基于时间序列预测与背包问题优化的电商营销组合选择研究

摘要

针对电商营销“在有限预算下实现最大化投资回报率”的核心挑战，本文提出了一种数据驱动的商品与营销活动组合优化方法。研究基于百万量级电商营销数据，提出三阶段方案。首先，建模整合商品与营销信息。其次，针对候选商品-活动组合，创新性地采用基于关键因素优先级的历史数据筛选机制，数据充足时用先知(Prophet)算法预测销量，不足时则用同比估算，并结合活动类型精确计算或比值估算销售额与折扣金额。最后，将组合优化问题建模为背包问题，在预算约束下求解最优方案。实验结果表明：该方法能有效利用历史数据，在预算限制下实现更高预期投资回报率(ROI)。

关键词

背包问题 / 时间序列 / 营销数据 / 营销活动