摘要：研究人员开发了一种新的预测模型，该模型可帮助公司更准确地估计有多少客户对产品感兴趣，即使缺少关键数据。该研究介绍了一种数学建模方法，该方法使企业能够估算客户的兴趣，而不仅仅是完成交易和传统的预测技术。该方法提供了一种更精确的方法来了解需求，优化运营并改善决策。...

华盛顿州立大学的研究人员开发了一种新的预测模型，该模型可帮助公司更准确地估计有多少客户对产品感兴趣，即使丢失了关键数据。

发表在期刊上生产和运营管理，该研究介绍了一种数学建模方法，该方法使企业能够估算客户的兴趣，而不仅仅是完成交易和传统的预测技术。该方法提供了一种更精确的方法来了解需求，优化运营并改善决策。

WSU的Carson商学院助理运营管理助理教授Xinchang Wang说：“大多数企业只能看到一部分需求图片 - 他们知道谁在购买，但没有考虑购买和不购买的人。” “我们的模型重建了丢失的作品，为公司提供了更完整和可靠的需求估算。”

旅行，酒店，零售和电子商务等行业的企业长期以来一直在准确的预测需求中挣扎。许多人依靠广泛的假设，例如根据其市场份额估算总市场规模。根据王的说法，这些传统方法通常无法捕获实际的客户行为，从而导致销售预测不准确并丢失了收入机会。

Wang和他的合着者Weikun Xu是Carson Managection Science的一名学生，开发了一种新方法，不仅估计销售额，而且考虑购买购买的客户总数。通过更准确地分析现实世界的销售数据，该模型可以更清晰地看出，由于定价，时机或其他因素，有多少客户走开了。

为了开发他们的模型，研究人员使用了一种称为顺序较大最大化算法的计算技术，从而提高了需求预测准确性。与传统方法不同，可以生成多个可能的需求估计，而无法确定最佳方法，而这种算法（在他们研究中确定的特定数据条件下）可确保一个最准确的预测。王说：“通过消除不确定性，企业可以做出更自信的定价决定。”

由于该模型是为了处理不完整数据而开发的，因此其应用程序超出了任何单个行业。

在研究使用航空公司票证销售数据测试模型的同时，王说，该方法旨在在企业面临类似需求不确定性的行业中应用。

酒店也可以使用它来预测预订，即使旅客浏览，但不要预订。零售商和杂货商可以将其应用于估计市场需求，即使有些客户在竞争对手上购物。电子商务平台可以更好地了解购物车的放弃，并相应地完善销售策略。

王说：“该模型为不完整数据一直是一个持续挑战的行业提供了一个强大的工具。” “通过改善需求预测，企业可以更有效地计划，优化运营并最终变得更有竞争力。”