付二局 魯鐘情 張超

一、引言

當(dāng)前，煙草行業(yè)處于高質(zhì)量發(fā)展期，煙草公司面臨著卷煙精準(zhǔn)貨源投放，滿足目標(biāo)客戶差異化需求帶來的挑戰(zhàn)。在行業(yè)高質(zhì)量發(fā)展要求下，本文從卷煙市場需求出發(fā)，利用大數(shù)據(jù)和人工智能技術(shù)，通過時(shí)間序列預(yù)測算法、神經(jīng)網(wǎng)絡(luò)算法等進(jìn)行數(shù)據(jù)挖掘，形成目標(biāo)客戶特征數(shù)據(jù)，精準(zhǔn)定位目標(biāo)客戶需求，從而預(yù)測未來市場發(fā)展，實(shí)現(xiàn)貨源精準(zhǔn)匹配，達(dá)到最優(yōu)的市場投放目標(biāo)。

二、研究背景

煙草行業(yè)作為國民經(jīng)濟(jì)的重要組成部分，推動高質(zhì)量發(fā)展是行穩(wěn)致遠(yuǎn)的必然途徑。煙草行業(yè)始終堅(jiān)持“十六字”方針戰(zhàn)略導(dǎo)向，堅(jiān)定不移推動行業(yè)高質(zhì)量發(fā)展。貨源投放精準(zhǔn)化是當(dāng)前行業(yè)高質(zhì)量發(fā)展的一項(xiàng)重要探索領(lǐng)域，通過探索精準(zhǔn)營銷策略，提高供給水平、滿足市場需求，達(dá)到供求平衡的目標(biāo)。

目前，煙草行業(yè)正廣泛采用數(shù)據(jù)挖掘、大數(shù)據(jù)分析、K均值聚類、機(jī)器學(xué)習(xí)、人工智能等技術(shù)進(jìn)行探索研究，即將邁入精準(zhǔn)營銷的新階段。本文從大數(shù)據(jù)和人工智能技術(shù)角度，對目標(biāo)客戶數(shù)據(jù)進(jìn)行分析，形成目標(biāo)客戶特征數(shù)據(jù)，逐一實(shí)現(xiàn)各品規(guī)卷煙和目標(biāo)客戶精準(zhǔn)匹配，實(shí)現(xiàn)動態(tài)最優(yōu)貨源投放策略，達(dá)到最優(yōu)的市場狀態(tài)。

三、計(jì)算機(jī)語言應(yīng)用的重要性

按照煙草行業(yè)高質(zhì)量發(fā)展要求，堅(jiān)持“總量控制、稍緊平衡，增速合理、貴在持續(xù)”方針，探索研究計(jì)算機(jī)技術(shù)應(yīng)用是深化市場營銷的重要手段，是實(shí)現(xiàn)高質(zhì)量發(fā)展的必然要求。

當(dāng)前，對每個(gè)目標(biāo)客戶進(jìn)行精準(zhǔn)分析定位，做到目標(biāo)客戶個(gè)性分析和關(guān)聯(lián)性分析相統(tǒng)一，解決了人為無法精準(zhǔn)對目標(biāo)客戶分析探索研究的難題。本文立足于大數(shù)據(jù)和人工智能技術(shù)，考慮目標(biāo)客戶個(gè)性分析和關(guān)聯(lián)性分析兩大因素，兼顧目標(biāo)客戶公平性和貨源投放的精準(zhǔn)性，進(jìn)而達(dá)到貨源投放精準(zhǔn)化目的。

計(jì)算機(jī)技術(shù)具備運(yùn)算速度快、計(jì)算精確度高、邏輯運(yùn)算能力強(qiáng)等特點(diǎn)，通過對目標(biāo)客戶分析，針對每款卷煙形成一套該品規(guī)卷煙的客戶數(shù)據(jù)分析后，再將該品規(guī)本次投放量逐一分配到目標(biāo)客戶，進(jìn)行循環(huán)分析投放，達(dá)到精準(zhǔn)化投放目的。

四、建設(shè)思路

（一）目標(biāo)客戶數(shù)據(jù)收集分析思路

對目標(biāo)市場客戶進(jìn)行數(shù)據(jù)收集，內(nèi)容涵蓋目標(biāo)客戶基本信息、貨源購銷信息和其他信息。通過對每個(gè)目標(biāo)客戶數(shù)據(jù)分析，分析各品規(guī)卷煙歷次動態(tài)訂購數(shù)據(jù)，從而形成下次卷煙投放預(yù)測量，進(jìn)而形成“通過每次的貨源投放數(shù)據(jù)分析動態(tài)調(diào)整下次貨源精準(zhǔn)投放的目標(biāo)”。通過計(jì)算機(jī)技術(shù)，以歷史投放的結(jié)果為依據(jù)，分析調(diào)整貨源投放策略，將市場狀態(tài)推向目標(biāo)期望的精準(zhǔn)狀態(tài)。

（二）目標(biāo)客戶貨源投放建設(shè)思路

貨源精準(zhǔn)投放的最終實(shí)現(xiàn)，要依賴數(shù)據(jù)分析的選擇、多輪次卷煙投放作為基礎(chǔ)數(shù)據(jù)分析。以大數(shù)據(jù)分析為基礎(chǔ)，利用人工智能技術(shù)進(jìn)行精準(zhǔn)分析，明確每款卷煙和目標(biāo)客戶的對應(yīng)關(guān)系，形成新一輪次的貨源投放測算表，從而促進(jìn)市場狀態(tài)不斷向好發(fā)展。基于目標(biāo)數(shù)據(jù)的可用性分析，對一些不易采集又極為重要的個(gè)性數(shù)據(jù)，通過調(diào)整多輪次貨源投放策略，利用計(jì)算機(jī)技術(shù)對導(dǎo)致該個(gè)性數(shù)據(jù)影響因素進(jìn)行分析，確定數(shù)據(jù)的可用性。

（三）目標(biāo)客戶貨源分配構(gòu)建思路

在目標(biāo)數(shù)據(jù)基礎(chǔ)上，將每個(gè)客戶作為目標(biāo)進(jìn)行分析，對每款卷煙的歷次投放數(shù)據(jù)進(jìn)行分析研究，利用人工智能技術(shù)進(jìn)行數(shù)據(jù)篩選和應(yīng)用，進(jìn)而確定每款卷煙對應(yīng)的每個(gè)客戶的投放量，形成新一輪次貨源投放策略測算表。在此基礎(chǔ)上，采用大數(shù)據(jù)、人工智能技術(shù)對目標(biāo)數(shù)據(jù)進(jìn)行綜合分析，形成貨源投放測算表，為新一輪次貨源投放提供依據(jù)。

五、主要路徑

（一）目標(biāo)市場數(shù)據(jù)分析

目標(biāo)客戶數(shù)據(jù)是實(shí)現(xiàn)精準(zhǔn)投放的數(shù)據(jù)之源。目標(biāo)客戶數(shù)據(jù)又分為基礎(chǔ)數(shù)據(jù)、訂購數(shù)據(jù)和歷史動銷數(shù)據(jù)，基礎(chǔ)數(shù)據(jù)為客戶檔位、信用等級等信息，訂購數(shù)據(jù)為客戶訂購卷煙數(shù)量，通過基礎(chǔ)數(shù)據(jù)和訂購數(shù)據(jù)，建立完整的客戶畫像，了解不同的目標(biāo)客戶的消費(fèi)群體、購買力等信息，從而為后續(xù)數(shù)據(jù)使用奠定基礎(chǔ)。歷史動銷數(shù)據(jù)是客戶實(shí)際銷售過程中產(chǎn)生的數(shù)據(jù)，對目標(biāo)客戶數(shù)據(jù)分析意義重大，是建立數(shù)據(jù)挖掘和預(yù)測模型的核心數(shù)據(jù)，對算法的準(zhǔn)確性和效率有著不可或缺的意義。但歷史動銷數(shù)據(jù)存在收集難和信息不完整等問題，可以通過建立客戶動銷數(shù)據(jù)庫、利用社交媒體等方式收集客戶動銷數(shù)據(jù)。

（二）目標(biāo)市場數(shù)據(jù)使用

目標(biāo)市場數(shù)據(jù)的使用離不開數(shù)據(jù)挖掘和預(yù)測模型，而不同的數(shù)據(jù)挖掘和預(yù)測模型適用于不同的業(yè)務(wù)場景。時(shí)間序列預(yù)測算法是一種利用歷史數(shù)據(jù)來預(yù)測未來趨勢的機(jī)器學(xué)習(xí)算法，適合利用歷史動銷數(shù)據(jù)分析目標(biāo)客戶對單一產(chǎn)品的未來訂購需求。神經(jīng)網(wǎng)絡(luò)算法可以用來預(yù)測客戶在未來可能購買的商品種類和數(shù)量，適用于同一目標(biāo)客戶的不同卷煙種類分配投放。將算法和模型相結(jié)合，借助大數(shù)據(jù)相關(guān)技術(shù)，能有效解決在貨源精準(zhǔn)投放中存在的相關(guān)問題。

卷煙銷售和市場狀態(tài)密不可分，因此可以通過使用多種時(shí)間序列預(yù)測算法進(jìn)行建模和預(yù)測。以下是幾種常見的卷煙銷售量時(shí)間序列預(yù)測算法。

ARIMA模型：這是一種基于自回歸移動平均的統(tǒng)計(jì)模型，可以較好地?cái)M合時(shí)間序列數(shù)據(jù)中的趨勢和周期性變化。在卷煙銷售量預(yù)測中，可以使用ARIMA模型對歷史銷售量數(shù)據(jù)進(jìn)行建模，并預(yù)測未來的銷售量。ARIMA模型有多個(gè)參數(shù)需要調(diào)整，需要根據(jù)實(shí)際情況選擇合適的模型。

LSTM神經(jīng)網(wǎng)絡(luò)模型：它可以通過學(xué)習(xí)歷史銷售量數(shù)據(jù)中的長期依賴關(guān)系來預(yù)測未來的銷售量。在卷煙銷售量預(yù)測中，可以將歷史銷售量數(shù)據(jù)作為輸入特征，將未來銷售量作為輸出目標(biāo)，可以通過訓(xùn)練LSTM神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行預(yù)測。LSTM神經(jīng)網(wǎng)絡(luò)模型具有較好的時(shí)序建模能力，并且可以處理長序列數(shù)據(jù)。

Prophet模型：這是一種基于季節(jié)性分量的線性回歸模型，可以較好地預(yù)測時(shí)間序列數(shù)據(jù)的未來趨勢。在卷煙銷售量預(yù)測中，可以使用Prophet模型對歷史銷售量數(shù)據(jù)進(jìn)行建模，并預(yù)測未來的銷售量。Prophet模型具有較好的可解釋性和預(yù)測精度，并且支持對不同類型的季節(jié)性變化進(jìn)行建模。

需要注意的是，卷煙銷售量的時(shí)間序列預(yù)測涉及多個(gè)因素，如季節(jié)性、節(jié)假日、促銷活動等，因此需要綜合考慮各類因素來選擇合適的算法和參數(shù)。同時(shí)，還需要對預(yù)測結(jié)果進(jìn)行評估和調(diào)整，以提高預(yù)測準(zhǔn)確度和實(shí)際應(yīng)用效果。

神經(jīng)網(wǎng)絡(luò)算法：該算法通過對大量歷史數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，建立復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測未來市場需求和客戶行為。例如，通過分析目標(biāo)客戶的購買歷史等信息，可以建立神經(jīng)網(wǎng)絡(luò)模型，預(yù)測目標(biāo)客戶在未來可能購買的商品種類和數(shù)量。

（三）目標(biāo)市場投放策略

通過大數(shù)據(jù)和人工智能技術(shù)，對每款卷煙的歷次投放數(shù)據(jù)進(jìn)行分析，利用時(shí)間序列預(yù)測算法，建立對應(yīng)卷煙的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測該卷煙目標(biāo)客戶訂購量，計(jì)算該卷煙精準(zhǔn)匹配目標(biāo)客戶實(shí)際需求量，逐一對每款卷煙進(jìn)行測算，形成新一輪次貨源投放測算表，作為貨源投放策略依據(jù)。

六、結(jié)語

大數(shù)據(jù)時(shí)代，煙草行業(yè)貨源投放探索不斷深入，計(jì)算機(jī)技術(shù)在探索中不可或缺。本文立足于市場狀態(tài)和目標(biāo)客戶需求，將歷次貨源投放數(shù)據(jù)作為數(shù)據(jù)積累，運(yùn)用人工智能技術(shù)進(jìn)行統(tǒng)計(jì)分析，避免人為因素影響，最終驅(qū)使卷煙市場不斷趨向于理想狀態(tài)。我們的目的在于使用計(jì)算機(jī)和AI技術(shù)，減少人工工作量，探索貨源投放新方法，不斷調(diào)整貨源投放策略，對目標(biāo)市場篩選、定性定量分析，最終形成可動態(tài)調(diào)整的貨源投放策略，服務(wù)于目標(biāo)市場客戶。

作者單位：付二局 鄭州市煙草公司西城區(qū)分公司

魯鐘情 河南省煙草公司鄭州市公司

張超 鄭州市煙草公司鞏義市分公司