羅夢琪
中圖分類號：F713.53
文獻標誌碼：A
文章編號：1000-8772(2015)01-0045-03
1、短生命周期產品需求預測方法的研究背景
隨著科技水平的日新月異以及產品更新換代的日益頻繁，以及人們生活質量的提高，消費者的需求也發生了顯著的變化，致使短生命周期的產品需求日益增大。短生命周期產品的需求預測，能比較準確地揭示出其發展趨勢，為決策者提供戰略規劃。對於手機，電腦等電子產品和服裝等時尚類產品，這種表現就更加明顯，新產品從進入市場到退出市場只用了一年甚至短短几個月的時間。在本文中，筆者認為以下產品可視為短生命周期產品：一是季節性變化大的商品，例如時尚服裝；二是時效性強的商品，例如雜誌，報紙等知識型商品；三是更新換代頻繁的電子產品，例如電腦，手機等。
2、研究的目的和意義
短生命周期產品具有的產品生命周期短，產品價格和市場需求不穩定，產品替代性強等特徵。經營短生命周期產品對於企業來說是一把雙刃劍，一方面給企業帶來了風險，若是產品生產過多，就會帶來庫存問題，若是產品生產過少，就會導致企業錯過產品的最佳銷售時間，從而影響企業的利潤；另一方面也給企業帶來了巨大的機遇與挑戰，如果企業能夠對短生命周期產品做出較準確的預測，能夠基本分析出短生命周期產品的進入期，成長期，成熟期和衰退期，就能夠快速反應，響應市場需求贏得利潤。
本文對短生命周期產品的需求預測，引入實際算例運用四種模型進行佐證，以期檢驗四種模型的預測準確度，詮釋四種模型各自的應用條件，儘量提高預測的準確度，為管理人員的決策做好數據支持，減少預測誤差而給企業帶來的利潤流失。
3、短生命周期產品的特徵
目前，市場中短生命周期產品越來越多，特徵也多種多樣、不盡相同，主要特徵如下：
（1）產品生命周期短
由於現代技術的進步，消費者需求也多樣化，企業為了占有市場，不斷利用最新技術開發產品，致使了產品的生命周期很短暫。這就形成了短生命周期產品的一個特徵。
（2）產品價格和市場需求不穩定
某種新產品剛進入市場時，對於剛剛夠買了上代產品沒多久的消費者以及尚未接觸過此類產品的消費者來說，大多都在觀望，這樣就造成了短生命周期產品市場的不穩定性，因此產品價格的波動也會很厲害。
（3）產品價值貶值快速
由於本代產品還沒完全處於消退期，但企業為了進一步的占領市場，加大力度應用科技創新，下代產品會隨之出現。但是由於需求市場的不穩定性，產品的價值不容易體現，隨著競爭的加劇，短期生命周期產品的價值會越來越底，產品價值衰退的幅度也會非常大，有時候會給公司帶來巨大的經濟損失。
（4）產品替代性強
短生命周期產品最大特徵是產品替代替代性強，因為這種產品含金量高，開發周期長，造就了產品革新更替的速度快，甚至可能一種產品A還沒研發成功，而比這種產品更先進的下代產品B已經出現在市面上。
4、短生命周期產品四種需求預測方法的討論
4.1指數平滑法預測
傳統的方法，以產品為預測單位，這是基於統計的各種時間序列的分析法。但是結合短生命周期產品的特徵時，可以看出，這些方法對短生命周期產品是不適合的。這是由於：傳統的預測方法需要大量的歷史數據為支持，或者需要已知產品生命周期形態，但這種形態只有產品走向市場之後才能獲得。另外傳統的預測方法是在平穩趨勢的情況下進行的預測，而在趨勢變化時，產品就表現出了滯後現象。
對一組簡單的富有增長趨勢的數據進行一次指數平滑預測，可以看出，當歷史數據出現趨勢後，指數平滑值往往要滯後於歷史數據，造成了預測誤差逐漸增大的結果。而對於生命周期長，需求波動不大的普通產品來說，用此預測方法就顯得較為恰當。因此，這種常規的需求預測方法並不能讓企業決策者感到滿意。
4.2以報童模型分析需求預測
舉例：以一家時尚服裝店為例，作為時效性強的短生命周期產品，時裝進價成本c為600元/件，零售價p為1000元/件，賣不出去退回廠家時回收價格g為200元/件，假設無缺貨成本s，無打折促銷，求每月最佳訂貨量Q*。
已知根據多年的統計表明，人們對於時裝的需求服從均勻分布，最高需求量為m=96件，最低需求量n=26件。
解：根據機率論可知，均勻分布的機率密度函數為：
用報童模型預測短生命周期產品要求產品的需求基本服從均勻分布，已知最高需求量與最低需求量，並且用報童模型進行預測只能得出平均最優的進貨量，而不能預測出每月最優的進貨量，因而只能適用於不太要求精準預測的短生命周期產品。
4.3以EOQ模型分析需求預測
基本EOQ模型包含的假設條件之一要求：需求連續且穩定。時裝作為時效性強的短生命周期產品，當季暢銷，過季則很少人購買，甚至無人問津，需求不穩定，所以不可以應用EOQ模型進行需求預測。因此使用EOQ模型進行需求預測就要求短生命周期產品具有需求連續且穩定，需求速率已知；補貨周期固定，不考慮補貨提前期；不考慮數量折扣；貨品的補貨立即完成等條件。
4.4以BASS模型分析需求預測
BASS模型的優點在於使用簡單明了的概念架構和參數設定，來獲得清晰有理的解釋能力。BASS模型是Frank Bass融合了Fourt和Mansfield的研究模式建立起來的，其模型表示為：
f(t)/[1-F(t)]=p+qF(t)（1）
即在不發生購買行為的情形下，進行第一次購買行為的可能性與之前的購買者數量成線性關係。其中f(t)為t時刻購買的可能性，F(t)為在第t期累計購買者占總購買者的比率，p為創新係數，q為模仿係數。f(t)與F(t)的關係為：
設m為購買者的潛在數量或潛在購買量，為t期累計購買者的數量，為t期購買者數量，即非累計購買者的數量，則有公式： n(t)=mf(t)（2）
N(t)=mF(t) （3）
由上述三個公式歸納得到BASS模型的基本形式：
（4）
公式（4）認為，潛在購買者可以分為兩個部分：一部分是p[m-N(t)]代表的因外部影響而購買的新產品的人數，稱為創新者；另一部分是代表的那些受到先前購買者的影響而購買新產品的人數，稱為模仿者。當t=0時，n(0)=pm為原始接受人數，即新產品進入市場前的試用者人數，也可以理解為新產品進入市場前的樣品試用數量。
由式（1）以及F（0）=0可得出：
（5）
從而得到累計購買者數量：
（6）
只要知道了N(t)，帶入式（4）就可以得出t時刻非累計的購買者數量及銷售數量n(t)。
依據以上構建的BASS模型編寫程序，用Matlab進行非線性擬合，得到擬合曲線方程的參數值，如下表2所示。
以時尚服裝為例，一年銷售記錄如下表3，用BASS模型預測每月銷售量。
對比表3中的數據可以發現，BASS模型的擬合預測銷量和實際銷量有4—28不等的差距。
Bass模型雖然可以預測出每月的需求量，但是預測值與實際值相比，有時偏大，有時偏小，趨勢不穩定。對於需要較準確的預測每月的需求量且不要求高精確性的短生命周期產品較為適用。但是相比於上述三種預測方式，Bass模型還是占有優勢的。
結論
由於短生命周期產品具有複雜性、多變性的特點，再加上其他眾多隨機性因素的影響，使得短生命周期產品的需求很難用一種簡單直接的方法進行預測。本文通過分析短生命周期產品的研究背景及目的、特徵以及預測其需求的條件，討論了四種預測方法。在日益激烈的市場競爭環境下，由於短生命周期產品的需求預測的不確定性增強，短生命周期產品的需求預測不應局限於單一的預測方法或者一個部門，而應多重預測方法、多種技術相結合併且促進多個部門相互合作。科學技術的進步和人們生活觀念的改變也使得對商品的需求越來越多樣化，在未來，短生命周期產品會越來越多的出現在我們的生活中，我們應該更進一步地研究與探索，以期望能夠用動態跟蹤的方式來準確吸收新數據並高效分析數據來進一步提高預測的精確性，增強企業決策的有效性，提高企業利潤。
參考文獻：
[1] 徐賢浩,宋奇志,短生命周期產品的需求預測方法研究[J ].統計與決策,2006年24期,P161—P163.
[2] 魏雪.短生命周期電子產品需求預測研究[D]. 東北大學,2010.
[3] 劉錚,徐琪,基於服務一購買意願的雙渠道短生命周期產品需求預測模型——以快時尚服裝行業為例[J]. 《東華大學學報(自然科學版)》,2013年5期,P668—P674,681.
[4] 王業宏,短生命周期電子產品備件預測方法及其在展望電子公司的應用[D]. 河北工業大學,2012.
[5] 徐賢浩,宋奇志,改進BASS模型應用於短生命周期產品需求預測[J]. 工業工程與管理,2007年5期,P27—P31.
[6] 楊敬輝武春友,採用Norton模型對產品更新換代擴散趨勢的研究--以中國網際網路用戶上網方式的更新換代為例[J]. 科學學研究,2005年5期,P682—P687.
[7] 吳繼鋒.基於貝葉斯更新的短生命周期產品需求預測與庫存控制研究[D],南京理工大學,2012.
作者簡介：羅夢琪（1992—），女，山東東營人，管理學學士，從事物流管理研究。
（山東工商學院）
(責任編輯：陳麗敏)
中圖分類號：F713.53
文獻標誌碼：A
文章編號：1000-8772(2015)01-0045-03
1、短生命周期產品需求預測方法的研究背景
隨著科技水平的日新月異以及產品更新換代的日益頻繁，以及人們生活質量的提高，消費者的需求也發生了顯著的變化，致使短生命周期的產品需求日益增大。短生命周期產品的需求預測，能比較準確地揭示出其發展趨勢，為決策者提供戰略規劃。對於手機，電腦等電子產品和服裝等時尚類產品，這種表現就更加明顯，新產品從進入市場到退出市場只用了一年甚至短短几個月的時間。在本文中，筆者認為以下產品可視為短生命周期產品：一是季節性變化大的商品，例如時尚服裝；二是時效性強的商品，例如雜誌，報紙等知識型商品；三是更新換代頻繁的電子產品，例如電腦，手機等。
2、研究的目的和意義
短生命周期產品具有的產品生命周期短，產品價格和市場需求不穩定，產品替代性強等特徵。經營短生命周期產品對於企業來說是一把雙刃劍，一方面給企業帶來了風險，若是產品生產過多，就會帶來庫存問題，若是產品生產過少，就會導致企業錯過產品的最佳銷售時間，從而影響企業的利潤；另一方面也給企業帶來了巨大的機遇與挑戰，如果企業能夠對短生命周期產品做出較準確的預測，能夠基本分析出短生命周期產品的進入期，成長期，成熟期和衰退期，就能夠快速反應，響應市場需求贏得利潤。
本文對短生命周期產品的需求預測，引入實際算例運用四種模型進行佐證，以期檢驗四種模型的預測準確度，詮釋四種模型各自的應用條件，儘量提高預測的準確度，為管理人員的決策做好數據支持，減少預測誤差而給企業帶來的利潤流失。
3、短生命周期產品的特徵
目前，市場中短生命周期產品越來越多，特徵也多種多樣、不盡相同，主要特徵如下：
（1）產品生命周期短
由於現代技術的進步，消費者需求也多樣化，企業為了占有市場，不斷利用最新技術開發產品，致使了產品的生命周期很短暫。這就形成了短生命周期產品的一個特徵。
（2）產品價格和市場需求不穩定
某種新產品剛進入市場時，對於剛剛夠買了上代產品沒多久的消費者以及尚未接觸過此類產品的消費者來說，大多都在觀望，這樣就造成了短生命周期產品市場的不穩定性，因此產品價格的波動也會很厲害。
（3）產品價值貶值快速
由於本代產品還沒完全處於消退期，但企業為了進一步的占領市場，加大力度應用科技創新，下代產品會隨之出現。但是由於需求市場的不穩定性，產品的價值不容易體現，隨著競爭的加劇，短期生命周期產品的價值會越來越底，產品價值衰退的幅度也會非常大，有時候會給公司帶來巨大的經濟損失。
（4）產品替代性強
短生命周期產品最大特徵是產品替代替代性強，因為這種產品含金量高，開發周期長，造就了產品革新更替的速度快，甚至可能一種產品A還沒研發成功，而比這種產品更先進的下代產品B已經出現在市面上。
4、短生命周期產品四種需求預測方法的討論
4.1指數平滑法預測
傳統的方法，以產品為預測單位，這是基於統計的各種時間序列的分析法。但是結合短生命周期產品的特徵時，可以看出，這些方法對短生命周期產品是不適合的。這是由於：傳統的預測方法需要大量的歷史數據為支持，或者需要已知產品生命周期形態，但這種形態只有產品走向市場之後才能獲得。另外傳統的預測方法是在平穩趨勢的情況下進行的預測，而在趨勢變化時，產品就表現出了滯後現象。
對一組簡單的富有增長趨勢的數據進行一次指數平滑預測，可以看出，當歷史數據出現趨勢後，指數平滑值往往要滯後於歷史數據，造成了預測誤差逐漸增大的結果。而對於生命周期長，需求波動不大的普通產品來說，用此預測方法就顯得較為恰當。因此，這種常規的需求預測方法並不能讓企業決策者感到滿意。
4.2以報童模型分析需求預測
舉例：以一家時尚服裝店為例，作為時效性強的短生命周期產品，時裝進價成本c為600元/件，零售價p為1000元/件，賣不出去退回廠家時回收價格g為200元/件，假設無缺貨成本s，無打折促銷，求每月最佳訂貨量Q*。
已知根據多年的統計表明，人們對於時裝的需求服從均勻分布，最高需求量為m=96件，最低需求量n=26件。
解：根據機率論可知，均勻分布的機率密度函數為：
用報童模型預測短生命周期產品要求產品的需求基本服從均勻分布，已知最高需求量與最低需求量，並且用報童模型進行預測只能得出平均最優的進貨量，而不能預測出每月最優的進貨量，因而只能適用於不太要求精準預測的短生命周期產品。
4.3以EOQ模型分析需求預測
基本EOQ模型包含的假設條件之一要求：需求連續且穩定。時裝作為時效性強的短生命周期產品，當季暢銷，過季則很少人購買，甚至無人問津，需求不穩定，所以不可以應用EOQ模型進行需求預測。因此使用EOQ模型進行需求預測就要求短生命周期產品具有需求連續且穩定，需求速率已知；補貨周期固定，不考慮補貨提前期；不考慮數量折扣；貨品的補貨立即完成等條件。
4.4以BASS模型分析需求預測
BASS模型的優點在於使用簡單明了的概念架構和參數設定，來獲得清晰有理的解釋能力。BASS模型是Frank Bass融合了Fourt和Mansfield的研究模式建立起來的，其模型表示為：
f(t)/[1-F(t)]=p+qF(t)（1）
即在不發生購買行為的情形下，進行第一次購買行為的可能性與之前的購買者數量成線性關係。其中f(t)為t時刻購買的可能性，F(t)為在第t期累計購買者占總購買者的比率，p為創新係數，q為模仿係數。f(t)與F(t)的關係為：
設m為購買者的潛在數量或潛在購買量，為t期累計購買者的數量，為t期購買者數量，即非累計購買者的數量，則有公式： n(t)=mf(t)（2）
N(t)=mF(t) （3）
由上述三個公式歸納得到BASS模型的基本形式：
（4）
公式（4）認為，潛在購買者可以分為兩個部分：一部分是p[m-N(t)]代表的因外部影響而購買的新產品的人數，稱為創新者；另一部分是代表的那些受到先前購買者的影響而購買新產品的人數，稱為模仿者。當t=0時，n(0)=pm為原始接受人數，即新產品進入市場前的試用者人數，也可以理解為新產品進入市場前的樣品試用數量。
由式（1）以及F（0）=0可得出：
（5）
從而得到累計購買者數量：
（6）
只要知道了N(t)，帶入式（4）就可以得出t時刻非累計的購買者數量及銷售數量n(t)。
依據以上構建的BASS模型編寫程序，用Matlab進行非線性擬合，得到擬合曲線方程的參數值，如下表2所示。
以時尚服裝為例，一年銷售記錄如下表3，用BASS模型預測每月銷售量。
對比表3中的數據可以發現，BASS模型的擬合預測銷量和實際銷量有4—28不等的差距。
Bass模型雖然可以預測出每月的需求量，但是預測值與實際值相比，有時偏大，有時偏小，趨勢不穩定。對於需要較準確的預測每月的需求量且不要求高精確性的短生命周期產品較為適用。但是相比於上述三種預測方式，Bass模型還是占有優勢的。
結論
由於短生命周期產品具有複雜性、多變性的特點，再加上其他眾多隨機性因素的影響，使得短生命周期產品的需求很難用一種簡單直接的方法進行預測。本文通過分析短生命周期產品的研究背景及目的、特徵以及預測其需求的條件，討論了四種預測方法。在日益激烈的市場競爭環境下，由於短生命周期產品的需求預測的不確定性增強，短生命周期產品的需求預測不應局限於單一的預測方法或者一個部門，而應多重預測方法、多種技術相結合併且促進多個部門相互合作。科學技術的進步和人們生活觀念的改變也使得對商品的需求越來越多樣化，在未來，短生命周期產品會越來越多的出現在我們的生活中，我們應該更進一步地研究與探索，以期望能夠用動態跟蹤的方式來準確吸收新數據並高效分析數據來進一步提高預測的精確性，增強企業決策的有效性，提高企業利潤。
參考文獻：
[1] 徐賢浩,宋奇志,短生命周期產品的需求預測方法研究[J ].統計與決策,2006年24期,P161—P163.
[2] 魏雪.短生命周期電子產品需求預測研究[D]. 東北大學,2010.
[3] 劉錚,徐琪,基於服務一購買意願的雙渠道短生命周期產品需求預測模型——以快時尚服裝行業為例[J]. 《東華大學學報(自然科學版)》,2013年5期,P668—P674,681.
[4] 王業宏,短生命周期電子產品備件預測方法及其在展望電子公司的應用[D]. 河北工業大學,2012.
[5] 徐賢浩,宋奇志,改進BASS模型應用於短生命周期產品需求預測[J]. 工業工程與管理,2007年5期,P27—P31.
[6] 楊敬輝武春友,採用Norton模型對產品更新換代擴散趨勢的研究--以中國網際網路用戶上網方式的更新換代為例[J]. 科學學研究,2005年5期,P682—P687.
[7] 吳繼鋒.基於貝葉斯更新的短生命周期產品需求預測與庫存控制研究[D],南京理工大學,2012.
作者簡介：羅夢琪（1992—），女，山東東營人，管理學學士，從事物流管理研究。
（山東工商學院）
(責任編輯：陳麗敏)
收藏