文献

J-GLOBAL ID：202002260784494002   整理番号：20A2692122

オンラインレビュー,探索トラフィックおよびマクロ経済データを通したBassモデルの予測力の改善【JST・京大機械翻訳】

Improving the Bass model’s predictive power through online reviews, search traffic and macroeconomic data

著者 (3件)： Zhang Chuan (School of Business Administration, Northeastern University, Shenyang, China) ,  Tian Yu-Xin (School of Business Administration, Northeastern University, Shenyang, China) ,  Fan Ling-Wei (School of Business Administration, Northeastern University, Shenyang, China)
資料名： Annals of Operations Research  (Annals of Operations Research)
巻： 295  号： 2  ページ： 881-922  発行年： 2020年 
JST資料番号： T0444A  ISSN： 0254-5330  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Bass拡散モデルは製品販売予測にうまく適用され,特に消費者耐久性販売予測でよく機能している。しかし,従来のBassモデルは歴史的販売データのみを使用し,製品に関する重要な市場情報を含むことができない。本論文では,より正確な予測を達成するために,ユーザ生成インターネット情報とマクロ経済データを通してBasモデルを改善する方法について述べた。最初に,感情分析を採用して,製品の様々な属性に関するオンラインレビューを感情スコアに変換し,次に,Bassモデルの模倣係数に統合される製品語口指数(WoM指数)をエントロピー重量法で計算した。続いて,Baidu製品インデックスを,製品関連単語のBaidu検索トラフィックを通して計算し,Bassモデルの技術革新係数に統合した。最後に,マクロ経済データを収集して,潜在的採用者の総数を推定し,Bassモデルにおける市場ポテンシャルが時間とともに不変であるという仮定を緩和した。自動車製品販売の予測の比較実験を行い,その結果は次の通りである。(1)改良Bassモデルは予測精度を著しく改善し,その平均予測精度(0.9983)は従来のBassモデル(0.9773)より約2.15%高かった。RMSE_(0.314)とWAPE(0.0017)は,従来のBassモデルと比較して,それぞれ90.98%と92.38%低かった。(2)WoM指数の計算に関しては,全体のレビューを各属性に関する別々のレビューに分割するのは,より良い。(3)マクロ経済データは,Bassモデルの予測力の改善に最大の役割を果たし,オンラインレビューデータと検索トラフィックデータが続いた。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動車 ,  消費者 ,  耐久性 ,  比較試験 ,  *単語 ,  インターネット
準シソーラス用語： 予測精度 ,  拡散モデル ,  *オンライン ,  *バスモデル ,  販売データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 販売予測 ,  改良Bassモデル ,  オンラインレビュー ,  Baidu指数 ,  マクロ経済指標

分類 (1件)： 市場調査,広告  (KA06030H)

タイトルに関連する用語 (8件)： オンライン ,  レビュー ,  探索 ,  トラフィック ,  マクロ ,  経済 ,  Bassモデル ,  予測