国境を越えた電子商取引における中小企業の業績評価方法に関する研究

科学分野:

• 人工知能
• 電子商取引分析
• ビジネスパフォーマンス管理

背景:

• 国境を越えた電子商取引を行う中小企業は,市場の変動と限られたリソースにより,業績評価の課題に直面しています.
• 複雑な非線形データと ダイナミックな環境でのリアルタイム分析に 苦戦しています
• 既存のモデルには,現代の電子商取引に必要な予測精度と一般化が欠けている.

研究 の 目的:

• 国境を越えた電子商取引の中小企業のための高度なビジネスパフォーマンスの評価方法を開発する.
• タイムシリーズデータ分析の予測精度と一般化能力を向上させる.
• SMEsのパフォーマンス階層と戦略的意思決定に関する洞察を提供すること.

主な方法:

• 国境を越えた電子商取引の10のSMEs (2020-2023) のデータを活用した.
• 長期短期記憶ニューラルネットワーク (ABC-LSTM) モデルを提案し,実装しました.
• ABC-LSTMとGA-LSTM,XGBoost,および従来のLSTMモデルをキーパフォーマンスメトリックを使用して比較した.

主要な成果:

• ABC-LSTMモデルは,より低い平均二乗誤差 (0.037),平均絶対誤差 (0.016),および時間依存誤差 (0.019) で優れたパフォーマンスを示しました.
• ABC-LSTMは,ベンチマークモデルと比較して,より速い収束速度とモデル安定性を示しました.
• 分析により,企業間の業績の違いが明らかになり,リソースの統合,サプライチェーンの強み,高パフォーマンスの市場の拡大が強調されました.

結論:

• ABC-LSTMモデルは,国境を越えた電子商取引のSMEsのビジネスパフォーマンスの評価を大幅に改善します.
• この方法は,多次元ビジネスデータの分析の精度を高め,戦略的改善のための科学的基盤を提供します.
• 結果は,よりよい資源統合,サプライチェーンの管理,およびSMEsの市場拡大戦略をサポートします.