基于价格与销售模式对产品进行时间序列聚类
机器学习
2022-04-19 v1
摘要
技术的发展与生活方式的改变使得在线杂货配送应用成为城市生活不可或缺的一部分。自 COVID-19 大流行开始以来，此类应用的需求急剧增加，催生了扰乱市场的新竞争者。日益加剧的竞争水平可能促使企业频繁调整其营销与产品定价策略。因此，识别产品价格和销量的变化模式将为市场中的企业带来竞争优势。在本文中，我们研究基于价格模式与销量对产品进行分组的替代聚类方法。我们提出了一种新颖的距离度量，其考虑产品价格和销量如何共同变动，而非使用数值计算距离。我们将我们的方法依赖于欧几里得距离等通用距离度量的传统聚类算法，以及旨在通过对数据视觉模式进行捕捉来实现分组图像聚类方法进行比较。我们使用自定义评价指标以及常用的内部有效性指标 Calinski Harabasz 和 Davies Bouldin 指数评估不同聚类算法的性能。我们使用来自某在线食品与杂货配送公司的专有价格数据集以及公开可用的 Favorita 销售数据集进行数值研究。我们发现，我们提出的聚类方法与图像聚类在大型数据集中寻找具有相似价格与销售模式的产品方面均表现良好。
引用
@article{arxiv.2204.08334,
title = {Time Series Clustering for Grouping Products Based on Price and Sales Patterns},
author = {Aysun Bozanta and Sean Berry and Mucahit Cevik and Beste Bulut and Deniz Yigit and Fahrettin F. Gonen and Ayşe Başar},
journal= {arXiv preprint arXiv:2204.08334},
year = {2022}
}
备注
16 pages, 6 figures