罗梦琪
中图分类号：F713.53
文献标志码：A
文章编号：1000-8772(2015)01-0045-03
1、短生命周期产品需求预测方法的研究背景
随着科技水平的日新月异以及产品更新换代的日益频繁，以及人们生活质量的提高，消费者的需求也发生了显著的变化，致使短生命周期的产品需求日益增大。短生命周期产品的需求预测，能比较准确地揭示出其发展趋势，为决策者提供战略规划。对于手机，电脑等电子产品和服装等时尚类产品，这种表现就更加明显，新产品从进入市场到退出市场只用了一年甚至短短几个月的时间。在本文中，笔者认为以下产品可视为短生命周期产品：一是季节性变化大的商品，例如时尚服装；二是时效性强的商品，例如杂志，报纸等知识型商品；三是更新换代频繁的电子产品，例如电脑，手机等。
2、研究的目的和意义
短生命周期产品具有的产品生命周期短，产品价格和市场需求不稳定，产品替代性强等特征。经营短生命周期产品对于企业来说是一把双刃剑，一方面给企业带来了风险，若是产品生产过多，就会带来库存问题，若是产品生产过少，就会导致企业错过产品的最佳销售时间，从而影响企业的利润；另一方面也给企业带来了巨大的机遇与挑战，如果企业能够对短生命周期产品做出较准确的预测，能够基本分析出短生命周期产品的进入期，成长期，成熟期和衰退期，就能够快速反应，响应市场需求赢得利润。
本文对短生命周期产品的需求预测，引入实际算例运用四种模型进行佐证，以期检验四种模型的预测准确度，诠释四种模型各自的应用条件，尽量提高预测的准确度，为管理人员的决策做好数据支持，减少预测误差而给企业带来的利润流失。
3、短生命周期产品的特征
目前，市场中短生命周期产品越来越多，特征也多种多样、不尽相同，主要特征如下：
（1）产品生命周期短
由于现代技术的进步，消费者需求也多样化，企业为了占有市场，不断利用最新技术开发产品，致使了产品的生命周期很短暂。这就形成了短生命周期产品的一个特征。
（2）产品价格和市场需求不稳定
某种新产品刚进入市场时，对于刚刚够买了上代产品没多久的消费者以及尚未接触过此类产品的消费者来说，大多都在观望，这样就造成了短生命周期产品市场的不稳定性，因此产品价格的波动也会很厉害。
（3）产品价值贬值快速
由于本代产品还没完全处于消退期，但企业为了进一步的占领市场，加大力度应用科技创新，下代产品会随之出现。但是由于需求市场的不稳定性，产品的价值不容易体现，随着竞争的加剧，短期生命周期产品的价值会越来越底，产品价值衰退的幅度也会非常大，有时候会给公司带来巨大的经济损失。
（4）产品替代性强
短生命周期产品最大特征是产品替代替代性强，因为这种产品含金量高，开发周期长，造就了产品革新更替的速度快，甚至可能一种产品A还没研发成功，而比这种产品更先进的下代产品B已经出现在市面上。
4、短生命周期产品四种需求预测方法的讨论
4.1指数平滑法预测
传统的方法，以产品为预测单位，这是基于统计的各种时间序列的分析法。但是结合短生命周期产品的特征时，可以看出，这些方法对短生命周期产品是不适合的。这是由于：传统的预测方法需要大量的历史数据为支持，或者需要已知产品生命周期形态，但这种形态只有产品走向市场之后才能获得。另外传统的预测方法是在平稳趋势的情况下进行的预测，而在趋势变化时，产品就表现出了滞后现象。
对一组简单的富有增长趋势的数据进行一次指数平滑预测，可以看出，当历史数据出现趋势后，指数平滑值往往要滞后于历史数据，造成了预测误差逐渐增大的结果。而对于生命周期长，需求波动不大的普通产品来说，用此预测方法就显得较为恰当。因此，这种常规的需求预测方法并不能让企业决策者感到满意。
4.2以报童模型分析需求预测
举例：以一家时尚服装店为例，作为时效性强的短生命周期产品，时装进价成本c为600元/件，零售价p为1000元/件，卖不出去退回厂家时回收价格g为200元/件，假设无缺货成本s，无打折促销，求每月最佳订货量Q*。
已知根据多年的统计表明，人们对于时装的需求服从均匀分布，最高需求量为m=96件，最低需求量n=26件。
解：根据概率论可知，均匀分布的概率密度函数为：
用报童模型预测短生命周期产品要求产品的需求基本服从均匀分布，已知最高需求量与最低需求量，并且用报童模型进行预测只能得出平均最优的进货量，而不能预测出每月最优的进货量，因而只能适用于不太要求精准预测的短生命周期产品。
4.3以EOQ模型分析需求预测
基本EOQ模型包含的假设条件之一要求：需求连续且稳定。时装作为时效性强的短生命周期产品，当季畅销，过季则很少人购买，甚至无人问津，需求不稳定，所以不可以应用EOQ模型进行需求预测。因此使用EOQ模型进行需求预测就要求短生命周期产品具有需求连续且稳定，需求速率已知；补货周期固定，不考虑补货提前期；不考虑数量折扣；货品的补货立即完成等条件。
4.4以BASS模型分析需求预测
BASS模型的优点在于使用简单明了的概念架构和参数设定，来获得清晰有理的解释能力。BASS模型是Frank Bass融合了Fourt和Mansfield的研究模式建立起来的，其模型表示为：
f(t)/[1-F(t)]=p+qF(t)（1）
即在不发生购买行为的情形下，进行第一次购买行为的可能性与之前的购买者数量成线性关系。其中f(t)为t时刻购买的可能性，F(t)为在第t期累计购买者占总购买者的比率，p为创新系数，q为模仿系数。f(t)与F(t)的关系为：
设m为购买者的潜在数量或潜在购买量，为t期累计购买者的数量，为t期购买者数量，即非累计购买者的数量，则有公式： n(t)=mf(t)（2）
N(t)=mF(t) （3）
由上述三个公式归纳得到BASS模型的基本形式：
（4）
公式（4）认为，潜在购买者可以分为两个部分：一部分是p[m-N(t)]代表的因外部影响而购买的新产品的人数，称为创新者；另一部分
是代表的那些受到先前购买者的影响而购买新产品的人数，称为模仿者。当t=0时，n(0)=pm为原始接受人数，即新产品进入市场前的试用者人数，也可以理解为新产品进入市场前的样品试用数量。
由式（1）以及F（0）=0可得出：
（5）
从而得到累计购买者数量：
（6）
只要知道了N(t)，带入式（4）就可以得出t时刻非累计的购买者数量及销售数量n(t)。
依据以上构建的BASS模型编写程序，用Matlab进行非线性拟合，得到拟合曲线方程的参数值，如下表2所示。
以时尚服装为例，一年销售记录如下表3，用BASS模型预测每月销售量。
对比表3中的数据可以发现，BASS模型的拟合预测销量和实际销量有4—28不等的差距。
Bass模型虽然可以预测出每月的需求量，但是预测值与实际值相比，有时偏大，有时偏小，趋势不稳定。对于需要较准确的预测每月的需求量且不要求高精确性的短生命周期产品较为适用。但是相比于上述三种预测方式，Bass模型还是占有优势的。
结论
由于短生命周期产品具有复杂性、多变性的特点，再加上其他众多随机性因素的影响，使得短生命周期产品的需求很难用一种简单直接的方法进行预测。本文通过分析短生命周期产品的研究背景及目的、特征以及预测其需求的条件，讨论了四种预测方法。在日益激烈的市场竞争环境下，由于短生命周期产品的需求预测的不确定性增强，短生命周期产品的需求预测不应局限于单一的预测方法或者一个部门，而应多重预测方法、多种技术相结合并且促进多个部门相互合作。科学技术的进步和人们生活观念的改变也使得对商品的需求越来越多样化，在未来，短生命周期产品会越来越多的出现在我们的生活中，我们应该更进一步地研究与探索，以期望能够用动态跟踪的方式来准确吸收新数据并高效分析数据来进一步提高预测的精确性，增强企业决策的有效性，提高企业利润。
教育期刊网 http://www.jyqkw.com
参考文献：
[1] 徐贤浩,宋奇志,短生命周期产品的需求预测方法研究[J ].统计与决策,2006年24期,P161—P163.
[2] 魏雪.短生命周期电子产品需求预测研究[D]. 东北大学,2010.
[3] 刘铮,徐琪,基于服务一购买意愿的双渠道短生命周期产品需求预测模型——以快时尚服装行业为例[J]. 《东华大学学报(自然科学版)》,2013年5期,P668—P674,681.
[4] 王业宏,短生命周期电子产品备件预测方法及其在展望电子公司的应用[D]. 河北工业大学,2012.
[5] 徐贤浩,宋奇志,改进BASS模型应用于短生命周期产品需求预测[J]. 工业工程与管理,2007年5期,P27—P31.
[6] 杨敬辉武春友,采用Norton模型对产品更新换代扩散趋势的研究--以中国互联网用户上网方式的更新换代为例[J]. 科学学研究,2005年5期,P682—P687.
[7] 吴继锋.基于贝叶斯更新的短生命周期产品需求预测与库存控制研究[D],南京理工大学,2012.
作者简介：罗梦琪（1992—），女，山东东营人，管理学学士，从事物流管理研究。
（山东工商学院）
(责任编辑：陈丽敏)