DOI QR코드

DOI QR Code

Development of a Sales Prediction Model of Electronic Appliances using Artificial Neural Networks

인공신경망을 이용한 가전제품의 판매예측모델 개발

  • Received : 2014.09.26
  • Accepted : 2014.11.20
  • Published : 2014.11.28

Abstract

Despite the recession of the global market, the domestic electronic appliance companies dominated TV market in North America. They took both the premium and mid-priced product market and achieved both profitability and volume due to strong product competitiveness and brand power. Despite doing well in the North American market, the domestic TV manufacturers are worried about product development, marketing and sales strategies to remain the continuous competitiveness in the TV market. This study proposes the a sales prediction model of electronic appliances using sales data of S company from the North American market. We develop the sales prediction models based on multiple regression analysis and artificial neural network and compare two models. Especially, this study analyzes the relevance between the TV sales and TV main features in order to improve the price competitiveness or improve the value of TV products.

전반적인 전 세계 시장의 불황속에서도 세계최대 북미시장에서 국내 가전업체들이 TV 시장의 지배력을 강화하고 있는 이유는 강력한 제품 경쟁력과 브랜드 파워를 내세워 프리미엄 시장과 중저가 시장을 모두 차지하면서 수익성과 볼륨을 모두 잡았기 때문으로 분석된다. 이렇게 국내 TV 제조사들이 북미시장에서 선전하고 있음에도 불구하고 국내 TV 제조회사들은 지속적인 시장선점 및 TV 제품의 경쟁력을 유지하기 위한 제품개발, 마케팅 및 판매전략 등을 고민하고 있다. 본 연구에서는 이러한 지속적인 경쟁우위를 유지하기 위한 방안으로 국내 A사의 북미시장에서의 TV 판매 데이터를 이용하여 북미시장에서의 TV 판매예측모델을 개발하고자 한다. 이를 위하여 본 연구에서는 판매예측모델에서 많이 적용되고 있는 다중회귀모델과 인공신경망 기반의 예측모델을 개발하여 두 모델의 비교분석한다. 특히 본 연구에서는 TV 제품의 부가가치를 향상시키거나 가격경쟁력을 향상시키기 위해 TV의 주요 기능과 판매와의 연관성 분석도 수행한다.

Keywords

References

  1. C. -W. Chu, G. P. Zhang, A Comparative Study of Linear and Nonlinear Models for Aggregate Retail Sales Forecasting, International Journal of Production Economics, Vol. 86, No. 3, pp. 217-231, 2003. https://doi.org/10.1016/S0925-5273(03)00068-9
  2. J. H. Park, K. -K. Seo, Approximate Life Cycle Assessment of Product Concepts using Multiple Regression Analysis and Artificial Neural Networks, KSME International Journal, Vol. 17, No. 12, pp 1969-1976, 2003. https://doi.org/10.1007/BF02982436
  3. R. Choi, A Multiple Regression Analysis on Developing the Profitability Model of Local Cultural Festival, Korea Society of Computer Information, Vol. 16, No. 10, pp. 229-239, 2011.
  4. S. -Y. Min, S. -P. Lee, J. -S. Kim, J. -U. Park, M. -S. Kim, Development and Validation of Multiple Regression Models for the Prediction of Effluent Concentration in a Sewage Treatment Process, Journal of Korean Society of Environmental Engineers, Vol. 34, No. 5., pp.312-315, 2012. https://doi.org/10.4491/KSEE.2012.34.5.312
  5. D. C. Montgomery, E. A. Peck, G. G. Vining, Introduction to Linear Regression Analysis Hardcover, Willy, 2012.
  6. J. -H. Lee, J. -S. Kim, H. -W. Jang, J. -C. Lee, Drought Forecasting Using the Multi Layer Perceptron (MLP) Artificial Neural Network Model, Journal of Korea Water Resources Association, Vol. 46, No. 12, pp. 1249-1263, 2013. https://doi.org/10.3741/JKWRA.2013.46.12.1249
  7. K. -K. Seo, An Application of One-class Support Vector Machines in Content-based Image Retrieval, Expert Systems with Applications, Vol. 33, No. 2, pp. 491-498, 2007. https://doi.org/10.1016/j.eswa.2006.05.030