評估模型穩定性和擬合度的方法和裝置製造方法
2023-05-05 21:04:41 2
評估模型穩定性和擬合度的方法和裝置製造方法
【專利摘要】本發明公開了評估模型穩定性和擬合度的方法和裝置。這裡公開的示例性方法包括：基於與市場營銷組合模型相關聯的原因因素建立擬合函數；基於與原因因素中對應的原因因素相關聯的優勢因子建立穩定性函數；以及將縮放因子整合到穩定性函數中，以有助於擬合函數和穩定性函數的組合回歸分析，該縮放因子分別與相應的原因因素相關聯。
【專利說明】評估模型穩定性和擬合度的方法和裝置
【技術領域】
[0001]本公開總體上涉及市場營銷組合模型，尤其涉及評估模型穩定性和擬合度的方法和裝置。
【背景技術】
[0002]近年來，市場競爭演化為包括不同類型的商家，包括零售商和/或批發商。另外，在線零售方式已經成為市場中不斷成長的方式，這可能影響顧客的購物行為。
【發明內容】
[0003]本發明公開一種將優勢因子包括在回歸模型中的方法，所述方法包括以下步驟:利用處理器，基於與市場營銷組合模型相關聯的原因因素建立擬合函數；利用所述處理器，基於與所述原因因素中對應的原因因素相關聯的優勢因子建立穩定性函數；以及利用所述處理器，將縮放因子整合到所述穩定性函數中，以有助於所述擬合函數和所述穩定性函數的組合回歸分析，所述縮放因子分別與相應的原因因素相關聯。
[0004]本發明公開一種將優勢因子包括在回歸模型中的裝置，所述裝置包括:原因因素管理器，其基於與市場營銷組合模型相關聯的原因因素建立擬合函數，並且基於與所述原因因素中的對應原因因素相關聯的優勢因子建立穩定性函數；以及縮放因子引擎，其將縮放因子整合到所述穩定性函數中，以有助於所述擬合函數和所述穩定性函數的組合回歸分析，所述縮放因子分別與對應的原因因素相關聯。
[0005]本發明公開一種用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置包括:用於基於與市場營銷組合模型相關聯的原因因素建立擬合函數的裝置；用於基於與所述原因因素中對應的原因因素相關聯的優勢因子建立穩定性函數的裝置；以及用於將縮放因子整合到所述穩定性函數中以有助於所述擬合函數和所述穩定性函數的組合回歸分析的裝置，所述縮放因子分別與相應的原因因素相關聯。
【專利附圖】
【附圖說明】
[0006]圖1是示出根據本公開的教導構造的、評估模型穩定性和擬合度的組合引擎的示意圖。
[0007]圖2是由圖1的示例性組合引擎構造的回歸擬合函數的示例性矩陣。
[0008]圖3是由圖1的示例性組合引擎構造的穩定性函數的示例性矩陣。
[0009]圖4是由圖1的示例性組合引擎生成的、比較包括先驗值在內的回歸模型的擬合度和穩定性的測度的示例性比較圖表。
[0010]圖5至圖9是表示可以被執行以評估模型穩定性和擬合度的示例性機器可讀指令的流程圖。
[0011]圖10是可以執行圖5至圖9的示例性機器可讀指令以實現圖1的示例性組合引擎的示例性系統的框圖。【具體實施方式】
[0012]市場分析師可能被授予與理解不同因素隨著時間對銷售量的影響的有關一項或更多項任務。市場分析師可能響應於客戶的請求來進行這種工作。這些客戶可能是希望了解和/或以其它方式理解對銷售量有幫助和/或有損害的因素的製造商、零售商、貿易商和/或批發商。能夠影響銷售量的因素包括但不限於:促銷活動(例如，電視促銷、廣播促銷、印刷物促銷、在線促銷等)、宏觀經濟因素和季節。
[0013]為了更好地理解一個或更多因素之間存在什麼樣的關係，可以使用與客戶銷售環境相關的自變量和因變量來執行統計回歸分析。自變量可以包括多種因素，其中的一部分因素在客戶的控制之下，例如，諸如促銷媒體類型(例如，電視、廣播等)、促銷目標人群、促銷日期和/或一天中的時間等。回歸分析為市場分析師提供了指示自變量影響因變量的方式的一個或更多係數。換言之，一個或更多個係數權重的值指示例如促銷活動影響銷售量的程度。
[0014]實現用於市場營銷組合分析的回歸模型需要分析師進行設計工作以選擇被料想為對一個或更多個因變量(例如，產品的銷售量)具有某種影響的一個或更多個因素(例如，季節、促銷活動)。回歸輸出產生與每一個關注的因素相對應的係數。例如，如果回歸模型採用促銷和季節的因素，則回歸輸出包括與促銷相對應的係數以及與季節相對應的係數。然後，這種係數可以被用於生成一個或更多銷售量預測。將先前確定的係數和/或係數組與隨後開發的歷史輸出數據相比較允許分析師識別擬合度的測度。換言之，針對回歸模型的相對高的擬合度測度指示隨後測量的銷售數據緊密地跟蹤該回歸模型。
[0015]當分析師設計市場營銷組合模型(例如，考慮客戶提供的目標構建一個或更多個回歸模型)時，調整模型花費相對大量的時間。調整可以包括識別模型中包括哪些因素和/或每一個因素的相應權重值。在一些示例中，進行工作以維持與先前執行的回歸相關聯的模型係數輸出值中的一致性。可以從可以相信模型的歷史觀測中得出反映對先前執行的回歸和/或其它模型的一致程度的期望。在各因素(自變量)存在的情況下，然後，分析師可以將該因素包含到模型中，並應用權重值。設計模型以反映與先前設計的模型的一致性的處理在這裡被稱為擬合度的測度。
[0016]依靠擬合度的一個問題包括對擬合該模型以生成被相信與輸入數據一致的輸出的工作的過分依靠(過擬合)。過擬合在模型中在具有期望輸出的擬合度與預測能力之間產生折衷。在模型被設計為擬合先前模型和/或先前輸入數據的情況下，因為其它和/或新的影響(因素)可能沒有被適當地加權，所以預測準確度可能較差。過擬合還包括分析師盡力將儘量多的可用因素包含在內，而無論這些因素是否有關。
[0017]在一些示例中，分析師嘗試檢測發生過擬合的情況。例如，分析師可以扣留一些實際銷售量數據，並只對實際銷售量數據的剩餘部分運行回歸分析。在使用該模型執行分析之後，分析師通過考慮(a)饋入到模型中的數據和(b )先前從模型扣留的數據，比較預測銷售量與實際銷售量，來執行回溯測試(back-test)。在模型遭受過擬合的情況下，當分析初始輸入的銷售量數據時，模型輸出將執行得非常好(例如，擬合度的相對緊密的測度)，而當分析從模型扣留的輸入數據時，模型將執行得非常差(例如，擬合度的相對不同步的測度)。
[0018]這裡公開的示例性的製造方法、裝置、系統和/或產品通過將先驗值(prior)包含到用於市場營銷組合分析的回歸分析中，減少了分析師的模型設計工作。如這裡使用的，「先驗值(prior)」是與通過回歸分析生成的對應因素係數值不同的因素係數值。換言之，先驗值是優勢(override)係數值，其反映對因素的相對重要性和/或有效性的信任。每一個先驗值(如這裡使用的，術語「先驗值」將與「優勢因子」可互換地使用)包括相應的權重值，以反映對先驗值的有效性的置信水平。例如，先驗值權重為零(「O」)可以指示對於「在市場營銷組合分析期間先驗值要被數學地考慮在內」完全不信任。在另一方面，先驗值權重為一 (「I」)可以指示對先驗值的值的最強的數學應用。與擬合度測度(其指示模型與觀測值多麼匹配)不同，穩定性的補償測度指示模型依附於優勢因子的程度。換種說法，模型的擬合度測度和穩定性測度展現了這樣的張拉度:擬合度測度相對強可以較大程度地忽略先驗值，而穩定性測度相對強可以在犧牲擬合度的情況下照顧先驗值。
[0019]在一些示例中，如果用與促銷相關的因素來執行回歸分析，則回歸將返回指示促銷對銷售量的影響程度的係數。例如，假設作為回歸分析的結果返回和/或以其它方式計算的係數具有值0.10。然而，還假設分析師具有其它市場信息，其指示促銷實際上具有比由回歸分析返回的促進效果更大的促進效果。相反地，分析師可能相信如果該係數的值是
0.15則更加準確。換言之，分析師已經通過一些其它信息得知與促銷有關的因素影響力更大。
[0020]儘管分析師具有可以指示一個或更多個因素係數值是太高還是太低的一個或更多個另選的信息源，但是因為這種信息不是因素本身，所以其不能被包含到回歸分析中。換言之，先驗值(優勢因子)本身不是可以在回歸分析的數學約束中操作的因子。為了允許分析師繼續使用基於回歸的分析技術，這裡公開的示例性的製造方法、裝置、系統和/或產品將一個或更多個先驗值、對應的先驗值權重和/或懲罰值按照擬合在基於回歸的數學格式內的方式包括在內。這樣，分析師可以考慮任何數量的懲罰值和/或先驗值來進行市場營銷組合分析，以生成具有不同擬合度和/或穩定性的測度的預測係數。
[0021]圖1是用於評估模型穩定性和擬合度的組合引擎102的示意圖。在圖1的例示性示例中，組合引擎102包括:原因因素管理器104、通信地連接到原因因素權重存儲器108的原因因素加權引擎106、函數建立引擎110、通信地連接到縮放因子存儲器114的縮放因子引擎112、通信地連接到係數存儲器118的係數管理器116、通信地連接到優勢因子存儲器122的優勢因子管理器120、回歸引擎124和比較引擎126。
[0022]在操作中，示例性的組合引擎102基於一個或更多個所關注的因素建立回歸擬合函數，並將先驗值(優勢因子)輸入考慮在內來計算一個或更多個縮放因子以用作幫助回歸分析的路徑(link)。另外，示例性的組合引擎102使用縮放因子基於一個或更多個先驗值(優勢因子)建立穩定性函數，並對組合的擬合函數和穩定性函數執行回歸，使得可以針對模型設計評估擬合度和穩定性的測度。
[0023]示例性原因因素管理器104標識和/或選擇關注的原因因素。如上所述，原因因素涉及組合市場分析研究中的可能對諸如產品銷售量這樣的因變量具有影響的自變量。示例性原因因素可以涉及季節、促銷活動和/或底價設定點。不是每一個關注的原因因素都對因變量具有相同的影響，所以示例性原因因素加權引擎106為每一個原因因素分配相應的權重值。權重值可以被存儲在示例性原因因素權重存儲器108中，並且可以基於例如與原因因素有關的已知影響來修改權重值。例如，在在線促銷活動工作增加的情況下，與該原因因素相關聯的一個或更多個權重值可以增大(例如，通過應用O到I之間的更大的加權值)。
[0024]圖1的示例性的函數建立引擎110按照與回歸分析技術一致的方式構造用於使運算最小化的擬合變量和因變量。可以通過示例性函數建立引擎110按照與示例性的式I 一致的方式建立和/或以其它方式構建示例性擬合函數。
[0025]
【權利要求】
1.一種將優勢因子包括在回歸模型中的方法，所述方法包括以下步驟: 利用處理器，基於與市場營銷組合模型相關聯的原因因素建立擬合函數； 利用所述處理器，基於與所述原因因素中對應的原因因素相關聯的優勢因子建立穩定性函數；以及 利用所述處理器，將縮放因子整合到所述穩定性函數中，以有助於所述擬合函數和所述穩定性函數的組合回歸分析，所述縮放因子分別與相應的原因因素相關聯。
2.根據權利要求1所述的方法，所述方法還包括以下步驟:響應於所述縮放因子增大，增大所述優勢因子的數學影響。
3.根據權利要求1所述的方法，所述方法還包括以下步驟:響應於所述縮放因子減小，增大先前的回歸係數值的數學影響。
4.根據權利要求1所述的方法，其中，所述縮放因子包括:原因因素值和原因權重值之比。
5.根據權利要求1所述的方法，其中，所述擬合函數包括:使已預測的因變量和實際因變量之間的差最小的回歸模型。
6.根據權利要求1所述的方法，其中，所述穩定性函數包括:使先前計算出的回歸係數和所述優勢因子之間的差最小的回歸模型。
7.根據權利要求1所述的方法，所述方法還包括以下步驟:生成所述組合回歸分析的係數，所述係數基於懲罰因素以影響擬合的數學測度。
8.根據權利要求7所述的方法，所述方法還包括以下步驟:用一組懲罰因素來迭代所述組合回歸分析，以生成多個輸出模型，以與所述擬合的數學測度進行比較。
9.一種將優勢因子包括在回歸模型中的裝置，所述裝置包括: 原因因素管理器，其基於與市場營銷組合模型相關聯的原因因素建立擬合函數，並且基於與所述原因因素中的對應原因因素相關聯的優勢因子建立穩定性函數；以及 縮放因子引擎，其將縮放因子整合到所述穩定性函數中，以有助於所述擬合函數和所述穩定性函數的組合回歸分析，所述縮放因子分別與對應的原因因素相關聯。
10.根據權利要求9所述的裝置，所述裝置還包括:優勢因子管理器，其響應於所述縮放因子的增大來增大所述優勢因子的數學影響。
11.根據權利要求9所述的裝置，所述裝置還包括:原因因素加權引擎，其響應於所述縮放因子的減小來增大先前的回歸係數值的數學影響。
12.根據權利要求9所述的裝置，其中，所述縮放因子引擎將應用原因因素值和原因權重值之比。
13.根據權利要求9所述的裝置，所述裝置還包括:回歸引擎，其應用使已預測的因變量和實際因變量之間的差最小的回歸模型。
14.根據權利要求9所述的裝置，所述裝置還包括:回歸引擎，其應用使先前計算出的回歸係數和所述優勢因子之間的差最小的回歸模型。
15.根據權利要求9所述的裝置，所述裝置還包括:係數管理器，其生成所述組合回歸分析的係數，所述係數基於懲罰因素以影響擬合的數學測度。
16.一種用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置包括:用於基於與市場營銷組合模型相關聯的原因因素建立擬合函數的裝置； 用於基於與所述原因因素中對應的原因因素相關聯的優勢因子建立穩定性函數的裝置；以及 用於將縮放因子整合到所述穩定性函數中以有助於所述擬合函數和所述穩定性函數的組合回歸分析的裝置，所述縮放因子分別與相應的原因因素相關聯。
17.根據權利要求16所述的用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置還包括用於響應於所述縮放因子的增大來增大所述優勢因子的數學影響的裝置。
18.根據權利要求16所述的用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置還包括用於響應於所述縮放因子的減小來增大先前的回歸係數值的數學影響的裝置。
19.根據權利要求16所述的用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置還包括用於應用作為原因因素值和原因權重值之比的所述縮放因子的裝置。
20.根據權利要求16所述的用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置還包括用於使已預測的因變量和實際因變量之間的差最小的裝置。
21.根據權利要求16所述的用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置還包括用於使先前計算出的回歸係數和所述優勢因子之間的差最小的裝置。
22.根據權利要求16所 述的用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置還包括用於生成所述組合回歸分析的係數的裝置，所述係數基於懲罰因素以影響擬合的數學測度。
23.根據權利要求22所述的用於將優勢因子包括在回歸模型中的裝置，所述用於將優勢因子包括在回歸模型中的裝置還包括用於用一組懲罰因素迭代所述組合回歸分析來生成多個輸出模型以與擬合的所述數學測度進行比較的裝置。
【文檔編號】G06F19/00GK103544371SQ201310288032
【公開日】2014年1月29日 申請日期:2013年7月10日 優先權日:2012年7月11日
【發明者】N·W·布裡克修斯, V·E·波廷加, R·林克, P·伯克, S·沙 申請人:尼爾森（美國）有限公司