پیش ‌بینی میزان فروش با بهره‌ برداری از روش یادگیری متا (مورد مطالعه: فروش آلومینیوم در بورس کالای ایران)

با‌توجه به جایگاه ویژۀ پیش‌ بینی فروش بازار در تحلیل فرصت ‌های بازاریابی و نقش مهمی که پیش‌ بینی فروش در برنامه‌ریزی بخش‌های مختلف یک سازمان دارد، هدف اصلی پژوهش حاضر استفاده از یکی از ابزارهای نوین حوزۀ یادگیری ماشین (روش یادگیری متا) برای پیش‌بینی میزان فروش با مطالعۀ موردی فروش آلومینیوم در بورس کالای ایران است. پژوهش حاضر در دستۀ پژوهش‌های کاربردی قرار می‌گیرد و داده‌های پژوهش با استفاده از منبع داده‌های ثانویه  گردآوری شده است. در این پژوهش برای تجزیه‌و‌تحلیل از اطلاعات موجود در گزارش‌های هفتگی منتشر‌شده در پایگاه رسمی سازمان بورس کالای ایران استفاده شده است. مراحل انجام‌دادن پژوهش بر‌مبنای اصول پیش‌بینی و با استفاده از رویکرد روش یادگیری متا صورت گرفته است. در یافته‌های پژوهش حاضر چگونگی استفاده از روش یادگیری متا برای پیش‌بینی میزان فروش و تخمین تقاضای آلومینیوم در بورس کالای ایران نشان داده شد. مدل مبتنی بر روش یادگیری متا برمبنای 4 روش پیش‌بینی پایه‌ای شبکۀ عصبی، آریما، رگرسیون و هموارسازی نمایی و بر بستر داده‌های سری زمانی مربوط به فروش آلومینیوم در بورس کالای ایران (شامل 344 مقطع زمانی بین سال‌های 1394 تا 1401) ارائه شده است. بررسی دقت نتایج حاصل از به‌کارگیری روش یادگیری متا برای پیش‌بینی میزان فروش، برتری این روش را در مقایسه با چهار روش پیش‌بینی منتخب دیگر نشان داده است. در این پژوهش برای صحت‌سنجی نتایج به‌دست‌آمده سه مرحلۀ اعتبارسنجی صورت گرفت که در نتایج هر سه نمونه اعتبارسنجی، برتری دقت روش یادگیری متا تایید شده است. در پژوهش حاضر از روش یادگیری متا برای پیش‌بینی میزان فروش استفاده شده است. توانایی این روش در حل مسئلۀ پیش‌بینی یکی از قابلیت‌های استفاده از ابزارهای هوش مصنوعی را در حل مسائل مختلف مدیریتی نشان می‌دهد. در نتیجۀ این پژوهش، روش یادگیری متا به‌عنوان ابزاری توانمند در‌حوزۀ پیش‌بینی میزان فروش به مدیران بازاریابی و پژوهشگران این حوزه معرفی شده است.

sales forecasting using the meta-learning method(case study: aluminum sales in iran’s mercantile exchange market)

background: market sales forecasting has a special role in the analysis of marketing opportunities. along the same line, sales forecasting plays an important role in the planning of different departments of an organizationobjective: accordingly, the main goal of this research is to use one of the new tools in the field of machine learning (the meta-learning method) to predict the number of sales with a case study. aluminum is sold in the iran mercantile exchange.methods: the current research is included in the category of applied research and the research data were collected using secondary data sources. the data available in the weekly reports published on the official website of the iran mercantile exchange organization has been used for analysis. the steps of conducting the research are based on the principles of prediction and using the meta-learning approach.results: the findings of the current research show how to use the meta-learning method to predict the amount of sales and estimate the demand for aluminum in the iranian mercantile exchange. the model is presented using the meta-learning method based on 4 basic prediction methods of the neural network, arima, regression, and exponential smoothing in line with time series data related to aluminum sales in the iran mercantile exchange (including 344 time periods from 2015 to 2022).conclusions: examining the accuracy of the results of using the meta-learning method to predict sales has shown the superiority of this method compared to four other selected prediction methods. in this research, three stages of validation were conducted to verify the results obtained, and in the results of all three validation samples, the superiority of the accuracy of the meta-learning method was confirmed. the capability of this method to solve the prediction problem is one of the capabilities of using artificial intelligence tools in solving different management problems. as a result, the meta-learning method has been introduced to marketing managers and researchers as a powerful tool in the field of sales forecasting.