การเปรียบเทียบตัวแบบในการทำนายปริมาณยอดขายเบียร์ : กรณีศึกษาเบียร์ยี่ห้อหนึ่ง
Article Sidebar
Main Article Content
บทคัดย่อ
ตลาดเบียร์เป็นตลาดขนาดใหญ่ที่มีความสำคัญในอุตสาหกรรมเครื่องดื่มแอลกอฮอล์ การทำนายปริมาณยอดขายเบียร์ได้อย่างแม่นยำจึงเป็นสิ่งสำคัญที่ผู้ประกอบการนำไปใช้ในการวางแผนการผลิต และกำหนดกลยุทธ์ทางการตลาด ด้วยเหตุนี้ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อศึกษาตัวแบบในการทำนายปริมาณยอดขายเบียร์ยี่ห้อหนึ่ง ด้วยวิธีการวิเคราะห์การถดถอยพหุคูณ วิธีต้นไม้ตัดสินใจ และวิธีแบบป่าสุ่ม พร้อมเปรียบเทียบความแม่นยำของตัวแบบด้วยค่ารากที่สองของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ข้อมูลที่ใช้ในงานวิจัยเป็นข้อมูลทุติยภูมิรายเดือน ระหว่างปี พ.ศ. 2561 – 2564 ซึ่งมีตัวแปรทำนายทั้งหมด 12 ตัวแปร และทำการวิเคราะห์ข้อมูลทางสถิติด้วยโปรแกรมภาษา R จากผลลัพธ์ พบว่า ตัวแบบที่เหมาะสมและมีประสิทธิภาพในการทำนายดีที่สุด คือ ตัวแบบการถดถอยเชิงเส้นพหุคูณ ที่มีการคัดเลือกตัวแปรทำนายแบบขั้นตอน ด้วยเกณฑ์ข้อสนเทศของอาไคเคะ และมีตัวแปรทำนายที่มีผลต่อการทำนายปริมาณยอดขายเบียร์ ได้แก่ 1) ปริมาณยอดขายเบียร์คู่แข่งที่ 1 2) ราคาขายทอดที่ 3 ของคู่แข่งที่ 1 3) ราคาขายทอดที่ 3 ของคู่แข่งที่ 2 4) ดัชนีค้าปลีก 5) ดัชนีราคาผู้บริโภค หมวดยาสูบและเครื่องดื่มมีแอลกอฮอล์ และ 6) จำนวนประชากรไทยที่มีอายุ 15 ปีขึ้นไป
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
ศูนย์วิจัยกรุงศรี. 2565. แนวโน้มธุรกิจ/อุตสาหกรรม ปี 2565-67 อุตสาหกรรมเครื่องดื่ม. แหล่งข้อมูล : https://www.krungsri.com/th/research/industry/industry-outlook/food-beverage/beverage/io/io-beverage-2022. ค้นเมื่อวันที่ 23 มกราคม 2567.
สถาบันอาหาร. 2566. รายงานตลาดอาหารในประเทศไทย ตลาดเครื่องดื่มแอลกอฮอล์. แหล่งข้อมูล : https://fic.nfi.or.th/upload/market_overview/pdf379.pdf. ค้นเมื่อวันที่ 23 มกราคม 2567.
พรทิวา วิศิษฏ์สรอรรถ และเอกสิทธิ์ พัชรวงศ์ศักดา. 2564. ระบบวิเคราะห์ข้อมูลอนุกรมเวลาด้วยเทคนิคทางสถิติและการเรียนรู้ของเครื่อง. วารสารบัณฑิตวิทยาลัย มหาวิทยาลัยธุรกิจบัณฑิตย์, 10(2), 133-147. [Porntiwa Wisitsora-At and Eakasit Pacharawongsakda. 2021. The time series analysis system through statistic and machine learning techniques. Dhurakij Pundit University Journal of Graduate Studies, 10(2), 133-147. (in Thai)]
สิทธิชัย นาคพิทักษ์ และวิกานดา ผาพันธ์. 2565. การเปรียบเทียบรายได้รายวันของโรงพยาบาลแห่งหนึ่ง 1 โดยใช้การเรียนรู้ของเครื่องและตัวแบบอารีมา. วารสารวิทยาศาสตร์ เทคโนโลยีและนวัตกรรม มหาวิทยาลัยกาฬสินธุ์, 1(1), 20-42. [Sittichai Nakphithak and Wikanda Pha-phan. 2022. A comparison of the daily income of a hospital by using machine learning methods and the ARIMA model. Kalasin University Journal of Science Technology and Innovation, 1(1), 20-42. (in Thai)]
Čeh, M., Milan, K., Anka, L. and Branislav, B. 2018. Estimating the performance of random forest versus multiple regression for predicting prices of the apartments. ISPRS International Journal of Geo-Information, 7(5), 1-16, https://doi.org/10.3390/ijgi7050168.
Krkač, M., Bernat Gazibara, S., Arbanas, Ž., Sečanj, M. and Mihalić Arbanas, S. 2020. A comparative study of random forests and multiple linear regression in the prediction of landslide velocity. Landslides, 17, 2515-2531, https://doi.org/10.1007/s10346-020-01476-6.
เบญจวรรณ ยุทโท. 2561. วิเคราะห์ความต้องการปริมาณสินค้าแอลกอฮอล์: กรณีศึกษาเบียร์ ABC ขวดใหญ่. วิทยานิพนธ์ปริญญาเศรษฐศาสตรมหาบัณฑิต, สาขาวิชาเศรษฐศาสตร์ธุรกิจ, สถาบันบัณฑิตพัฒนบริหารศาสตร์. [Benjawan Yutto. 2018. Demand analysis for alcohol products: a case study of ABC big bottle beer. Master Thesis, National Institute of Development Administration, Bangkok. (in Thai)]
อธิวัฒน์ ลาภหลาย, อภิญญา วนเศรษฐ และวสุ สุวรรณวิหค. 2563. ปัจจัยที่มีผลต่อการบริโภคเบียร์ในประเทศไทยและนโยบายภาครัฐ. วารสารเกษตรศาสตร์ธุรกิจประยุกต์, 14(21), 1-14. [Atiwat Laplai, Apinya Wanaset and Vasu Suvanvihok. 2020. Factors affecting the consumption of beer in Thailand and government policies. Kasetsart Applied Business Journal, 14(21), 1-14. (in Thai)]
ปรเมษฐ์ ธันวานนท์, ชัยกร ยิ่งเสรี, วรพล พงษ์เพ็ชร และธนภัทร ฆังคะจิตร. 2560. การประยุกต์ใช้โมเดลการเรียนรู้แบบรวมกลุ่มเพื่อพยากรณ์แนวโน้มของราคาหลักทรัพย์ในตลาดหลักทรัพย์แห่งประเทศไทย. วารสารวิทยาการและเทคโนโลยีสารสนเทศ, 7(1), 12-21. [Poramet Tunwanont, Chaiyakorn Yingsaeree, Woraphol Phongphet and Thanapat Kangkachit. 2017. Predict stock price trends in Stock Exchange of Thailand using Ensemble Model. Journal of Information Science and Technology, 7(1), 12-21. (in Thai)]
ศูนย์วิจัยปัญหาสุรา. 2565. แบบแผนและแนวโน้มพฤติกรรมการดื่มสุราของประชากรไทย. สงขลา: ศูนย์วิจัยปัญหาสุรา, สาขาวิชาระบาดวิทยา, คณะแพทยศาสตร์ มหาวิทยาลัยสงขลานครินทร์.
กนิษฐา ไทยกล้า, นิษฐา หรุ่นเกษม และวิทย์ วิชัยดิษฐ. 2563. ผลกระทบและการแก้ไขปัญหาของธุรกิจเครื่องดื่มแอลกอฮอล์ในสังคมไทยในสภาวะการระบาดโควิด-19. ศูนย์วิจัยปัญหาสุรา, แหล่งข้อมูล : https://cas.or.th/?p=8240. ค้นเมื่อวันที่ 12 เมษายน 2566.
ธนาคารแห่งประเทศไทย. 2566. ดัชนีค้าปลีก. แหล่งข้อมูล : https://app.bot.or.th/BTWS_STAT/statistics/BOTWEBSTAT.aspxreportID=830&language=TH. ค้นเมื่อวันที่ 12 เมษายน 2566.
สำนักดัชนีเศรษฐกิจการค้า กระทรวงพาณิชย์. 2566. ดัชนีราคาผู้บริโภค. แหล่งข้อมูล : http://www.price.moc.go.th/price/cpi/index_new.asp. ค้นเมื่อวันที่ 12 เมษายน 2566.
สำนักบริหารการทะเบียน กระทรวงมหาดไทย. 2566, สถิติประชากรทางการทะเบียนราษฎร (รายเดือน). แหล่งข้อมูล : https://stat.bora.dopa.go.th/stat/statnew/statMONTH/statmonth/#/view. ค้นเมื่อวันที่ 12 เมษายน 2566.
Dang, T. K., and Nguyen, H. H. X. 2022. A hybrid approach using decision tree and multiple linear regression for predicting students’ performance based on learning progress and behavior. SN Computer Science, 3(5), 393, https://doi.org/10.1007/s42979-022-01251-5.
ฉัตรศิริ ปิยะพิมลสิทธิ์. 2547. ค่าผิดปกติ. วารสาร มฉก.วิชาการ, 8(15), 106-110. [Chatsiri Piyapimonsit. 2004. Outlier. HCU Journal, 8(15), 106-110. (in Thai)]