傅连学：乘用车分车型销量预测方法研究(2)

　　最后一块，除此之外我们还考虑消费者的行为因素。通过相应的大数据，对于你的车型和其他相关车型的对比指数、市场口碑的状况进行评估，这些都是直接影响消费者是买你的车还是买别人的车。这也要考虑到竞争性的关系，这一部分也是需要我们广泛采集的。这样做下来，需要采集的数量，包括需要处理的数据量非常庞大。

　　梳理之后，我们提炼出来经济与政策变量，供给变量与需求变量，形成七个方面的指数，对于最后预测的结果会产生比较重大的作用。像经济与政策变量，一个是宏观经济的指数，一个是政策影响的指数。供给变量要考虑到竞品的指数、终端价格指数等。我们把这些纳入到七大指数里面，当然这个指数下一级还会分二级、三级等对应指标，这样就形成整个的预测模型。

　　如果按照这个思路做下来，需要处理的数据量会大很多特别要结合营销策略方案和产品力的特征指数，都在里面。我们的预测模型引进了长短值的记忆深度学习模型，来做一些比较复杂的序列处理的预测。它最主要的特点，因为这样的模型是一个神经网络的模型，比较适合于规模比较大、数据复杂的处理，通过积淀有一个不断优化的过程。

　　从预测的结果上来讲，做的一些中长期的预测和其他的差别不大，但是我们和别人最主要的差别就体现在我们能够作出各种主流车型，等于是单一车型的预测结果。我们希望做到这样的预测结果，对于企业今后无论是做营销策划也好，制定目标也好，还是做排产，希望对于企业今后的生产经营决策有所帮助。

　　目前预测的结果，我们已经有一部分每个月在汽车工业信息网上进行发布，当然没有做多大范围的热炒，我们做出来只是希望给大家提供一些参考。

　　从整个来看，做完了整体的预测，现在初步的感觉准确度还比较满意，虽然不是最好。对于主流车型，特别是一些销量比较大，产品和营销策略比较稳定的车型，总体的预测基本上都可以控制到8%以下，这不是总量的，而是一款车的。这里8%，对于真正主流的车型，这部分的精准程度还是可以的。这些做下来，确实现在面临着一些问题，对于新成型，还有一些小众车型，比如说新能源这些不太稳定的车型，预测的结果确实偏差还稍微大一点。

　　后面我简单展示一下，比如说对日产旋翼这个车型的预测，上半年已经结束了，这个车型的预测的变动不大，我们进行了一下对比是4%，这是控制比较好的状态。刚才说的8%，雅阁这款车型。为什么是8%？因为本身是不可预测的因素，有一些招回的因素对销量是有很大影响的，是我们没有估算到的。

　　对于小众车型，新能源这块，有些预测稍微偏差多了一点，这还需要我们来做改进，像比亚迪的E5，大体的趋势还可以，但是这个车型的误差率达到15%。

　　最后我简单总结一点，这次我们提出竞争性的预测方法是去年开始做的。我个人感觉，特别是今后越来越面临存量竞争的情况下，对于车企来讲更为重要的应该是考虑到竞争性预测和车型的针对性预测，这对企业来讲会更有参考价值。我们会更多考虑这方面的情况。

　　如果按照这种预测方式，确实考虑的因素比较多。要真做到车型，必须结合企业的营销方案等等，如果和企业结合，对于这不能的掌握更精准，我们欢迎企业能够共同参与进来，跟我们一起做一些相应的工作。

　　针对这块的预测，并不是讲我的预测结果，更多的是提出我们这样一种竞争性预测的方法，希望引起行业的共鸣，同时欢迎企业加入到我们的团队中来，大家一同把预测的方式和方法进一步完善。我今天的分享就这些，谢谢大家！