Applying Artificial Intelligence (AI) to software programming for forecasting and optimizing business management decisions
本研究表明，将人工智能（特别是人工神经网络）应用于软件编程，能够使企业通过准确预测销售业绩并识别最佳营销预算阈值，从而优化管理决策并实现投资回报率最大化。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代数字经济中，企业面临着一个持续的挑战：如何明智地投入资金以实现增长。几十年来，管理者一直依赖直觉和简单的图表来猜测应该在广告或新产品上投入多少资金。然而，今天正在发生一场强大的变革。计算机正在学习从海量历史数据中发现模式，这一领域被称为机器学习。这种方法使组织能够超越猜测，转而使用模拟技术来预测未来的结果。其核心思想非常简单：通过将过去的支出和销售记录输入计算机，机器可以学习两者之间的关系，并建议最有效的路径。这并不是为了取代人类的判断，而是为了给管理者提供一张更清晰、由数据驱动的地图，以在消费者习惯变化迅速且竞争激烈的动荡市场中进行航行。
来自芹不断大学（Can Tho University）的陈光明（Trinh Quang Minh）最近的一项研究，探讨了如何将这些计算机工具应用于现实世界的商业决策。研究人员旨在测试三种不同类型的人工智能模型，以观察哪一种最适合根据营销预算来预测销售额。其目标是找到支出的“甜蜜点”——即能产生最高回报而不浪费资源的特定金额。为此，团队利用模拟一家越南移动电话零售商的数据创建了一个模拟实验。他们将显示营销支出金额以及与之对应的手机销量情况的历史记录输入计算机。数据范围涵盖了从投入一百亿越南盾到五百亿越南盾不等的广告费用。
该研究对比了三种不同的方法。第一种是线性回归模型，这是一种简单的方法，假设随着支出的增加，销售额会以稳定、可预测的速度增长。第二种是决策树，它的运作方式类似于流程图，通过将数据拆分为分支来处理行为的突然变化或跳跃。第三种是人工神经网络，这是一个复杂的系统，旨在模仿人类大脑识别复杂、非线性模式的能力。当研究人员运行模拟时，结果显示，最好的工具完全取决于具体情况。简单的线性模型在增长稳定且可预测的情况下表现良好，预测投入五百亿越南盾将带来约236台销量。然而，更复杂的神经网络预测同样的投资将产生240台销量，这表明它能更好地捕捉市场中微妙且杂乱的现实。
模拟确定了一个成功的特定阈值。它判定投入在五百亿至五百五十亿越南盾之间是实现效率最大化的最佳水平。低于这一水平（例如仅投入三百五十亿）时，模型预测的销售额会显著降低，这意味着错失了机会。超过这一水平后，回报开始递减，意味着多出的投入所产生的额外销售额不足以抵消其成本。决策树模型在理解突然转变方面表现得尤为出色，例如旗舰产品的发布或大型节假日促销，在这些场景下，消费者行为会发生剧烈而非渐进的变化。在这些场景中，树模型可以预测在投入四百亿越南盾时的销量为200台，优于仅预测190台的简单线性模型。
这些发现为商业领导者提供了清晰的指南。对于数据有限且市场稳定的中小企业，简单的线性模型通常就足够了，且易于理解。对于面临客户行为意外跳跃的动荡市场的企业，决策树提供了更灵活且直观的视角。对于拥有海量复杂数据的规模化组织，神经网络提供了最高的准确性，尽管很难解释它是如何得出结论的。研究结论指出，没有哪一种模型是适用于所有情况的“最佳”模型。相反，管理者必须选择适合其特定数据和市场条件的工具。通过做出这种选择，他们可以从依赖直觉转向做出高度理性、有数据支持的决策，从而优化投资回报率，并在快速变化的数字经济中巩固地位。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。