【數(shù)據(jù)競賽】CCF乘用車細分市場銷量預測競賽總結

• 題目：乘用車細分市場銷量預測
• 類型：時序回歸

https://datafountain.cn/competitions/352/

賽題背景

近幾年來，國內(nèi)汽車市場由增量市場逐步進入存量市場階段，2018年整體市場銷量首次同比下降。在市場整體趨勢逐步改變的環(huán)境下，消費者購車決策的過程也正在從線下向線上轉(zhuǎn)移，我們希望能在銷量數(shù)據(jù)自身趨勢規(guī)律的基礎上，找到消費者在互聯(lián)網(wǎng)上的行為數(shù)據(jù)與銷量之間的相關性，為汽車行業(yè)帶來更準確有效的銷量趨勢預測。

賽題任務

本賽題需要參賽隊伍根據(jù)給出的60款車型在22個細分市場（省份）的銷量連續(xù)24個月（從2016年1月至2018年12月）的銷量數(shù)據(jù)，建立銷量預測模型；基于該模型預測同一款車型和相同細分市場在接下來一個季度連續(xù)4個月份的銷量；

除銷量數(shù)據(jù)外，還提供同時期的用戶互聯(lián)網(wǎng)行為統(tǒng)計數(shù)據(jù)，包括：各細分市場每個車型名稱的互聯(lián)網(wǎng)搜索量數(shù)據(jù)；主流汽車垂直媒體用戶活躍數(shù)據(jù)等。參賽隊伍可同時使用這些非銷量數(shù)據(jù)用于建模。

賽題數(shù)據(jù)

歷史銷量數(shù)據(jù)包含60個車型在22個省份，從2016年1月至2017年12月的銷量。參賽隊伍需要預測接下來4個月（2018年1月至2018年4月），這60個車型在22個省份的銷量；參賽參賽隊伍需自行劃分訓練集數(shù)據(jù)進行建模。

評分標準

采用NRMSE（歸一化均方根誤差）的均值作為評估指標。首先單獨計算每個車型在每個細分市場（省份）的NRMSE，再計算所有NRMSE的均值。

寶可夢訓練團隊

本方案先對數(shù)據(jù)進行了探索性分析，去除掉與銷售量變化趨勢關系不大的"搜索量"、"對車型相關新聞文章的評論數(shù)量"、"對車型的評價數(shù)量"等用處不大的特征。

在其中的一個模型，對銷售量進行l(wèi)og1p變換，這樣可以使銷量數(shù)據(jù)在轉(zhuǎn)換后基本服從一個正態(tài)分布，能夠提升一定的效果;考慮到春節(jié)、農(nóng)歷月份的影響，本方案做了相關標示。

在做特征工程方面，構造了滑窗。平移，趨勢，統(tǒng)計等方面的特征。在總體策略上，因為要預測連續(xù)四個月的銷量，我本方案的策略是一個月一個月的預測，首先預測1月份的結果。然后將1月份的預測結果合并到訓練集，再預測2 月份結果，依次類準。

在模型融合方面，我一共使用了3個模型，每個模型的特征組合不同，進行融合后有一定提升效果。

數(shù)據(jù)分析

不同車型、不同省份在不同月份的點，銷量差距還是很大的，但也不排除是臟數(shù)的可能。

銷量與車型搜索量、相關新聞回復量、評價數(shù)量分析的變化趨勢并沒有太大的規(guī)律性，所以我在訓練時，沒有要這些特征。

• 銷量數(shù)據(jù)分析
• 銷量銷量趨勢分析
• 銷量與車型的關系

特征工程

模型1

• 是否春節(jié)特征
• 車型（model）、車身類型（bodyIype）、省份分別與年份進行分組提作，求得銷量均值
• 距離2015年12月的月數(shù)間隔特征
• 車型和省份的組合特征
• 車型、省份和間隔月份 mt 的組合特征
• 設置不同月份數(shù)據(jù)的權重值特征
• 同車型同省份上一個月的銷量

模型2

• 是否春節(jié)特征。
• 農(nóng)歷月份
• 2017年同車型同省份銷量之和同比 2016年的倍數(shù)
• 距離 2015年12月的月數(shù)間隔特征mt
• 車型和省份的組合特征
• 車型、省份和間隔月份 mt 的組合特征
• 同車型同省份前面第1到第 13個月的銷量
• 同車型同省份前面第1個月與第 13個月的比值
• 同車型同省份前面第1個月與第13個月的差值再驗以第13個月的值
• 同車型同省份前面第1個月與第2個月的比值和差值。
• 同車型同省份前面第 2個月與第3個月的比值和差事
• 滑窗特征。分別計算同車型同省份前面3個月和6 個月的均值、標準差
• 滑窗特征。分別計算同 bodyType 同省份前面3個月和6個月的均值、標準差
• 滑窗特征。分別計算同省份前面3個月和6個月的均值、標準差
• 滑商特征。分別計算同bodyType 前面3個月和6 個月的均值、標準差

模型3

• 距離2015年 12月的月數(shù)間隔特征 mt
• 車型和省份的組合特征
• 車型、省份和間隔月份 mt 的組合特征
• 相同車型、省份前16個月每個月的銷量
• 比前一年的增長率
• 每個省份、每個月的車型上一年同月份銷量均值和最小值。
• 前面的第3、4、15、16個月同車型的銷量均值。并求;前面第15月均值與前面第3個月均值之差與前面第15 個月均值的商;前面第 16月均值與前面第4個月均值之差與前面第16個月均值的商
• 同車型同省份前面第1、2、11、12個月銷量之和
• 同車型同省份前面第1、2、3個月銷量之和。（11）同車型同省份前面第1、12個月銷量之和

秋名山車神團隊

特征工程

• 不同省份 & 不同車型構建不同銷量
• 基于特征重要性、均值和相關系數(shù)篩選特征

模型選擇

對比XGBoost、LightGBM、CatBoost、LSTM、CNN和Prophet模型，最后選擇LightGBM。

詩人藏夜里團隊

整體方案

• 從實際業(yè)務場景出發(fā)挖掘有效特征，采用機器學習模型逐月預測
• 結合前沿神經(jīng)網(wǎng)絡研究成果采用神經(jīng)網(wǎng)絡模型分車型建模預測，最終對不同預測結果分月按不同比例加權驗合

特征工程

將所提取的特征歸為以下幾類：同比、環(huán)比、歷史信息、編碼、差分差比、趨勢、節(jié)假日、其它。

掙錢買地球團隊

本賽題的最為難解決的難點在于驗證集的線上線下不一致的問題，我們放棄了驗證集。

我們會拿預測出來的每個月的總銷量去跟我們猜測的數(shù)據(jù)去比較，如果預測出來的數(shù)據(jù)不是特別高，并且跟猜測的數(shù)據(jù)接近的話，我們會嘗試提交，往往效果都很不錯。

核平精英團隊

特征工程

要仔細考慮教據(jù)的周期性與趨勢性，可分為環(huán)比趨勢及同比趨勢：

• 環(huán)比方面，主要體現(xiàn)的為該類車在近幾個月內(nèi)銷量的情況
• 同比方面，主要體現(xiàn)的為該類車當年與去年相比的情況，在這之間也體現(xiàn)了乘用車銷量的年周期性，
• 對于周期性，將其作為結果評估的依據(jù)，對本題所要預測的1-4月，可以明顯的看出其每年的銷量都呈現(xiàn)1月高峰、2月低谷、3和4月有所改善目兩月近平持平的趨勢，若模型預測出的教據(jù)分布不是如此即需調(diào)整。

后處理

隨比賽進行，多次提交過結果后可以猜測，所要預測的18年 1-4月的銷量是偏低的，這時就可以對預測結果乘一個小于1的因子進行調(diào)整。