潘澤華 樊紅

摘 要：根據(jù)市場資料對零售戶經營進行分析和分類，可以為改善卷煙營銷提供決策支持的依據(jù)。針對當前研究以及零售門店細分方法存在的不足，提出基于三步KMEANS模型的卷煙零售門店分類，借助Kmeans聚類分析算法，分三步對煙草銷售門店進行分類。首先以銷售價格將煙草分為高低端，再由不同門店對不同分類煙草的銷售額比例將門店分為AB類；然后再用活躍度門店的經營穩(wěn)定度指標將門店分為AB兩類；最后將兩個分類結果加以整合，得到四類不同的門店。

關鍵詞：Kmeans；門店分類；卷煙分類

中圖分類號：F713.5 文獻標志碼：A 文章編號：1673-291X（2016）19-0052-04

緒論

在煙草行業(yè)，近年來隨著卷煙信息化系統(tǒng)的建設，零售行業(yè)數(shù)據(jù)采集與存儲技術的進步，煙草公司已經積累了生產和銷售數(shù)據(jù)，這些數(shù)據(jù)并不是無用的數(shù)據(jù)，通過對其進行挖掘分析，獲得有價值的信息，能夠給企業(yè)帶來巨大的商業(yè)價值以及服務創(chuàng)新。

在卷煙營銷方面，煙草公司在以往的經營中產生了海量的柜臺掃碼的卷煙銷售交易數(shù)據(jù)，使用這些數(shù)據(jù)進行發(fā)掘，發(fā)現(xiàn)零售戶的銷售規(guī)律和群組特征，可以優(yōu)化渠道網絡，實現(xiàn)貨源合理配置，提高營銷產值，逐步實現(xiàn)精準營銷。

近年來，國內學者在聚類分析探索及卷煙營銷挖掘等已經開展了一些研究，李綱等研究了國產轎車市場競爭格局的聚類分析法；黃鐘穎研究了兩步聚類分析法在汽車市場研究中的應用；張紅梅等提出了基于兩步聚類算法的卷煙零售客戶分類研究。盡管如此，尚未見到文獻采用更為客觀的掃碼數(shù)據(jù)進行零售客戶分類研究。

本文提出了基于三步Kmeans模型的卷煙零售門店分類模型，基于卷煙零售門店較為客觀的每日銷售掃碼數(shù)據(jù)，通過數(shù)據(jù)挖掘手段，可以有效地挖掘和區(qū)分不同門店的經營特性，為煙草公司的精細營銷提供基于數(shù)據(jù)的決策支持。

一、Kmeans模型簡介

Kmeans算法首先從n個數(shù)據(jù)對象中任意選擇k個對象作為聚類中心；而對于所剩下其他對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給以其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù)。

在Kmeans的實際應用中，分類數(shù)目K的選取對分類效果有較大的影響。本文通過枚舉，令K從2—10，在每個K值上重復運行數(shù)次Kmeans（避免局部最優(yōu)解），并計算當前K的平均輪廓系數(shù)，最后選取輪廓系數(shù)最大的值對應的K作為最終的集群數(shù)目。

二、組合分類模型方法的思路和流程

（一）研究問題的提出

在門店的卷煙銷售中，每筆交易都會通過掃碼做出記錄，我們收集的數(shù)據(jù)來自貴州??？菖？菖煙草銷售公司全部零售門店2014年1月1日至2014年9月1日的銷售數(shù)據(jù)，這些原始數(shù)據(jù)較為客觀地反映了各個門店的銷售情況，根據(jù)煙草公司項目中數(shù)據(jù)分析的要求，本文基于零售門店的掃碼信息，使用組合分類模型對零售門店進行細化分類。

（二）組合分類模型流程

基于零售門店的掃碼信息，本文提出組合分類模型對零售門店進行細化分類（如下頁圖1所示），該方法首先按不同類別卷煙銷售額占比將門店分為AB兩類，再按門店活躍度分類將門店分為AB兩類，然后再將兩個分類結果組合得到最終的四個分類結果。

三、分類實驗及實驗結果分析

（一）原始數(shù)據(jù)和實驗工具選擇

煙草公司在以往的經營中產生了海量的柜臺掃碼交易數(shù)據(jù)，本文數(shù)據(jù)來自貴陽市紅華煙草公司零售門店在2014年1月1日至2015年3月20日之間產生的柜臺掃碼銷售及庫存數(shù)據(jù)，共有2014年1月1日至2015年3月20日的1 797 371條銷售數(shù)據(jù)，有銷售碼、執(zhí)照—代號、交易時間、商品代號、交易數(shù)量、單價、交易金額、門店名等字段。論文采用選用R工具調用Kmeans方法進行了掃碼銷售數(shù)據(jù)組合分類的實驗研究。

（二）卷煙高低檔分類

本文首先根據(jù)不同類別卷煙銷售額占比將門店分類，首先，為了確定最佳的分類數(shù)，通過計算不同分類數(shù)目的輪廓系數(shù)，得到圖2的輪廓系數(shù)圖，從圖中看出在按卷煙價格為卷煙分類時，分為兩類獲得了最高的輪廓系數(shù)。因此，我們將卷煙品牌按價格分為高低兩類。高于**稱為高端煙，低于*的稱為低端煙。

（三）按不同類別卷煙銷售額占比將門店分類

通過上文的卷煙分類，我們計算不同門店一年銷售額中，高低檔煙的占比，然后將比例進行kmeans聚類。通過輪廓系數(shù)圖，發(fā)現(xiàn)分為兩類獲得了最大的輪廓系數(shù)。因此，我們按比例的不同將門店初略分為AB兩類，A類、B類門店的聚類中心高端煙的銷售占比值分別為0.0888和0.0332，A類、B類門店聚類中心低端煙的銷售占比值分別為0.911和0.967。

（四）按門店活躍度分類

接著，我們根據(jù)門店穩(wěn)定度對門店分類，首先根據(jù)每日營業(yè)額計算店鋪的穩(wěn)定度，再用Kmeans將其劃分為兩類，穩(wěn)定A門店聚類中心的穩(wěn)定度值為0.2868，穩(wěn)定B門店聚類中心的穩(wěn)定度值為1.005。穩(wěn)定度數(shù)值越小，說明其每日經營額越穩(wěn)定，波動幅度不大。穩(wěn)定度數(shù)值越大，說明其每日經營額越不穩(wěn)定，波動幅度較大。

（五）組合兩類分類

在完成了門店的兩種不同分類后，對每個門店，按不同指標我們有兩種不同的分類。將他們進行組合。則可將所有76個門店分為四類，其中，AA為高端穩(wěn)定門店共18個（23.6%），AB為高端不穩(wěn)定門店共1個（1.3%），BA為低端穩(wěn)定門店共50個（65.8%），BB為低端不穩(wěn)定門店共7個（9.2%）。

（六）結果分析

我們分別統(tǒng)計四類門店的每日卷煙銷售均價，及每日銷售額，得到圖3和圖4。從兩張圖中我們可以明顯觀察到不同類別間的顯著差異，參見圖3和圖4我們可以得出通過組合分類得到的四類門店其經營結構特征如下：

1.類AA：每日營業(yè)額相對穩(wěn)定，浮動區(qū)間為2 000～6 000元之間；其賣出的每包煙平均售價也較為穩(wěn)定，維持在每包18元上下，此類店鋪可預期性強，客單價維持在較高位，屬于高端穩(wěn)定門店，例如月亮巖店、東門店、小石城點等。

2.類AB：每日營業(yè)額不穩(wěn)定，浮動區(qū)間在1 000～12 500元之間，而營業(yè)額超出5 000元的天數(shù)占絕對少數(shù)；同樣，其賣出的每包煙平均售價也較不穩(wěn)定，均價在10～30元之間寬幅波動，但大多數(shù)時間能維持在15～20元之間；此類店鋪可預期性較差，客單價也不穩(wěn)定，屬于高端不穩(wěn)定店鋪。76個店面中，僅有威清店屬于此類。

3.類BA：每日營業(yè)額相對穩(wěn)定，浮動區(qū)間在2 000～6 000元之間；其賣出的每包煙平均售價也相對穩(wěn)定，均價在14～16元之間；此類店鋪可預期性強，客單價有待提高，屬于低端穩(wěn)定店鋪，如白云一店、白云二店、家樂店等。

4.類BB：每日營業(yè)額不穩(wěn)定，浮動區(qū)間在1 000～10 000元之間，而營業(yè)額超出4 000元的天數(shù)占絕對少數(shù)；另一方面，其賣出的每包煙平均售價也較不穩(wěn)定，在14～18元之間波動；此類店鋪可預期性差，客（其）單價也不穩(wěn)定，屬于低端不穩(wěn)定店鋪，如云陽店、世紀園店等。

（七）策略建議

根據(jù)本文的分析結果可知，AA店是最優(yōu)質的店鋪，應該在供貨，服務上面優(yōu)先滿足，著重銷售高價煙；對于AB類店，其客單價較高，但是每日營業(yè)額不穩(wěn)定，在供貨上我們可以對這類店鋪彈性供貨，對于旺季，增加供貨，而在淡季則減少供貨；對于BA類店，屬于銷售主力，單價穩(wěn)定，每日銷量穩(wěn)定；對于BB類店，我們可以適當裁減。

總結

本文提出了基于三步Kmeans模型的卷煙零售門店分類模型，基于卷煙零售門店每日掃碼銷售數(shù)據(jù)，基于銷售價格和活躍度對門店分類，通過分類實驗結果的分析可知，根據(jù)高低端卷煙銷售占比分類，可以將門店顯著區(qū)分為高低端；而通過活躍度指標分類，可以將門店顯著分為穩(wěn)定與非穩(wěn)定；最后的組合模型得出的四類門店，可以綜合考慮銷售價格和活躍度對門店分類，特點顯著，效果明顯，經過實際比對可以驗證，采用本文方法得到的門店結果比較合理，可以幫助公司制定相應的改進策略，獎優(yōu)罰劣，優(yōu)化銷售渠道，實現(xiàn)貨源合理配置，提高營銷綜合效益。論文提出的方法，也可以為根據(jù)其他指標的實際分類問題的研究提供參考。

參考文獻：

[1] 張紅梅，李以鋼.基于兩步聚類算法的卷煙零售客戶分類研究[J].經濟研究導刊，2012，（34）.

[2] 李綱，畢振力.國產轎車市場競爭格局的聚類分析[J].統(tǒng)計與決策，2007，（22）：125-127.

[3] 黃鐘穎.兩步聚類分析法在汽車市場研究中的應用[J].管理觀察，2008，（9）：200-201.

[4] 劉樂山，雷丁.論農村消費需求潛力向現(xiàn)實消費需求的轉化[J].新疆財經，2010，（2）：22-24.

[5] 仲秋雁，莫佳卉.基于拓展自組織神經網絡方法的客戶市場細分[J].中國管理科學，2008，（10）：551-555.

[責任編輯 陳麗敏]