侯毓

（湖北中煙工業(yè)有限責任公司信息中心，湖北 武漢 430040）

一、引言

2020年4月9日，中共中央、國務院發(fā)布《關于構(gòu)建更加完善的要素市場化配置體制機制的意見》，正式將數(shù)據(jù)納入生產(chǎn)要素范圍，數(shù)據(jù)資源的重要性已不言而喻。對于煙草行業(yè)而言，目前中國煙民大概3.5億人，全國注冊零售戶1 286萬戶。2019年，全年行業(yè)訂單2.28億份，交易明細記錄73.59億條。煙草行業(yè)有如此大體量數(shù)據(jù)，應積極探索識別不同零售戶的潛在價值以實現(xiàn)卷煙資源的合理配置以及營銷物資的合理投放。

1956年，Wendell R. Smith提 出 市 場 細 分理論，針對不同客戶群體實行差異化營銷［1］。通過對4 998戶柳州市轄區(qū)持證卷煙零售戶開展?jié)M意度調(diào)查，梁娟等研究發(fā)現(xiàn)零售戶對客戶服務和市場管理的滿意度較高，但對盈利情況、貨源供應政策、月度商定總量、卷煙品質(zhì)的豐富性、零售戶分檔公平性等的滿意度較低［2］。煙草公司現(xiàn)行的營銷策略是根據(jù)“購進數(shù)量”“購進金額”“購進品規(guī)數(shù)”三個維度，通過權(quán)重附分值的方法進行月度滾動式分檔管理。由于貨源投放依賴分檔結(jié)果，缺乏靈活性，面對市場環(huán)境的變化難以快速調(diào)整投放策略，貨源投放不精準。面對卷煙消費的升級不能及時響應，導致零售戶所處檔位與其實際銷售能力不匹配，許多零售戶對現(xiàn)有的檔位劃分結(jié)果不滿意［3］。

各學者試圖利用數(shù)據(jù)挖掘技術尋找更為科學的方法，如姚龍飛基于RFM模型構(gòu)建用戶畫像標簽，通過云模型聚類算法將湖南省某地市零售戶劃分為重要保留客戶、重要發(fā)展客戶、重要挽留客戶、低價值客戶四大類［4］；周旭以“客戶為中心”，基于Hadoop大數(shù)據(jù)平臺，利用FCM模糊聚類算法構(gòu)建客戶價值模型，將全國零售戶劃分為五大類［5］；鄧基剛等基于K-means聚類將12 357個客戶劃分為VIP客戶、重要客戶、普通客戶、小客戶四大類［6］。

文章以RFM模型和K-means算法為理論基礎，從實際業(yè)務出發(fā)，將方法論與業(yè)務實踐深度融合，以融合后的實際結(jié)果為依據(jù)劃分零售戶類別，并進行相應的價值挖掘，相比傳統(tǒng)的理論導向更有實踐意義。

二、相關模型

（一）RFM模型

RFM模型由美國數(shù)據(jù)庫營銷研究所Arthur Hughes提出，是一種被廣泛應用的經(jīng)典的精細化運營方法，是衡量客戶當前價值和潛在價值的重要工具和手段。該模型由觀察期內(nèi)客戶最近一次消費時間到當前時間的間隔R（Recency）、消費頻次F（Frequency）、消費總金額M（Monetary）三項指標構(gòu)成。

（二）K-means聚類

聚類分析是數(shù)據(jù)挖掘中研究分類問題的一種重要的統(tǒng)計分析方法，屬于機器學習中的無監(jiān)督學習。K-means聚類是聚類算法中的一種常用算法，也是數(shù)據(jù)挖掘中的十大經(jīng)典算法之一，其核心思想是通過計算樣本點至類中心的距離劃分k個類別，找出使組內(nèi)距離平方和總和D最小的類別進行劃分，即求解最優(yōu)化問題［7］。

三、數(shù)據(jù)收集與處理

（一）數(shù)據(jù)收集

就煙草行業(yè)某省級工業(yè)公司而言，對于行業(yè)零售戶訂單數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)庫存儲數(shù)據(jù)量5～6T，日均處理數(shù)據(jù)量5億～6億條，處理時間少則1小時、多則8小時，甚至出現(xiàn)崩潰狀態(tài)。利用內(nèi)存計算、高效索引、執(zhí)行優(yōu)化和高度容錯的大數(shù)據(jù)技術，可以滿足海量訂單數(shù)據(jù)對數(shù)據(jù)庫存儲和處理的需求，處理時間僅需要10分鐘。將數(shù)據(jù)庫中的訂單主表與零售戶維度表進行左連接，抽取湖北省某地市全年零售戶所有卷煙的訂單數(shù)據(jù)，共計零售戶38 567戶、訂單162.99萬份，涉及的字段如表1所示。

表1 零售戶相關分析字段

數(shù)據(jù)收集完成后，需要進行數(shù)據(jù)質(zhì)量檢查。研究范圍內(nèi)的數(shù)據(jù)未出現(xiàn)數(shù)據(jù)缺失、格式不統(tǒng)一、數(shù)據(jù)不規(guī)范、重復記錄等問題，原因在于行業(yè)訂單下行數(shù)據(jù)進入大數(shù)據(jù)平臺時，平臺會開展相關數(shù)據(jù)清洗工作，清洗后的數(shù)據(jù)質(zhì)量相對較高。

（二）數(shù)據(jù)處理

1.構(gòu)建RFM指標

R：先找出某年1月1日至12月31日，各零售戶的最近一次訂購日期，然后以年度商業(yè)公司準予的最后一次訂購日期12月31日為基準，計算各零售戶最近一次訂購日期到12月31日的間隔天數(shù)，即各零售戶的R值，單位：天。

F：一次訂單僅對應一個編號，故訂單編號唯一。計算1月1日至12月31日，各零售戶不同訂單編號總數(shù)，即各零售戶的F值，單位：次。

M：1月1日至12月31日，各零售戶訂購金額總和，即各零售戶的M值，單位：元。

利用R語言構(gòu)建RFM模型，樣本量共計38 567個。

2.剔除異常值

根據(jù)卷煙管控的特殊性質(zhì)，最近一次訂購間隔和年度訂購次數(shù)一般不會出現(xiàn)極端情況，而訂購總金額可能會因為不同零售戶的不同經(jīng)營狀況出現(xiàn)極端差異，須對M值進行異常值檢查。通過R語言繪制的箱形圖，一個樣本M值存在異常。經(jīng)查實，該零售戶是一家大型便利店，推測該零售戶可能是特殊客戶，故研究不將該零售戶納入樣本范圍，剔除后樣本量為35 863個。

3.數(shù)據(jù)標準化

為消除不同量綱對后續(xù)聚類分析產(chǎn)生的影響，需要對R、F、M進行標準化。文章采用Z-Score方法進行數(shù)據(jù)標準化，具體換算過程：

利用R語言中的scale函數(shù)實現(xiàn)Z-Score標準化。

四、基于K-means的聚類建模

（一）類別k的選擇

K-means算法需要事先確定k值，利用R語言繪制組內(nèi)距離平方和隨k值變化的折線圖，可以看到k的最優(yōu)值為5，也就是說整個樣本分為5類是最合適的。

（二）聚類建模

利用R語言進行K-means聚類建模，得到不同角度的三維聚類效果如表2所示。可以看到，整體劃分結(jié)果較為理想。

表2 聚類模型的各類中心值

五、應用分析

（一）類別定位

映射到原數(shù)據(jù)的各類中心值如表3所示，結(jié)合實際業(yè)務對5類零售戶進行精準定位。根據(jù)某年該地市實際訂煙情況看，全年訂購周期共計53期，下面針對表3進行定位分析。

表3 映射到原數(shù)據(jù)的各類中心信息表

第1類：最近一次訂購時間平均間隔為7.22天，平均每戶訂購50.93次，屬于高頻戶；平均每戶年訂購金額次于第3類，優(yōu)于其他類。該類零售戶經(jīng)營狀況不錯，通過一定的營銷手段或激勵措施，有望進一步增強銷售能力，故文章將該類定位為潛力客戶。

第2類：最近一次訂購時間平均間隔為6.58天，說明最近一次訂購周期內(nèi)該類零售戶正常訂煙；平均每戶訂購52.05次，說明該類零售戶在整年每個訂煙周期內(nèi)均未缺席；平均每戶年訂購金額達到百萬以上，是所有類別中訂購金額最高的一類。該類零售戶經(jīng)營狀況最好，銷售能力最強，故文章將該類定位為優(yōu)質(zhì)客戶。

第4類：最近一次訂購時間平均間隔為8.49天，與其他4類相比，屬于中等水平，故文章將該類定位為一般客戶。

第5類：最近一次訂購時間平均間隔達到132.28天，說明該類零售戶有4個多月沒有訂購行為，相對應的平均每戶訂購次數(shù)較少。該類零售戶可能對卷煙市場經(jīng)營形勢不看好，處于流失狀態(tài)，故文章將該類定位為流失客戶。

（二）供需情況

商業(yè)公司對每一規(guī)格投放的數(shù)量有嚴格限制。零售戶根據(jù)需求下單時，實際能夠訂購的數(shù)量最多只能與商業(yè)公司提供的上限一致，不一定能滿足需求，用需求滿足率=訂購量/需求量來衡量供需情況。各類客戶需求滿足情況如表4所示，從中可以看出，整體需求滿足率在60%上下，供遠小于求，市場供需不平衡較為明顯，但從“吸煙有害健康”的角度來說，供給側(cè)嚴格控量符合國家行業(yè)稍緊平衡和垂直管控政策。

表4 各類客戶需求滿足情況

（三）分布差異

1.不同業(yè)態(tài)下的分布差異

不同業(yè)態(tài)類型下的客戶分布存在差異，如表5所示。

表5 不同業(yè)態(tài)類型下的客戶分布情況

根據(jù)零售戶店鋪的經(jīng)營范圍，業(yè)態(tài)類型分為食雜店、便利店、煙酒店、商場、娛樂服務及其他6種。縱向看，食雜店在所有業(yè)態(tài)類型中占到了3/4以上，說明該地市卷煙銷售大部分集中在食雜店，這是符合實際情況的，食雜店俗稱“小賣部”，隨處可見。從百分比角度看，便利店、食雜店中的各類客戶占比情況一致——一般客戶＞潛力客戶＞新/擬流失客戶＞優(yōu)質(zhì)客戶＞流失客戶；商場的一般客戶、潛力客戶居多，優(yōu)質(zhì)客戶尚可；娛樂服務店中一般客戶、新/擬流失客戶比重較高，流失客戶在所有業(yè)態(tài)類型中比率最高，說明娛樂服務店的客戶在所有業(yè)態(tài)中最易流失；其他業(yè)態(tài)中一般客戶居多，也是6大業(yè)態(tài)類型里一般客戶比重最大的一類。

2.不同規(guī)模下的客戶分布

不同規(guī)模，客戶分布也不同，如表6所示。

表6 不同規(guī)模的客戶分布情況

零售戶經(jīng)營規(guī)模分大、中、小3種類型?？v向看，該地市零售戶67%以上都是中型，大型和小型各占一角。橫向看，優(yōu)質(zhì)客戶集中于大型，中型稍多，可謂是小型零售戶里的鳳毛麟角；潛力客戶大多存在于大、中型，中型比大型多；一般客戶、流失客戶、新/擬流失客戶均以中型居多，小型其次，大型最少。大型規(guī)模的潛力客戶最多，占一半以上，優(yōu)質(zhì)客戶排名第二，新/擬流失客戶、流失客戶相較中、小型零售戶最少；中型規(guī)模的客戶排名是一般客戶第一、潛力客戶第二、新/擬流失客戶第三、流失客戶第四、優(yōu)質(zhì)客戶第五；小型規(guī)模的零售戶也以一般客戶居多，因投資成本低，新/擬流失客戶及流失客戶比重都比大、中型高，優(yōu)質(zhì)客戶和潛力客戶自然就極少。

六、結(jié)語

文章依托大數(shù)據(jù)平臺，收集了湖北省某地市的零售戶38 567戶、訂單162.99萬份。經(jīng)過構(gòu)造RFM指標、剔除無效零售戶、剔除異常值等數(shù)據(jù)處理后，得到樣本35 863個。通過R語言實現(xiàn)的K-means聚類建模，將分析樣本劃分為較為理想的5大類，并結(jié)合年度該地市的實際訂煙情況，實現(xiàn)了5大類的精準定位，分別是優(yōu)質(zhì)客戶、潛力客戶、一般客戶、流失客戶、新/擬流失客戶，繼而比較貼合實際地分析了不同客戶群體的經(jīng)濟價值、供需情況、分布差異（包括業(yè)態(tài)差異、規(guī)模差異），為卷煙資源的合理配置以及營銷物資的合理投放提供了一定的參考，也為后續(xù)更細粒度地數(shù)據(jù)挖掘，比如零售戶對卷煙規(guī)格的偏好分析等，奠定了良好基礎。