Development of a forecasting model for the prediction of product sales using search engine query data
Final Report Abstract
Die aufwändige Planung von Lieferterminen und Absatzmengen wird durch schwer prognostizierbare Absatzschwankungen erschwert. Die Integration von Suchmaschinendaten in bestehende Prognosemodelle kann unterstützen, den Prognosefehler zu reduzieren. Das Ziel dieses Vorhabens bestand in der Untersuchung, ob ein auf Suchmaschinendaten basierendes Modell zur Prognose von Absatzmengen auf Produktebene den Prognosefehler im Vergleich zu konventionellen Prognosemodellen senken kann. Abschließend sollte das Prognosemodell Auswirkungen evaluiert und mit seinen auf logistische Leistung und Kosten bewertet werden. Um die Ziele zu erreichen, wurden insgesamt sechs Arbeitspakte bearbeitet. Zunächst wurden Kriterien für Produkte zur Eignung und dazu passende Produkte identifiziert. Die Nachfrage nach diesen Produkten wurde auf Basis von realen Absatzdaten mit konventionellen Prognoseverfahren prognostiziert und anhand der Anpassungsgüte bewertet. Anschließend wurde eine Vorgehensweise zur Ermittlung von Suchtermen zur Prognose von Absatzmengen entwickelt und für die identifizierten Produkte angewendet. Mit Hilfe der Zeitreihen der Suchterme und der Absatzdaten wurden dann Prognosemodelle entwickelt und evaluiert. Zur Beurteilung der logistischen Auswirkungen wurde dann ein Lagermodell als logistisches Bewertungsmodell entwickelt. Als Ergebnis hat sich gezeigt, dass die zusätzliche Verwendung von Suchmaschinendaten einen senkenden Effekt auf den Prognosefehler hat. Eine Variation des Prognosehorizonts war aufgrund der Einschritt-Prognose als systemimmanente Eigenschaft nicht möglich. Die Einschränkungen bezüglich verfügbarer Suchmaschinendaten zeigt jedoch auch eine klare Anwendungsbegrenzung auf bekanntere und damit häufig in Suchmaschinen gesuchte Produkte. Allerdings zeigt sich bei Anwendung des ökonomischen Minimierungsprinzips unter geringstmöglichem Sicherheitsbestand bzw. mittleren Lagerbestand einen gegebenen Zielservicegrad zu erreichen, dass ein gesenkter Prognosefehler auch geringere Logistikkosten (Bestände) nach sich zieht. Das hierin bestehende Potential an grundsätzlichen Erkenntnissen zu quantitativen Zusammenhängen zwischen Prognosefehlern und logistischen Größen kann noch eingehender untersucht werden. Eine Variation von Lagereinstellungen (bspw. Wiederbeschaffungszeit, Lagerpolitik) im Zusammenspiel mit unterschiedlichen Prognosefehlermaßen und unter systematischer Variation der Eingangsvariablen kann daher zweckdienlich sein, um quantitative Zusammenhänge zwischen Prognosefehler und logistischer Leistung und Kosten in weiteren Forschungsarbeiten zu ermitteln. Abschließend lässt sich festhalten, dass eine Vergrößerung des Prognosehorizontes im Projekt nicht möglich war. Dennoch ist es im Rahmen des hier beschriebenen Forschungsprojekts gelungen, die aufgestellte Forschungshypothese hinsichtlich der Reduzierung der Prognosefehler zu verifizieren. Die Verwendung von Suchmaschinendaten als zusätzlich erklärende Variable für die Prognose zukünftiger Produktverkäufe erscheint aufgrund der durchgeführten Untersuchungen zur Erhöhung der Lager- und damit Logistikleistung vorteilhaft.
Publications
-
Absatzprognose mit Suchmaschinendaten. In: ZWF – Zeitschrift für wirtschaftlichen Fabrikbetrieb, Carl Hanser Verlag, 112. Jg. (2017), H. 1/2, S. 16-19
Fritzsch, B., Ullmann, G., Stonis, M., Nyhuis, P., Mach, F.
-
Can Google Trends improve Sales Forecasts on a Product Level? In: Applied Economics Letters incorporating Applied Financial Economics Letters
Fritzsch, B.; Wenger, K.; Sibbertsen, P.; Ullmann, G.
