我院弘深青年教师张良清在运营研究和管理科学类期刊《Expert Systems with Applications》上发表论文“Unveiling consumer preferences: A two-stage deep learning approach to enhance accuracy in multi-channel retail sales forecasting”。该期刊系SCIE期刊，JCR 1区，最新影响因子为7.5。我院教师张良清为第四作者兼通讯作者，中国科学技术大学博士生吴俊涛为第一作者。本论文得到国家自科重点项目（72332007）和博士后科学基金面上项目（2024M753853）的联合资助。

在动态和动荡的商业环境中，多渠道零售商的销售预测变得越来越复杂，特别是在传统实体渠道向多样化分销渠道转变的情况下。这种转变不仅使预测挑战变得复杂，而且突显了利用线上可追踪的消费者购买数据来识别消费者对商店和产品的偏好并提高销售预测准确性的关键作用。本论文提出了一种基于线上渠道消费者偏好异质图和多头注意力机制的两阶段深度学习模型。在第一阶段，模型根据个人购买行为识别潜在消费者群体的偏好。在第二阶段，它使用全局-局部注意力机制将识别的特征与时间序列需求数据无缝整合起来，从而改善多步骤预测。本研究在一家多渠道零售餐厅公司的数据集上测试模型，该稳健性验证展示了模型在提高销售预测精度方面的显著效果。稳健性验证不仅证实了模型的有效性，而且强调了消费者群体偏好的重要性，因为它有助于建立一个全面的框架。这个框架专注于追踪潜在消费者群体的偏好。作为一种有价值的工具，它能够帮助行业从业者和研究人员共同完善和优化销售预测过程。

原文链接：https://doi.org/10.1016/j.eswa.2024.125066