近年来随着手机行业的快速发展、供应链体系越来越成熟,新的手机品牌或厂家在资本的支持下得以快速切入手机市场,加剧了市场竞争,目前已呈现白热化。手机厂家在手机生产和新产品研发过程中,需要得到一个准确的市场反馈,即未来一段时间产品的预期销量,销量预测不仅关系到手机厂家的供应链策略、生产产能调整、销售渠道规划等方面,更是影响企业的战略规划。手机行业的需求预测是一个重要的研究方向,具有非常高的实际指导意义。如何准确地把握用户的消费习惯、了解用户的真实需求对手机销量预测至关重要。在互联网时代,用户已经养成了网上购物的消费习惯,消费者购买理论也推陈出新,目前发展到移动互联网阶段的SICAS模型。该模型指出,消费者在做购买决策之前,越来越依靠社交网络和搜索引擎获取相关的商品信息,上网搜索已成为衡量消费者是否具有购买意愿的重要参考之一,尤其针对手机这种消费类电子产品,如何利用这些网络搜索数据进行需求预测是一个新的研究领域,通过数据挖掘技术来发现数据背后的价值。本文研究方向为基于网络搜索指数的手机行业需求预测,通过将消费者搜索数据的典型类型---网络关键词搜索数据(以百度指数为例)引入到手机行业需求预测中,获得了比传统预测模型更为准确的手机销量预测。本文针对课题相关文献进行搜寻和整理,研究了网络搜索指数在各个行业的应用,确定将百度指数引入到手机行业需求预测中,通过针对国内市场华为手机销量的实例应用,验证了模型的预测性能。首先通过网络爬虫获取了和华为手机销量相关的百度指数关键词数据,时间跨度为2015年1月至2019年12月;同时从前瞻数据库获取华为手机月度销量,通过对百度指数数据和华为手机销量之间的相关性和时差相关性分析,最终选出9个具有指导意义同时相关系数大于0.5的百度指数关键词用于本文研究。然后建立多元线性回归和BP神经网络两种销量预测模型,同时和传统时间序列模型进行对比分析。对三个模型进行数据实验,选取前57个月(数据集共60个月)数据来训练模型,后面3个月数据用来验证模型,实验结果发现:多元线性的预测误差MAPE值为6.8%,BP神经网络的预测误差MAPE值为5.6%,时间序列的预测误差MAPE值为8.4%;BP神经网络预测精度最高。本文通过研究发现引入百度指数数据后的华为手机销量预测模型,均有不同程度提高,证明百度指数同样适用于手机行业需求预测,丰富了手机行业搜索指数的手机需求预测相关研究的同时,对于各手机厂家进行实际手机销量预测应用具有实践指导意义。