v à t ỷ g iá h ối đ oái đ ược s ử d ụng l àm c ác y ếu t ố d ự b áo t iềm n ăng t rong d ự b áo b án h àng.
2.2. Cạnh t ranh n ăng động v à Đánh g iá hoạt đ ộng Đ ể mô hình h óa động l ực thị t rường, l ý thuyết t rò chơi v à kênh c ạnh t ranh thường đ ược áp
dụng đ ể mô t ả các động t hái t uần tự h oặc đồng t hời giữa c ác công t y trong c ơ cấu độc quyền. Cụ t hể, lý thuyết t rò c hơi dựa t
rên lập t rình toán h ọc đã đ ược áp d ụng rộng r ãi để đ ấu giá, thiết k ế cơ c hế và đ iều phối k ênh [36–38]. Theo hiểu b iết của c
húng t ôi , hầu h ết các nghiên c ứu trước đ ây đ ều tập t rung vào c ạnh tranh t heo c hiều ngang, t rong đ ó các c ông ty đồng nhất c
ạnh t ranh cho c ác phân k húc khách h àng g iống nhau [23,24]. Trong n ghiên c ứu này, Walmart v à Costco t ương t ự như c ác đại
siêu t hị q uy mô lớn t rong khi K roger g iống như c ác siêu t hị. Nói c hung, k hách hàng c ủa đại s iêu thị h oặc siêu t hị l à hộ gia đ ình
(mua h àng tuần) c hứ không p hải cá n hân (tiêu d ùng h àng ngày) t rong c ác cửa h àng tiện l ợi. B ởi vì thông t in có s ẵn cho b a nhà
b án lẻ là t ổng doanh s ố bán h àng, n ó được sử d ụng để p hân tích cạnh tranh t hị t rường có t hể định l ượng mối q uan hệ g iữa
ba c ông ty. V í dụ, v ới việc d oanh số của m ột công t y tăng h oặc giảm, t ác động c ủa nó đ ối với c ác công t y cạnh tranh l à gì?
Dựa trên c ác mối q uan hệ q ua lại, đ âu là đ iểm cân b ằng ổn đ ịnh cho c ác công t y cạnh tranh?
Trong n ghiên c ứu này, m ô hình L otka – V olterra ( LVM) được x ây dựng đ ể đạt đ ược các mục tiêu n êu t rên
Hơn n ữa, đ ể t iến h ành đ ánh g iá h iệu q uả h oạt đ ộng v à chứng m inh đ iểm m ạnh h oặc đ iểm yếu c ủa m ột c ông t y, h iệu q
uả h oạt đ ộng đ ược t ính c ho c ác n hà b án l ẻ c ạnh t ranh. H iệu q uả
hoạt đ ộng, h ay c òn g ọi l à n ăng s uất, đ ược s ử d ụng đ ể đ o l ường m ức đ ộ s ử d ụng t ừ c ác n guồn lực đ ầu v ào đ ến k ết q uả đ ầu r
a. T ham k hảo c ác n ghiên c ứu t rước đ ây [ 3,5,28], n ghiên c ứu n ày đề c ập đ ến n hân v iên t oàn t hời g ian, g iá v ốn h àng b án ( COGS),
v à c hi p hí h oạt đ ộng l à đ ầu vào v à d oanh t hu b án h àng l à đ ầu r a. T rong n ghiên c ứu n ày, b a n hà b án l ẻ k éo d ài từ n ăm
2005 đ ến n ăm 2 021 đ ược c oi l à đ ơn v ị q uản l ý q uyết đ ịnh ( DMU). P hân t ích b ao b ọc d ữ l iệu (DEA) đ ược á p d ụng đ ể t hu đ ược h
iệu q uả h oạt đ ộng v à c hỉ r a c ác h ành đ ộng c ần t hiết đ ể c hứng
minh c ác D MU k hông h iệu q uả. V ề m ặt t oán h ọc, c ác D MU h iệu q uả n hất c ó h iệu q uả h oạt đ ộng thống n hất.
3. C ác k ỹ t huật đ ược đ ề xuất H ình 1 trình b ày c hi t iết c ác k ỹ t huật đ ược đ ề x uất. Đ ầu t iên, L asso ( toán t ử lựa c họn v à c o
n gót í t n hất t uyệt đ ối) đ ược s ử d ụng đ ể x ác đ ịnh c ác y ếu t ố d ự đ oán c hính ảnh h ưởng đ áng k ể đ ến d oanh t hu b án h àng
c ủa W almart, C ostco v à K roger. S au đ ó, m áy h ọc được á p d ụng đ ể t iến h ành d ự b áo b án h àng. T hứ h ai, L VM ( mô h ình L
otka – Volterra) đ ược s ử dụng đ ể p hân t ích đ ộng l ực t hị t rường g iữa b a n hà b án l ẻ v à ư ớc t ính m ức c ân b ằng ổ n đ ịnh
của h ọ. C uối c ùng, D EA ( phân t ích b ao b ì d ữ l iệu) đ ược á p d ụng đ ể x ác đ ịnh h iệu q uả h oạt
động v à c hỉ r a c ác h ành đ ộng c ần t hiết đ ể c ải t hiện c ác c ông t y h oạt đ ộng k ém h iệu q uả. Không m ất t ính t ổng q uát, M ARS (
splines h ồi q uy t hích ứ ng đ a b iến), S VR ( hồi q uy v ectơ h ỗ trợ) v à D NN ( mạng n ơ r on s âu) đ ược s ử d ụng t rong d ự b áo b án h àng. lOMoAR cPSD| 49551302 MAE = MAE = lOMoAR cPSD| 49551302 m = 1 lOMoARcPSD| 49551302
Machine Translated by GoogleAppl. Khoa học. 2022, 12, x FOR PEER REVIEW 7 của 18
Appl. Khoa học. 2022, 12, x ĐỂ ĐÁNH GIÁ PEER 7 của 18
Appl. Khoa học. 2022, 12, 8480 Trong đó ≥ 0 và ฀
฀≥ 0 đại diện cho số nhân Lagrangian trong Ràng buộc (9) và (10). = 0 để
trong đó ≥ 0 và฀Nếu chúng ฀≥ 0 đại diện cho số nhân Lagrangian trong Ràng buộc (9) và (10).฀ ฀suy ra 7 tr1ê8n = 0 để
ta cắm Phương trình (11) trở lại bài toán nguyên thủy, chúng ta cũng có Nếu
có bài toán kép. Các chi tiết được tham khảo bởi [43,44]. vấn đề kép. Các chi chúng ta cắm Phương trình (11) trở lại bài
toán nguyên thủy, chúng ta cũng ฀ ฀suy ra tiết được tham khảo bởi [43,44].
Hình 3 . Hồi q uy vectơ h ỗ t rợ ( SVR). S ao có n ghĩa l à các m ẫu dữ l iệu đ ại diện, m ột đ ường l iền n ét l à H ình 3 . H ồi q uy vectơ h ỗ t rợ (SVR). D ấu sao c ó nghĩa l à c ác
mẫu d ữ liệu đ ại d iện, m ột đường l iền l à
trung t âm và c ác đường đ ứt n ét b iểu thị g iới h ạn trên v à g iới hạn d ưới.Hình 3 . H ồi quy v ectơ h ỗ trợ ( SVR). C ác d ấu sao c ó nghĩa l à c ác mẫu d ữ liệu đ ại d iện, m ột
đ ường l iền n ét l à k hớp n ối khớp n ối t rung t âm v à các đ ường đ ứt n ét b iểu t hị g iới h ạn t rên v à g iới h ạn d ưới.khớp n ối t rung t âm và c ác đường đ ứt n ét biểu t hị
g iới h ạn trên v à giới h ạn d ưới.
Mạng nơ ron sâu (DNN) bao gồm lớp đầu vào, nhiều lớp ẩn và mạng nơ ron sâu (DNN) bao gồm lớp đầu vào, nhiều lớp ẩn và
xác định trong Công thức (12) cần được truyền ngược trở lại lớp đầu ra. Một tín hiệu lỗi được xác định trong Công thức (12)
cần được truyền lạiMạng nơron sâu (DNN) bao gồm lớp đầu vào, nhiều lớp ẩn và lớp đầu ra. Một tín hiệu lỗi được chỉnh trọng
số giữa các nơ-ron. Khi sai số bình phương trung bình hội tụ, điều chỉnh trọng số giữa các nơ-ron. Khi lỗi bình phương trung
bình hội tụ,lớp đầu ra. Một tín hiệu lỗi được xác định trong Công thức (12) cần được truyền ngược để điều
lại và mô hình đã được đào tạo tốt [44,45]: quá trình cập nhật dừng và mô hình đã được đào tạo tốt [44,45]:điều chỉnh trọng lượng giữa
các nơron. Khi lỗi bình phương trung bình hội tụ, quá trình cập nhật dừng quá trình cập nhật dừng và mô hình đã được đào tạo tốt ฀฀ ฀
[44,45]: - ( ฀฀, ฀ Error = =1฀ =
฀ ฀ ฀฀฀ s = 1N ฀ ฀฀฀฀ Yk - f w ij, θ i , X j฀, ฀) ฀ ฀ ฀ = 1…฀ - ( ฀฀, ฀, ฀) ฀ 2,, ฀j = 1, ฀ = = 1
… 1… , ฀ ฀ ฀ . . . M , 1฀,, ฀ k 1 … ,. . . L , (12)(12)(12) ฀ N ฀
trong đó n là số lượng mẫu huấn luyện, M là kích thước của biến đầu vào, L là trong đó n là số
nghĩa là trọng số từ lớp i đến lớp j, và là n là số lượng mẫu huấn luyện, M là kích thước của các biến đầu vào, L làlượng mẫu
huấn luyện, M là kích thước của biến đầu vào, L là thứ nguyên của biến đầu ra, ฀฀ có ฀
Hàm xấp xỉ phổ quát, f, cần được học để tiến hành không theo thứ nguyên của các biến đầu ra, wij có nghĩa là trọng số từ lớp
i đến lớp j và θithứ nguyên của các biến đầu ra, ฀฀ có nghĩa là trọng số từ lớp i đến lớp j, và là hệ số chặn. ฀ Như trong
Hình 4, tín hiệu lỗi có thể tính toán trọng lượng phù hợp nhất là điểm chặn. Hàm xấp xỉ phổ quát, f, cần được học để tiến
hànhsự đánh chặn. Hàm xấp xỉ phổ quát, f, cần được học để tiến hành điều chỉnh không tuyến tính.
điểmvề phía trước. Như thể hiện trong Hình 4, tín hiệu lỗi có thể tính toán trọng lượng phù hợp nhấtphù hợp tuyến tính. Như
thể hiện trong Hình 4, tín hiệu lỗi có thể tính toán các trọng số và chặn phù hợp nhất có thể giảm thiểu sai số dự báo. Ngược lại,
phù hợp phi tuyến sig làm việc
tiến hành dự báo. Dựa trên các quy tắc chuỗi, trọng số tối ưu và các điểm chặn và chặn có thể giảm thiểu sai số dự báo.
Ngược lại, các tín hiệu làm việc về phía trướcvà chặn có thể giảm thiểu sai số dự báo. Ngược lại, các tín hiệu làm việc về phía trước có thể
nals có thể tiến hành dự báo. Dựa trên
chặn được suy ra để tạo thành một phép gần đúng phổ quát xác định rõ nhất các mối
các quy tắc dây chuyền, các trọng số tối ưu và các mức thể tiến hành dự báo. Dựa trên các quy tắc chuỗi, trọng lượng và mức
chặn tối ưu là quan hệ giữa có
được suy ra để tạo thành
yếu tố dự đoán và kết quả [45]. Cụ thể, các siêu tham số, chẳng hạn như số lượng tạo thành một xấp xỉ phổ quát xác định tốt nhất các mối quan hệ
một phép gần đúng phổ quát xác định tốt nhất các mối quan hệ giữa các giữa được dẫn xuất để
lớp ẩn và tế bào thần kinh liên kết, tỷ lệ rớt ra, chức năng kích hoạt (lớp ẩn hyperbolic tan lượng c ác y ếu t ố d ự đ oán v à k ết q
uả các y ếu t ố d ự đ oán v à k ết q uả [ 45]. C ụ t hể l à c ác s iêu t ham s ố, c hẳng h ạn n hư s ố [45]. Cụ t hể, s iêu t ham s ố, c hẳng h ạn n hư s ố
gent, sigmoid và ReLu) và trình tối ưu hóa (stochastic khá, gradient khá, AdaDelta, gent, sigmoid và tế bào thần kinh liên kết, tỷ
lệ rớt mạng, chức năng kích hoạt (hyperbolic tan của các lớp ẩn và tế bào thần kinh liên kết, tỷ lệ rớt ra, chức năng kích hoạt
(hyperbolic AdaGrad, v.v.), cần được chọn trong đào tạo người mẫu. Sau đó, dự báo có thể là AdaGrad, v.v.), ReLu) và trình tối
và ReLu) và trình tối ưu hóa (stochastic khá, gradient khá, AdaDelta,
ưu hóa (stochastic phong nha, gradient phong nha, AdaDelta, tiếp tuyến, sigmoid và
hiện t hực h óa t rong t hử n ghiệm m ô h ình. đào tạo mô hình. Sau đó, dự báo có thểcần được chọn trong đào tạo mô hình. Sau đó, dự báo có
thể là AdaGrad, v.v.), cần được chọn trong
hiện t hực h óa t rong t hử n ghiệm m ô h ình.hiện t hực h óa t rong t hử n ghiệm m ô h ình.
Hình 4 . Mạng n ơron s âu ( DNN).
Hình 4 . H ình 4. M ạng n ơron s âu (DNN).Mạng nơron s âu (DNN). 3.3. Phân tích cạnh tranh
Dựa t rên p hương t rình l ogistic, m ô h ình L otka – V olterra ( LVM) đ ược á p d ụng đ ể n ắm b ắt sự tương tác giữa các công ty
cạnh tranh [14,18,23]. Phương trình vi phân được cho là: dx1 = a1x1 - b1x1 2 - c1x1x2, (13) dt lOMoAR cPSD| 49551302 lOMoAR cPSD| 49551302 lOMoAR cPSD| 49551302 lOMoAR cPSD| 49551302 lOMoAR cPSD| 49551302 lOMoARcPSD| 49551302 Machine Translated by Google
Appl. K hoa học. 2 022, 1 2, 8 480 16 t rên 1 8
các chỉ số đ ược sử dụng trong n ghiên cứu này t hực sự được c oi l à t ín h iệu h àng đ ầu c ho d oanh số bán lẻ. Do s ố liệu hạn
chế, c ác mẫu hàng q uý được thu thập t ừ 2 005 / Q 1 đ ến 2 021 / Q 4. T uy
nhiên, các s ự kiện lớn từ môi t rường bên ngoài, c hẳng hạn n hư c hiến t ranh t hương m ại M ỹ - Trung, COVID-19 v à lạm phát kể t
ừ năm 2022, có t hể tác động k hác đ ến d oanh t hu b án h àng. D o đó, cần có t hêm dữ liệu bao g ồm các mẫu hàng t háng để
chứng m inh c ho c ác k ết q uả nghiên c ứu.
Trong p hân t ích t hị t rường, m ối q uan h ệ đ ược g ọi l à thuyết t ương h ỗ đ ược t ìm t hấy g iữa b a công t y. N ói c ách k hác, m
ột c ông t y c ó t hể m ong đ ợi t hay đ ổi t ích c ực d oanh s ố b án h àng c ủa mình v ới c ác đ ối t hủ c ạnh t ranh ( một d oanh n ghiệp t ăng
h oặc g iảm, d oanh n ghiệp k ia c ó cùng chiều h ướng). K hông c ó g ì n gạc n hiên k hi p hát h iện n ày á m c hỉ một đ ộng l ực p hổ b iến ả
nh h ưởng đến d oanh s ố bán l ẻ. T uy n hiên, v ề c hủng l oại s ản phẩm v à phân k húc t hị t rường, W almart, C ostco
và K roger k hông đ ồng n hất. W almart s ở hữu n hiều l oại s ản phẩm n hất, c hẳng h ạn n hư n hững s ản
phẩm đ ược t ìm t hấy t rong c ác đ ại s iêu t hị, t rong k hi K roger t ập t rung v ào c ác s iêu thị c ộng đồng. N gược l ại, C ostco d ường n
hư t ự định v ị m ình ở đ iểm t rung g ian g iữa W almart v à K roger. D o đó, đ ể tiết l ộ n hiều t hông t in c hi tiết h ơn, n ên p hân t ích t
hị t rường đ ể n hắm m ục tiêu c ẩn t hận các n hóm k hách h àng c ụ thể v à n ên b ao g ồm c ác d anh m ục s ản p hẩm v à khu v ực đ ịa l
ý. B ên c ạnh đ ó, các k ết q uả liên q uan đ ến c ân bằng t hị trường c ho t hấy K roger c ó t iềm n ăng t ăng d oanh s ố bán hàng l ớn n
hất. T uy n hiên, h àm ý n ày k hông t ính đ ến s ự c ạnh t ranh t ừ c ác c ửa h àng k hông c ó n hân viên t hu n gân c ủa A mazon . S ự t hay đ
ổi m ô h ình p hát s inh t ừ trí t uệ n hân t ạo v à t hị g iác m áy tính đ áng đ ược q uan s át, đ ể đ ánh g iá t ác đ ộng t iềm t àng c ủa c húng
đ ối v ới s ự p hát triển t rong tương l ai t rong l ĩnh v ực b án l ẻ.
Cuối c ùng, l iên q uan đ ến đ ánh g iá h iệu s uất, h iệu q uả h oạt đ ộng đ ược t ính t oán b ằng c ác biến đ ầu vào ( tài n guyên) v à đ ầu r a
(kết q uả). B ằng c ách t ham k hảo ý k iến c ủa c ác chuyên g ia trong l ĩnh v ực, C OGS ( giá v ốn h àng b án), n hân v iên t oàn t hời g ian v à c hi p
hí h oạt đ ộng đ ược s ử dụng l àm đ ầu v ào, t rong k hi d oanh t hu đ ược s ử d ụng l àm đ ầu r a. H iệu q uả h oạt đ ộng được t ính h àng n ăm.
Trái n gược v ới d ự b áo b án h àng v à p hân t ích t hị t rường, đ ánh g iá h oạt đ ộng t ập t rung v ào h iệu q uả: m ột công t y s ử d ụng h iệu q uả c ác n guồn l ực c
ủa m ình đ ể t ạo r a k ết q uả n hư t hế n ào? N hư c húng t a đ ã b iết, t ỷ suất l ợi n huận t hường r ất t hấp t rong l ĩnh v ực b án l ẻ. D o đ ó, đ ể t ăng c ường đ
áng k ể l ợi t hế c ạnh t ranh, việc c ải t hiện h iệu q uả h oạt đ ộng c ó t hể q uan t rọng h ơn v iệc t ăng d oanh t hu c ho c ác c ông t y b án l ẻ. C ác phương p háp k
hả t hi b ao g ồm g iảm n guồn l ực đ ầu v ào t rong k hi v ẫn g iữ n guyên k ết q uả h oặc s ử d ụng c ùng
nguồn l ực đ ầu v ào t rong k hi t ạo r a m ức đ ộ k ết q uả c ao h ơn. 6. K ết l uận
Để g iúp c ác c ông t y bán l ẻ t hực h iện d ự b áo b án h àng, p hân t ích t hị t rường v à đánh g iá hiệu s uất, n ghiên c ứu n ày đề x
uất m ột k huôn k hổ m ới v à b a c ông t y bán l ẻ h àng đ ầu c ủa H oa K ỳ,
Walmart, C ostco v à K roger, đ ược s ử d ụng đ ể đánh g iá t ính h ợp l ệ c ủa n ghiên c ứu. Q uan t rọng h ơn, ba v ấn đ ề q uan t rọng n ày
đ ược b ao q uanh b ởi k hái n iệm p hân t ích k inh d oanh t ừ đ ầu đến cuối. T óm lại, n hững đ óng g óp c ủa n ghiên c ứu đ ược t rình b
ày n hư sau: • Một h ồi q uy t hống k ê được g ọi l à
Lasso đ ược s ử d ụng đ ể chọn c ác chỉ s ố k inh t ế c ho W almart, C ostco v à K roger, v à c ác p hương p háp học m áy ( MARS, S VR, D
NN) đ ược s ử dụng đ ể d ự b áo b án h àng, • Mô h ình L otka – V olterra đ ược
áp d ụng đ ể t hực h iện p hân t ích c ạnh t ranh g iữa b a c ông t y b án l ẻ hàng đ ầu c ủa H oa K ỳ v à
ước tính c ác mức c ân b ằng ổ n đ ịnh c ủa t hị t rường n hằm đ ưa r a t hông t in c hi t iết,
• P hân t ích b ao t rùm d ữ l iệu đ ược s ử d ụng đ ể x ác đ ịnh h iệu q uả h oạt đ ộng v à c hỉ r a c ác h ành đ ộng c ần t hiết đối v ới c ác d oanh n ghiệp k ém h iệu q
uả đ ể c ải t hiện c ác b iến n guồn l ực đ ầu v ào c ủa họ.
Kết quả thử nghiệm cho thấy các chỉ số kinh tế đã xác định được kết hợp với ma chine learning có tác dụng tốt
trong dự báo bán hàng (MAPE trung bình là dưới hoặc khoảng 10%).
Bên c ạnh đ ó, m ối quan h ệ tương h ỗ đã đ ược c hứng m inh đ ược g ọi là t huyết t ương h ỗ c hỉ ra r ằng tổng t hị t rường v ẫn l à m ột
c hiếc b ánh đ ang p hát t riển v à do đ ó, m ỗi c ông t y c ó thể h ưởng l ợi cùng v ới c ông t y k ia. C uối c ùng, t ừ n ăm 2 009 đ ến 2 019 v
à c ả năm 2 021, K roger c ó h iệu s uất h oạt động k ém n hất. C ác cải t iến b ắt b uộc đ ược đ ề xuất b ao g ồm g iảm n hân v iên t oàn t
hời g ian, g iảm giá v ốn h àng b án v à giảm c hi phí h oạt đ ộng. lOMoAR cPSD| 49551302 lOMoAR cPSD| 49551302