• The Journal of Bigdata
• /
• v.4 no.1
• /
• pp.29-38
• /
• 2019

In this paper, we propose a sales forecasting model that forecasts the sales volume of short sleeves and outerwear according to the temperature change by utilizing accumulated big data from the online shopping mall 'A' over the past five years to increase sales volume and efficient inventory management. The proposed model predicts sales of short sleeves and outerwear according to temperature changes in 2018 by analyzing sales volume of short sleeves and outerwear from 2014 to 2017. Using the proposed sales forecasting model, we compared the sales forecasts of 2018 with the actual sales volume and found that the error rates are ±1.5% and ±8% for short sleeve and outerwear respectively.

• Proceedings of the KGS Conference
• /
• 2004.05a
• /
• pp.49-49
• /
• 2004

본 연구에서는 대형 할인점의 가공 식품 중 음료, 주류, 빙과류 판매량을 중심으로 기상 조건과의 관련성을 파악하고자 하였다. 이를 위해 음료와 주류, 빙과 품목에 대한 일별 매출량 자료와 기상청에서 제공하는 기온, 강수량 등의 일별 기상 자료를 사용하였다. 음료, 주류, 빙과류의 판매량은 기온 요소와 밀접한 상관관계를 갖는다. (중략)

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.628-630
• /
• 2014

상품 판매량의 변화를 예측하는 것은 기업의 경영에 있어서 매우 중요한 요소이며, 상품의 재고 관리 등에 큰 도움을 줄 수 있다. 최근 여러 분야에서 그동안 수집된 방대한 양의 빅데이터를 분석하여 마케팅에 활용하려는 연구가 진행 중이다. 이 논문에서는 상품 판매 빅데이터로부터 고객의 특성에 따른 상품 판매량과 고객 특성별 상품 판매량의 변화 추이를 분석하고, 분석 결과를 바탕으로 각 상품별 판매량을 예측할 수 있는 방법을 제안한다. 이 방법을 활용하면 고객의 변화에 따른 상품의 판매량을 예측할 수 있으므로, 기업 경영에 있어서 생산관리, 전략수립, 마케팅 등에서 큰 효과를 얻을 수 있다.

• The Journal of Bigdata
• /
• v.7 no.2
• /
• pp.217-224
• /
• 2022

Since online shopping has become common, people can easily buy fashion goods anytime, anywhere. Therefore, consumers quickly respond to various environmental variables such as weather and sales prices. Therefore, utilizing big data for efficient inventory management has become very important in the fashion industry. In this paper, the changes in sales volume of fashion goods due to changes in temperature is analyzed via the proposed big data analysis algorithm by utilizing actual big data from Korean fashion company 'A'. According to the simulation results, it was confirmed that Bidirectional-LSTM(Bi-LSTM) compared to LSTM(Long Short-Term Memory) takes more simulation time about more than 50%, but the prediction accuracy of non-periodic time series data such as clothing product sales data is the same.

• 한국벤처창업학회:학술대회논문집
• /
• 2017.04a
• /
• pp.35-35
• /
• 2017

이 연구의 목적은 온라인 판매에 집중하는 창업 기업들의 온라인 판매량 증진을 위해 구매 전환율에 영향을 미치는 요인을 확인하기 위한 것이다. 일반적으로 온라인 판매에 있어서는 네이버 및 다음 등 검색엔진 및 판매하는 마켓별로 CPC 또는 전시입찰 등의 광고를 집행을 통해 매출에 긍정적인 영향을 미친다고 알려졌으나, 최근에는 과다경쟁으로 인한 광고비의 집행비용의 인상율에 비해, 광고로 인한 판매율-구매전환율(ROAS)이 떨어짐을 확인되고 있어, 판매자들에게 혼란을 주고 있다. 매출 및 구매전환율을 늘리기 위한 효과적인 방법을 찾는 과정에서, 온라인 광고를 하면서도 그 외 요인들로 인해 경쟁사보다 판매량이 높은 상품들을 확인할 수 있었고, 소비자들에게 긍정적인 영향을 미치는 구매 단서를 통해 판매량에 긍정적 영향을 끼치는 것으로 보여, 연구를 하게 되었으며, 온라인 판매되는 상품들의 비교를 통해 가장 긍정적 영향을 미치는 요인을 확인하고자 한다. 또한, 수많은 상품들이 있는 온라인 시장에서 온라인 광고는 소비자들에게 자신의 상품이 노출되기 위한 필수불가결인 요소이나, 광고를 하면서도, 구매전환율(ROAS)을 높이기 위한 구매에 영향에 미치는 요인을 찾아, 온라인 판매 기업들의 효율을 높이기 위한 연구이다. 구매 전환율에 영향을 미치는 요인이 확인되었을 때, 해당 요인들에 집중하여, 결과적으로 판매량을 늘리고 매출을 높일 수 있을 것이다.

• The Journal of Bigdata
• /
• v.4 no.2
• /
• pp.85-91
• /
• 2019

Since online shopping has become common, people can easily buy fashion goods anytime, anywhere. Therefore, consumers quickly respond to various environmental variables such as weather and sales prices. Thus, utilizing big data for efficient inventory management has become very important in the fashion industry. In this paper, the changes in sales volume of fashion goods due to changes in temperature is analyzed via the proposed big data analysis algorithm by utilizing actual big data from Korean fashion company 'B'. According to the analytic results, the proposed big data analysis algorithm found both expected and unexpected changes in sales volume depending on the characteristics of the fashion goods.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.10a
• /
• pp.701-704
• /
• 2014

This Paper proposed the analysis and prediction method of beverage sales. We assumed weather had a relationship with beverage sales. We got the output as sales amount from a temperature and humidity of weather as input by using polynomial equation. We had modelling as quadric function with input and output data. In order to verify the effectiveness of proposed method, the sales data were collected over a 4 months during February 2014. The results showed that the proposed method can estimate sales data.

• Journal of Korea Society of Industrial Information Systems
• /
• v.28 no.1
• /
• pp.35-48
• /
• 2023

In this study, we introduced the development status and the government policy of the Chinese automobile industry under the rapidly changing global economic environment. We conducted a consumer trend survey on automobile purchases by consumers in China. Despite the Chinese government's strong national emission control policy and stricter standards for manufacturing and selling internal combustion engine vehicles, 59.6% of respondents saying they would choose an internal combustion engine vehicle when purchasing a vehicle in the future for various reasons. It was confirmed that there is a significant gap between government policies and consumer perceptions. In addition, we have discovered the recent declining trend of automobile sales in China, and used the monthly sales volume from January 2010 to December 2020 as training set, and the sales volume from January 2021 to November 2022 as a test set. We proposed and evaluated a time-series model for predicting future automobile demand in China. Then, we showed the monthly sales forecast for 2023 when each model was applied.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.890-893
• /
• 2014

IT산업의 새로운 패러다임으로 빅데이터 분석이 주요한 기술로 부각되고 있다. 본 논문에서는 빅데이터를 수집, 분석하여 이를 통해 피자 판매량을 예측하는 모델을 제안한다. 판매량 예측을 위하여 과거 판매 데이터와 함께 공휴일, 날씨, 뉴스기사, 경제지표, 트렌드, 스포츠 이벤트 등의 데이터를 수집하여 이용하였으며, 판매량 예측 방법으로는 회기분석과 인공신경망 학습 등을 사용하여 빅데이터를 사용하지 않은 경우와 정확도를 비교하였다. 실험 결과 빅데이터를 이용함으로써 예측 오차율이 5%이상 향상됨을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.27 no.3
• /
• pp.419-430
• /
• 2014

An accurate prediction of electricity supply and demand is important for daily life, industrial activities, and national management. In this paper electricity sales is predicted by time series modelling. Real data analysis shows the transfer function model with cooling and heating days as an input time series and a pulse function as an intervention variable outperforms other time series models for the root mean square error and the mean absolute percentage error.