1.1研究目的

随着“互联网 零售”模式的兴起，传统的线下销售模式已不再适用于服装销售企业，涌现出了像唯品会、蘑菇街等一批电商服装零售企业。商家竞争日趋激烈，为了增加销量平台会举办各种类型的促销活动，限时特卖（flash sales）即为其中的一种。随着销售的增长、品类的扩张，历史销售数据的增加为商家进行数据分析提供了便利，但是如何利用历史数据预测限时促销的效果，从而服务于后期的营销策略成为新的挑战。

本文致力于通过对商家历史销售数据的利用，结合企业实际经营特点和理论缺口，尝试性构建影响限时特卖网站销售的指标体系。利用决策树算法构建服装销售预测模型，从而对影响限时促销活动的因素进行关联分析并挖掘规律，最后根据预测数据为案例企业今后更好的开展限时特卖活动提供建议。

1.2研究意义

(1)理论意义

通过查阅限时促销、销售预测、在线零售相关的文献，国内虽然有针对服装销售企业销售预测的研究，但是大部分采用定性方法研究影响促销的因素，或者是利用构建模型的方法研究单一线下或者是020情境下的日常销售情况。而国外也只有Kris JF(2016)对拉街网的限时特卖进行销量预测和价格优化，本文试探性的沿用了Kris的决策树模型，并对影响限时特卖的指标体系进行优化用于国内某一服装限时特卖网站上，验证新的需求预测模型的准确性和精度，使得本文具有一定的理论研究意义。

(2)现实意义

随着产品品类多元化和商家竞争的日益激烈，电商商家都在采取多种促销方式来降低库存，对于限时特卖网站来说近50%的销售收入来自于首次曝光产品的限时特卖。本文根据对目标企业历史数据的分析和销售预测模型的构建，对影响活动效应的因素进行建模分析，最后根据预测数据为案例企业今后更好的开展限时特卖活动提供建议，从而提升目标企业的科学化决策水平，降低促销成本获取更多的利润。

1.3国内外研究现状

1.3.1国内研究现状