Pesquisadores da Universidade Estadual de Washington criaram um novo modelo de previsão que as empresas assumem com mais precisão quantos clientes estão interessados em um produto – mesmo quais dados estão faltando.
Jornal Fabricação de fabricação e operaçõesO estudo apresenta um método de modelagem matemática que permite que os empresários façam apenas transações completas e os interesses do cliente fora das técnicas tradicionais de previsão fornecidas. Para entender as necessidades do método, as operações fornecem maneiras mais específicas de otimizar e melhorar a tomada de decisões.
O professor assistente de gerenciamento de operações da WSU Carson College of Business Sinchang Wang disse: “A maioria das empresas só pode ver a parte da imagem – eles sabem quem compra e não considera quantas pessoas compram e não consideram” “nosso modelo reestrutura as peças que faltam, assume a empresa mais completa e confiável”.
Em indústrias como viagens, hospitalidade, varejo e comércio eletrônico, as empresas há muito lutam com a demanda por previsões corretamente. Muitas pessoas confiam em uma ampla suposição, como estimar o tamanho total do mercado com base em sua participação de mercado. Segundo Wang, esses métodos tradicionais de maré geralmente deixam de capturar o comportamento do cliente real, fazendo com que os erros de vendas sejam enganados e perdem oportunidades de ganhar.
Wang e seus co-autores Weekun Ju, Carson PhD Student of Management Science, desenvolveram uma nova abordagem que assume o número total de clientes, considerando não apenas as vendas, mas também a compra. Ao analisar os dados de vendas do mundo real com mais precisão, o modelo fornece uma visão clara de quantos clientes desapareceram devido a preços, tempo ou outros fatores.
Para desenvolver seu modelo, os pesquisadores usaram um algoritmo de sequela ministério-cirurgia, o que melhorou a demanda por previsão. Em contraste com os métodos tradicionais das marés, que podem criar múltiplas suposições possíveis de demanda sem maneiras óbvias de determinar o melhor, esse algoritmo – sob as condições de dados específicas identificadas em sua pesquisa – garante uma única previsão mais precisa. “Ao eliminar a incerteza, as empresas podem decidir determinar preços mais confiantes”, disse Wang.
Como o modelo foi criado para trabalhar com dados incompletos, seus aplicativos se estendem a partir de qualquer setor.
A pesquisa usada para testar o modelo usando os dados do ingresso para aeronaves, Wang disse que o método foi projetado para se aplicar a indústrias onde os comerciantes enfrentam a mesma incerteza de demanda.
Os viajantes podem usá -lo para prever a conservação, mesmo após a navegação, mas não a reserva. Os varejistas e as pessoas da mercearia podem aplicá -lo para estimar a demanda total do mercado, mesmo depois que alguns clientes estão comprando. As plataformas de comércio eletrônico estão entendendo melhor a imersão no carrinho de compras e podem refinar as técnicas de vendas de acordo.
“Este modelo fornece uma ferramenta poderosa para indústrias, onde dados incompletos se tornaram um desafio sem fim”, disse Wang. “Com a melhoria das previsões da demanda, os comerciantes podem planejar com mais eficácia, adaptar as operações e acabar se tornando mais competitivos”.
