2020년 12월까지 중국의 인터넷 이용자 규모는 약 9억 8900만 명이고, 2020년 상반기 신규 이용자는 8,540만 명, 중국의 인터넷 보급률은 70.4%인 것으로 나타났다. 전자상거래는 각종 실물 제품뿐 아니라 의약품 등의 판매에도 활용된다. 중국의 '인터넷+의약' 정책 지침에 따라 의약업계도 전자상거래의 붐을 맞이하고 있다. 온라인 의약품 판매가 갈수록 소비자의 인기를 얻고 있는 가운데 프랜차이즈 약국들도 적극적으로 온라인 판매 방식으로 전환하여 전자상거래 시장을 공략함을 통해 매출을 늘리고 소매 약국의 경쟁력을 높이고 있다. 특히 ...
2020년 12월까지 중국의 인터넷 이용자 규모는 약 9억 8900만 명이고, 2020년 상반기 신규 이용자는 8,540만 명, 중국의 인터넷 보급률은 70.4%인 것으로 나타났다. 전자상거래는 각종 실물 제품뿐 아니라 의약품 등의 판매에도 활용된다. 중국의 '인터넷+의약' 정책 지침에 따라 의약업계도 전자상거래의 붐을 맞이하고 있다. 온라인 의약품 판매가 갈수록 소비자의 인기를 얻고 있는 가운데 프랜차이즈 약국들도 적극적으로 온라인 판매 방식으로 전환하여 전자상거래 시장을 공략함을 통해 매출을 늘리고 소매 약국의 경쟁력을 높이고 있다. 특히 온라인과 오프라인이 결합된 O2O(Online to Offline)모델은 의약업계의 패러다임 전환에 중요한 방향이며 2020년 코로나19 여파로 온라인 의료 수요가 꾸준히 늘고 있다. 이는 의약업계에 큰 영향을 미쳤고 전통적인 의약업계에는 기회와 도전을 가져왔다. 의학 O2O는 플랫폼 수가 많고, 플랫폼 모델은 단일하며, 플랫폼 운영 원가가 너무 높고, 물류 배송 효율성 등의 문제로 관리가 더욱 복잡해졌다. 그리고 약품 수요는 약품 자체의 속성뿐 아니라, 의약업의 규정이나 국가 정책의 영향과 동시에 마케팅 전략의 영향을 받는다. 약품의 수요 요소의 다양성은 연구에 약간의 어려움을 가져왔다. 이 같은 문제 때문에 판매 예측이 가장 중요한 요소가 되었고, 판매 예측의 정확성은 매출, 주문, 재고 등에 영향을 미치고 있다. 본 연구는 이러한 문제점 개선하기 위해 많은 데이터를 수집하고 다양한 변수를 고려함으로써 머신러닝을 통한 의약품 판매량 예측 모형 개발로 이러한 한계점을 극복할 수 있을 것으로 본다. 본 연구에서는 Y의약회사의 2019년 1월부터 2020년 10월까지 메이투안(美团)에서, 서로 다른 지역의 500개 지점의 삼구감기약(三九感冒灵）의 판매 데이터를 수집하고 관련 특성변수 16개를 입력한 후 지도 학습에 필요한 훈련 데이터 세트를 구축하였다. 목표 변수인 의약품 판매량은 연속적인 수치형 데이터이므로 머신러닝 알고리즘 중 의사결정나무와 랜덤 포레스트, 그리고 인공신경망과 서포트 벡터 머신이 이용되었다. 구축된 모형 중 인공신경망 알고리즘으로 생성된 모형의 오차를 나타내는 MSE, RMSE에서 가장 낮은 값인 설명력을 나타내는 결정계수(Ｒ²)에서 높은 값인 0.829을 기록하여 가장 적합한 모형으로 선정하였다. 약품 판매량 영향을 미치는 변수 중요도의 순위에서는, 시간 특성 월, 조회 수/노출 수 비율, 방문 조회 수, 노출 수, 온라인과 오프라인 가격 차이, 배송 적시성 비율과 배송의 평균 시간 순으로 높은 순위를 차지하였다. 본 연구를 통하여, 머신러닝 알고리즘을 활용해 의약품 판매량의 예측이 유의한 수준으로 가능하다는 것을 확인할 수 있었으며, 의약품 판매 예측 뿐 만 아니라 다른 상품 판매 예측에도 적용할 수 있어 판매 예측 방법론 확장에 기여하였다.
2020년 12월까지 중국의 인터넷 이용자 규모는 약 9억 8900만 명이고, 2020년 상반기 신규 이용자는 8,540만 명, 중국의 인터넷 보급률은 70.4%인 것으로 나타났다. 전자상거래는 각종 실물 제품뿐 아니라 의약품 등의 판매에도 활용된다. 중국의 '인터넷+의약' 정책 지침에 따라 의약업계도 전자상거래의 붐을 맞이하고 있다. 온라인 의약품 판매가 갈수록 소비자의 인기를 얻고 있는 가운데 프랜차이즈 약국들도 적극적으로 온라인 판매 방식으로 전환하여 전자상거래 시장을 공략함을 통해 매출을 늘리고 소매 약국의 경쟁력을 높이고 있다. 특히 온라인과 오프라인이 결합된 O2O(Online to Offline)모델은 의약업계의 패러다임 전환에 중요한 방향이며 2020년 코로나19 여파로 온라인 의료 수요가 꾸준히 늘고 있다. 이는 의약업계에 큰 영향을 미쳤고 전통적인 의약업계에는 기회와 도전을 가져왔다. 의학 O2O는 플랫폼 수가 많고, 플랫폼 모델은 단일하며, 플랫폼 운영 원가가 너무 높고, 물류 배송 효율성 등의 문제로 관리가 더욱 복잡해졌다. 그리고 약품 수요는 약품 자체의 속성뿐 아니라, 의약업의 규정이나 국가 정책의 영향과 동시에 마케팅 전략의 영향을 받는다. 약품의 수요 요소의 다양성은 연구에 약간의 어려움을 가져왔다. 이 같은 문제 때문에 판매 예측이 가장 중요한 요소가 되었고, 판매 예측의 정확성은 매출, 주문, 재고 등에 영향을 미치고 있다. 본 연구는 이러한 문제점 개선하기 위해 많은 데이터를 수집하고 다양한 변수를 고려함으로써 머신러닝을 통한 의약품 판매량 예측 모형 개발로 이러한 한계점을 극복할 수 있을 것으로 본다. 본 연구에서는 Y의약회사의 2019년 1월부터 2020년 10월까지 메이투안(美团)에서, 서로 다른 지역의 500개 지점의 삼구감기약(三九感冒灵）의 판매 데이터를 수집하고 관련 특성변수 16개를 입력한 후 지도 학습에 필요한 훈련 데이터 세트를 구축하였다. 목표 변수인 의약품 판매량은 연속적인 수치형 데이터이므로 머신러닝 알고리즘 중 의사결정나무와 랜덤 포레스트, 그리고 인공신경망과 서포트 벡터 머신이 이용되었다. 구축된 모형 중 인공신경망 알고리즘으로 생성된 모형의 오차를 나타내는 MSE, RMSE에서 가장 낮은 값인 설명력을 나타내는 결정계수(Ｒ²)에서 높은 값인 0.829을 기록하여 가장 적합한 모형으로 선정하였다. 약품 판매량 영향을 미치는 변수 중요도의 순위에서는, 시간 특성 월, 조회 수/노출 수 비율, 방문 조회 수, 노출 수, 온라인과 오프라인 가격 차이, 배송 적시성 비율과 배송의 평균 시간 순으로 높은 순위를 차지하였다. 본 연구를 통하여, 머신러닝 알고리즘을 활용해 의약품 판매량의 예측이 유의한 수준으로 가능하다는 것을 확인할 수 있었으며, 의약품 판매 예측 뿐 만 아니라 다른 상품 판매 예측에도 적용할 수 있어 판매 예측 방법론 확장에 기여하였다.
By December 2020, the number of Internet users in China was about 989 million, and the number of new users in the first half of 2020 was 85.4 million, and the Internet penetration rate in China was 70.4%. E-commerce is used not only for various physical products, but also for the sale of medicines. ...
By December 2020, the number of Internet users in China was about 989 million, and the number of new users in the first half of 2020 was 85.4 million, and the Internet penetration rate in China was 70.4%. E-commerce is used not only for various physical products, but also for the sale of medicines. According to China's' Internet + Medicine' policy guidelines, the pharmaceutical industry is also experiencing a boom in e-commerce. While online drug sales are becoming more and more popular with consumers, franchise pharmacies are also actively switching to online sales and targeting the e-commerce market to increase sales and increase the competitiveness of retail pharmacies. Among them, the O2O(Online to Offline) model, which combines online and offline, is an important direction for the paradigm shift of the pharmaceutical industry. And in the aftermath of Corona 19 in 2020, online medical demand is steadily increasing. This had a great impact on the pharmaceutical industry and brought opportunities and challenges to the traditional pharmaceutical industry. Pharmaceutical O2O has a large number of platforms, a single platform model, a high platform operating cost, and problems such as logistics and delivery efficiency, making management more complex. In addition, drug demand is influenced not only by the nature of the drug itself, but also by the regulations or national policies of the pharmaceutical industry, and at the same time by the marketing strategy. The diversity of demand factors for drugs has created some difficulties in the study. Because of this problem, sales forecasting has become the most important factor, and the accuracy of sales forecasting is affecting sales, orders, and inventory. It is hoped that this study will be able to overcome these limitations by developing a model for predicting drug sales through machine learning by collecting a lot of data and considering various variables to improve these problems. From January 2019 to October 2020, Y Pharmaceutical Company collects sales data of Samgugamgipaku(三九感冒灵) from 500 branches in different regions in Mei Tuan, and inputs 16 related characteristic variables. Thus, a training data set required for supervised learning was constructed. Since the target variable, drug sales, is continuous numerical data, among machine learning algorithms, decision trees, random forests, artificial neural networks and SVMs were used. Among the constructed models, the lowest value in MSE and RMSE representing the error of the model generated by the artificial neural network algorithm, and 0.829, the highest value in the coefficient of determination (R²) representing explanatory power, was selected as the most suitable model. In the ranking of the importance of variables influencing drug sales volume, time characteristic month, entry rate, number of visits, number of impressions, online and offline price difference, delivery timeliness ratio, and average time of delivery ranked highest in order. Through this study, it was confirmed that it is possible to achieve a significant level of drug sales by using machine learning algorithms, and it can be applied not only to drug sales forecasting, but also to other product sales forecasts, which has a positive effect on sales forecasting method research.
By December 2020, the number of Internet users in China was about 989 million, and the number of new users in the first half of 2020 was 85.4 million, and the Internet penetration rate in China was 70.4%. E-commerce is used not only for various physical products, but also for the sale of medicines. According to China's' Internet + Medicine' policy guidelines, the pharmaceutical industry is also experiencing a boom in e-commerce. While online drug sales are becoming more and more popular with consumers, franchise pharmacies are also actively switching to online sales and targeting the e-commerce market to increase sales and increase the competitiveness of retail pharmacies. Among them, the O2O(Online to Offline) model, which combines online and offline, is an important direction for the paradigm shift of the pharmaceutical industry. And in the aftermath of Corona 19 in 2020, online medical demand is steadily increasing. This had a great impact on the pharmaceutical industry and brought opportunities and challenges to the traditional pharmaceutical industry. Pharmaceutical O2O has a large number of platforms, a single platform model, a high platform operating cost, and problems such as logistics and delivery efficiency, making management more complex. In addition, drug demand is influenced not only by the nature of the drug itself, but also by the regulations or national policies of the pharmaceutical industry, and at the same time by the marketing strategy. The diversity of demand factors for drugs has created some difficulties in the study. Because of this problem, sales forecasting has become the most important factor, and the accuracy of sales forecasting is affecting sales, orders, and inventory. It is hoped that this study will be able to overcome these limitations by developing a model for predicting drug sales through machine learning by collecting a lot of data and considering various variables to improve these problems. From January 2019 to October 2020, Y Pharmaceutical Company collects sales data of Samgugamgipaku(三九感冒灵) from 500 branches in different regions in Mei Tuan, and inputs 16 related characteristic variables. Thus, a training data set required for supervised learning was constructed. Since the target variable, drug sales, is continuous numerical data, among machine learning algorithms, decision trees, random forests, artificial neural networks and SVMs were used. Among the constructed models, the lowest value in MSE and RMSE representing the error of the model generated by the artificial neural network algorithm, and 0.829, the highest value in the coefficient of determination (R²) representing explanatory power, was selected as the most suitable model. In the ranking of the importance of variables influencing drug sales volume, time characteristic month, entry rate, number of visits, number of impressions, online and offline price difference, delivery timeliness ratio, and average time of delivery ranked highest in order. Through this study, it was confirmed that it is possible to achieve a significant level of drug sales by using machine learning algorithms, and it can be applied not only to drug sales forecasting, but also to other product sales forecasts, which has a positive effect on sales forecasting method research.
주제어
#O2O 모델 의학 O2O 모델 의약품 판매량 예측 머신러닝(Machine learning) 지도 학습(Supervised learning) 인공신경망 (Neural Network)
학위논문 정보
저자
유루루
학위수여기관
전남대학교
학위구분
국내석사
학과
디지털미래융합서비스협동과정
지도교수
박정선
발행연도
2021
총페이지
58
키워드
O2O 모델 의학 O2O 모델 의약품 판매량 예측 머신러닝(Machine learning) 지도 학습(Supervised learning) 인공신경망 (Neural Network)
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.