การพยากรณ์ยอดขายรายวันของสินค้าที่มีราคาหลากหลายในธุรกิจค้าปลีกโดยใช้วิธีการเรียนรู้ของเครื่อง

Abstract

ในปัจจุบันธุรกิจค้าปลีกเป็นธุรกิจที่มีความสำคัญทางเศรษฐกิจของประเทศไทย โดยเฉพาะธุรกิจค้าปลีกสมัยใหม่ที่มีสาขาและหน่วยสินค้าจำนวนมาก การพยากรณ์ปริมาณความต้องการของผลิตภัณฑ์ของธุรกิจนี้ให้มีความแม่นยำมีความสำคัญมาก โดยเฉพาะช่วงเวลาจัดโปรโมชั่นของสินค้าทำให้ความต้องการของสินค้ามีความผันผวน มีงานวิจัยต่างๆพบกว่า การใช้ตัวแบบการเรียนรู้ของเครื่องสามารถช่วยทำให้การพยากรณ์ให้มีความแม่นยำดังนั้นงานวิจัยนี้นำเสนอและเปรียบเทียบตัวแบบเพื่อใช้สำหรับการพยากรณ์ยอดขายรายวันของผลิตภัณฑ์ที่ขายดีที่สุดจาก 7 กลุ่มผลิตภัณฑ์ที่มียอดขายสูงสุดได้แก่ นม นมผง ซอส ผงซักฟอก ผ้าอ้อม น้ำอัดลม และน้ำมัน จากบริษัทกรณีศึกษา โดยเปรียบเทียบผลการพยากรณ์ตัวแบบอนุกรมเวลา ตัวแบบการถดถอยเชิงพหุคูณ ตัวแบบการเรียนรู้ของเครื่อง และตัวแบบผสม โดยพิจารณาการพยากรณ์ 4 รูปแบบ การพยากรณ์ยอดขายโดยตรงกับตัวแปรอิสระปกติ การพยากรณ์ลอการิทึมธรรมชาติของยอดขายกับตัวแปรอิสระที่เพิ่มข้อมูลยอดขายตัวเองในอดีต การพยากรณ์ลอการิทึมธรรมชาติของยอดขายกับตัวแปรอิสระ และการพยากรณ์ยอดขายโดยตรงกับตัวแปรอิสระที่เพิ่มข้อมูลยอดขายตัวเองในอดีต ความแม่นยำของตัวแบบการพยากรณ์ถูกเปรียบเทียบด้วยร้อยละค่าเฉลี่ยเคลื่อนที่สมบูรณ์ (MAPE) โดยตัวแบบที่ศึกษาในงานวิจัยนี้ได้แก่ TBATS, Multiple linear regression (MLR), XGBoost, Artificial Neural Network (ANN) และตัวแบบผสม โดยผลการศึกษาพบว่าตัวแบบ ANN ให้ผล MAPE ต่ำสุดที่ 16.04% หากแยกเป็นกลุ่มรูปแบบข้อมูลพบว่ากลุ่มที่มีฤดูกาลและแนวโน้ม และกลุ่มไม่มีฤดูกาลและไม่มีแนวโน้มนั้น ตัวแบบ ANN ได้ผลดีที่สุด ส่วนกลุ่มที่มีฤดูกาลแต่ไม่มีแนวโน้มพบว่าตัวแบบผสม (Hybrid Model) ได้ผลดีที่สุด