近几年来,国民健康意识的提高以及疾病防控服务都在客观上对疾病预测的准确性及药品的及时性提出了现实要求,医药电商也受到了国家的高度重视。同时,尽管以大数据为依托的智慧营销得到了越来越多的应用,但是目前关于医药电商智慧营销的相关研究仍较为欠缺,大部分忽视了外部数据的重要性,存在着信息滞后和不能提前反应出市场真实需求的问题。而疾病预测作为一种相关性较高的、具有前瞻性的外部数据,能够全面、及时的反映出药品的整体需求,因此如何结合疾病预测开展医药电商智慧营销成为了研究的新方向。鉴于此,本文加入了疾病预测作为医药电商智慧营销的外部补充信息。在这个基础上,首先,本文提出了一种基于多模型融合的疾病预测模型:对以疾病历史值为回归对象的ARIMA时序模型,以及以网络搜索数据——百度指数为特征的XGBoost(eXtreme Gradient Boosting)模型进行了模型融合,通过对目标变量进行高斯变换和多模型融合形成疾病预测总体模型,研究证明了该模型能够有效的提高疾病预测的准确性和稳定性,同时也证明了疾病预测的可行性和可信度;其次,本文探讨了架构于疾病预测之上的医药电商智慧营销的内容;第三,构建了基于疾病预测的医药电商智慧营销系统。本文优化了疾病预测模型,通过对目标变量进行高斯变换的数据处理方法,能够有效的提高模型拟合的效果;同时采用了一种多模型融合的疾病预测模型,提高了疾病预测的准确性;并将疾病预测应用于医药电商智慧营销中,为医药电商智慧营销的实现提供了指南。这对于推动医药电商实现信息整合、资源共享、提高营销效率以及实现智慧营销具有积极的现实意义和理论价值。