翁金香，王浩名，周 洋，胡紅春

（1.河南省煙草公司信陽(yáng)市公司，河南 信陽(yáng) 464000；2.中國(guó)煙草總公司職工進(jìn)修學(xué)院，河南 鄭州 450008）

0 引言

“卷煙上水平”是國(guó)家局當(dāng)前和今后一個(gè)時(shí)期行業(yè)工作的基本方針和戰(zhàn)略任務(wù)。近年來(lái)，煙草行業(yè)緊跟國(guó)家信息化發(fā)展浪潮，積極開展數(shù)字化轉(zhuǎn)型，特別是作為中國(guó)煙草“半邊天”的煙草商業(yè)企業(yè)[1]。通過(guò)對(duì)數(shù)據(jù)的分析和應(yīng)用，基本實(shí)現(xiàn)了對(duì)市場(chǎng)動(dòng)態(tài)的全面感知，為經(jīng)驗(yàn)決策向數(shù)字化決策轉(zhuǎn)型提供了堅(jiān)強(qiáng)支撐，數(shù)據(jù)思維正不斷滲透到營(yíng)銷服務(wù)和零售客戶的日常經(jīng)營(yíng)中。

然而，在當(dāng)前的卷煙銷售工作中，客戶經(jīng)理們利用企業(yè)微信進(jìn)行客戶拜訪，但是這個(gè)系統(tǒng)存在一些問(wèn)題，使得他們無(wú)法最優(yōu)化地設(shè)置拜訪路線，也無(wú)法根據(jù)客戶的相關(guān)數(shù)據(jù)和指標(biāo)變化自動(dòng)分類，進(jìn)而根據(jù)分類結(jié)果制定一戶一策的拜訪計(jì)劃任務(wù)。此外，該系統(tǒng)也無(wú)法對(duì)客戶經(jīng)理當(dāng)月的工作結(jié)果進(jìn)行考核。這些問(wèn)題對(duì)于客戶經(jīng)理們來(lái)說(shuō)是一個(gè)巨大的挑戰(zhàn)，他們亟需通過(guò)現(xiàn)代技術(shù)手段提高工作效率和服務(wù)質(zhì)量[2]。

為了提高卷煙客戶經(jīng)理的工作效率，提升客戶的滿意度水平，許多專家學(xué)者基于客戶的特點(diǎn)，通過(guò)不同智能算法研究了客戶管理拜訪策略。

文獻(xiàn)[3?4]中分別根據(jù)終端“三個(gè)水平”實(shí)際測(cè)評(píng)情況，將零售終端分為八類客戶，并將卷煙零售戶納入“三星四類”誠(chéng)信等級(jí)管理。

文獻(xiàn)[5?6]中分別運(yùn)用SOM 聚類方法、兩步聚類模型進(jìn)行卷煙零售的客戶分類模擬研究，模擬結(jié)果顯示，該方法具有較高的科學(xué)性和精準(zhǔn)性。

為提高煙草行業(yè)商業(yè)客戶服務(wù)水平，文獻(xiàn)[7]中提出一種實(shí)施差異化戰(zhàn)略的方法，以更好滿足不同類別客戶的差異化需求。

文獻(xiàn)[8]中探討了依據(jù)轄區(qū)零售客戶的地域分布，運(yùn)用最短路徑模型，借助Excel 軟件給出最優(yōu)拜訪線路，以提升服務(wù)效率。

文獻(xiàn)[9]中探討了采用K 均值聚類算法獲得初始聚類中心并對(duì)配送區(qū)域進(jìn)行網(wǎng)格劃分，有效減少了配送車輛和行駛里程，均衡了不同配送線路之間的工作量。

本文在已有研究的基礎(chǔ)上，考慮客戶的不同價(jià)值維度，采用K 均值聚類機(jī)器學(xué)習(xí)算法對(duì)零售客戶進(jìn)行分類，構(gòu)造了客戶價(jià)值分類模型；同時(shí)根據(jù)智能拜訪的實(shí)際情況，使用LKH 超啟發(fā)算法和Dijkstra 最短路徑算法對(duì)客戶經(jīng)理拜訪路徑進(jìn)行最優(yōu)規(guī)劃。

1 客戶價(jià)值分類模型構(gòu)建

客戶價(jià)值是企業(yè)從與其具有長(zhǎng)期穩(wěn)定關(guān)系并愿意為企業(yè)提供產(chǎn)品和服務(wù)承擔(dān)合適價(jià)格的客戶中獲取的利潤(rùn)，即客戶為企業(yè)的貢獻(xiàn)[10]。

基于對(duì)卷煙零售客戶價(jià)值的分析與研究，從客戶基礎(chǔ)價(jià)值、客戶經(jīng)營(yíng)價(jià)值、品牌培育價(jià)值、客戶成長(zhǎng)價(jià)值、客戶誠(chéng)信價(jià)值、終端類型6 個(gè)維度提取了21 項(xiàng)指標(biāo)數(shù)據(jù)，構(gòu)造了IES 客戶價(jià)值分類模型。模型體系如圖1所示。

圖1 IES 客戶價(jià)值分類模型體系

1.1 客戶指標(biāo)

IES 客戶價(jià)值分類模型的具體指標(biāo)分為定量指標(biāo)和定性指標(biāo)。

定量指標(biāo)主要包括客戶基礎(chǔ)價(jià)值、客戶經(jīng)營(yíng)價(jià)值、品牌培育價(jià)值、客戶成長(zhǎng)價(jià)值4 個(gè)指標(biāo)。

1）客戶基礎(chǔ)價(jià)值

客戶基礎(chǔ)價(jià)值從經(jīng)營(yíng)業(yè)態(tài)、商圈類型、市場(chǎng)類型擴(kuò)展、信息采集類型、終端類型5 個(gè)指標(biāo)進(jìn)行評(píng)價(jià)，占總權(quán)重的20%，如表1 所示。

表1 客戶基礎(chǔ)價(jià)值表

2）客戶經(jīng)營(yíng)價(jià)值

客戶經(jīng)營(yíng)價(jià)值從客戶檔位、卷煙陳列面積、品牌寬度、卷煙陳列規(guī)格比例、月均省產(chǎn)煙訂購(gòu)總量5 個(gè)指標(biāo)進(jìn)行評(píng)價(jià)，占總權(quán)重的30%，如表2 所示。

表2 客戶經(jīng)營(yíng)價(jià)值表

3）品牌培育價(jià)值

品牌培育價(jià)值從是否具有品吸區(qū)、品牌推介能力、明碼實(shí)價(jià)率、新品貨源購(gòu)進(jìn)量、重點(diǎn)規(guī)格上柜率5 個(gè)指標(biāo)進(jìn)行評(píng)價(jià)，占總權(quán)重的30%，如表3 所示。

表3 品牌培育價(jià)值表

4）客戶成長(zhǎng)價(jià)值

客戶成長(zhǎng)價(jià)值從訂貨頻度、訂購(gòu)增長(zhǎng)率、條均價(jià)增長(zhǎng)率、計(jì)算機(jī)運(yùn)用水平4 個(gè)指標(biāo)進(jìn)行評(píng)價(jià)，占總權(quán)重的20%，如表4 所示。

表4 客戶成長(zhǎng)價(jià)值表

定性指標(biāo)主要包括客戶誠(chéng)信價(jià)值、終端類型，如表5 所示。

表5 客戶誠(chéng)信價(jià)值、終端類型表

1.2 價(jià)值分類

基于IES 客戶價(jià)值分類模型可以將客戶價(jià)值劃分轉(zhuǎn)化為典型的分割式聚類，聚類數(shù)即K值，相對(duì)明確。因而，使用K 均值聚類算法，其具有靈活、高效、準(zhǔn)確等優(yōu)勢(shì)[11]。

利用K 均值聚類算法求解價(jià)值分類的基本步驟如下：

1）將客戶價(jià)值數(shù)據(jù)分為K組，隨機(jī)選擇K個(gè)對(duì)象作為客戶價(jià)值優(yōu)化問(wèn)題的初始聚類中心。

2）對(duì)于價(jià)值分類問(wèn)題的每個(gè)客戶數(shù)據(jù)點(diǎn)，計(jì)算其與各個(gè)客戶價(jià)值聚類中心之間的距離，并將其分配給距離最近的價(jià)值聚類中心。

3）更新每個(gè)價(jià)值聚類的中心點(diǎn)，將其設(shè)置為屬于該價(jià)值聚類的所有客戶數(shù)據(jù)點(diǎn)的平均值。

4）重復(fù)步驟2）和步驟3），直到滿足某個(gè)終止條件（如最小化誤差平方和）。

通過(guò)全面評(píng)定，結(jié)合K 均值聚類對(duì)數(shù)據(jù)指標(biāo)進(jìn)行分析，將客戶劃分為核心型、重點(diǎn)型、成長(zhǎng)型、常規(guī)型、培育型、觀察型、異動(dòng)型7 個(gè)類型，如表6 所示。

表6 客戶分類標(biāo)準(zhǔn)表

根據(jù)客戶分類標(biāo)準(zhǔn)，對(duì)各類型客戶進(jìn)行畫像，形成客戶特點(diǎn)，如表7 所示。

表7 客戶特點(diǎn)表

根據(jù)客戶特點(diǎn)有針對(duì)性地對(duì)不同類型客戶推送相關(guān)服務(wù)內(nèi)容，如表8 所示。

表8 客戶服務(wù)內(nèi)容表

2 卷煙客戶拜訪路徑優(yōu)化策略

在基于IES 客戶價(jià)值分類模型和K 均值聚類機(jī)器學(xué)習(xí)算法對(duì)零售客戶進(jìn)行分類后，針對(duì)拜訪的實(shí)際情況，采用LKH 算法和Dijkstra 算法規(guī)劃卷煙客戶拜訪優(yōu)化路徑。

首先，利用LKH 算法交換不同商戶間的節(jié)點(diǎn)，使商戶間連接數(shù)與商戶內(nèi)連接數(shù)之間的差值最小化。

LKH 算法是一種超啟發(fā)式算法，用于解決線性規(guī)劃問(wèn)題[12]，其基本思想是將原問(wèn)題分解為較小的子問(wèn)題，然后通過(guò)解決這些子問(wèn)題來(lái)逐步逼近原問(wèn)題的最優(yōu)解。在卷煙客戶拜訪問(wèn)題中，由于客戶多點(diǎn)拜訪最優(yōu)排列的解空間是一個(gè)排列樹，利用LKH 算法，可以使商戶間連接數(shù)與商戶內(nèi)連接數(shù)之間的差值最小化。

采用卷煙客戶拜訪路徑候選解的搜索策略，將節(jié)點(diǎn)從自身客戶移動(dòng)到其他客戶中，或交換不同客戶之間的節(jié)點(diǎn)。在每次客戶拜訪路徑迭代過(guò)程中，生成、評(píng)估和選擇拜訪路徑候選解，只接受最佳的拜訪路徑解，并拒絕其他稍差的候選解，直到無(wú)法搜索到更優(yōu)的候選路徑解。運(yùn)算邏輯如圖2 所示。

圖2 不同客戶拜訪路徑優(yōu)化流程策略

其次，通過(guò)Dijkstra 算法來(lái)確定拜訪過(guò)程中的最短路徑。

Dijkstra 算法是一種經(jīng)典的貪心算法[13]，用于解決有向或無(wú)向圖中兩點(diǎn)之間的最短路徑問(wèn)題。該算法基于廣度優(yōu)先搜索思想，從起點(diǎn)開始向外擴(kuò)展，直到找到目標(biāo)點(diǎn)。該算法適用于路線權(quán)值為正的情況，具有快速、簡(jiǎn)單、易于實(shí)現(xiàn)等優(yōu)點(diǎn)。

在客戶經(jīng)理尋找最優(yōu)拜訪路徑時(shí)，由于客戶位置和客戶經(jīng)理出發(fā)點(diǎn)相對(duì)固定，因此，可以采用如下運(yùn)算邏輯：

1）將所有卷煙客戶位置分為兩部分：已知最短拜訪路徑的卷煙客戶位置集合P和未知最短拜訪路徑的卷煙客戶位置集合Q。初始時(shí)，已知最短拜訪路徑的卷煙客戶位置集合P中只有客戶經(jīng)理出發(fā)點(diǎn)一個(gè)卷煙客戶位置。

使用book[i]數(shù)組記錄哪些點(diǎn)位在集合P中。例如，對(duì)于某個(gè)卷煙客戶位置i，如果book[i]為1，則表示這個(gè)卷煙客戶位置在集合P中，如果book[i]為0，則表示這個(gè)卷煙客戶位置在集合Q中。

2）將客戶經(jīng)理出發(fā)點(diǎn)s到自己的最短拜訪路徑設(shè)為0，即dis[s]=0。如果存在客戶經(jīng)理出發(fā)點(diǎn)s能夠直接到達(dá)的卷煙客戶位置i，則將dis[i]設(shè)為e[s][i]。同時(shí)，將所有其他（客戶經(jīng)理出發(fā)點(diǎn)不能直接到達(dá)的）卷煙客戶位置的最短拜訪路徑設(shè)為無(wú)窮大。

3）從集合Q中選擇一個(gè)離客戶經(jīng)理出發(fā)點(diǎn)s最近的卷煙客戶位置u，加入到集合P中。同時(shí)，考察以點(diǎn)u為起點(diǎn)的所有邊，對(duì)每一條邊進(jìn)行松弛操作。

4）重復(fù)步驟3），直到集合Q為空。最終，dis 數(shù)組中的值即為客戶經(jīng)理出發(fā)點(diǎn)到所有卷煙客戶位置的最短拜訪路徑。

3 系統(tǒng)搭建與驗(yàn)證

基于上述模型和算法，搭建了一個(gè)客戶智能拜訪研究與應(yīng)用系統(tǒng)平臺(tái)。智能客戶拜訪系統(tǒng)平臺(tái)分為四大核心模塊：客戶智能分類、任務(wù)智能推送、線路智能優(yōu)化、績(jī)效智能考核。

經(jīng)過(guò)一段時(shí)間的運(yùn)行后，拜訪服務(wù)優(yōu)化拉動(dòng)整體營(yíng)銷業(yè)績(jī)提升成效初顯，具體表現(xiàn)為：

1）人均拜訪戶數(shù)顯著提高。

客戶經(jīng)理人均拜訪戶數(shù)由145 戶提升到城市線路人均服務(wù)客戶250 戶、農(nóng)村線路人均服務(wù)客戶200 戶。

2）戶均在途時(shí)間明顯減少。

客戶經(jīng)理戶均在途時(shí)間減少了17.24%，日均服務(wù)商戶數(shù)提升了23.5%。

3）商戶滿意度大大提升。商戶滿意度從97.65%提升到99.83%。

4 結(jié)論

本文基于對(duì)卷煙零售客戶價(jià)值的分析與研究，構(gòu)造了一種IES 客戶價(jià)值分類模型，采用K 均值聚類機(jī)器學(xué)習(xí)算法對(duì)零售客戶進(jìn)行分類，并針對(duì)智能拜訪的實(shí)際情況，利用LKH 超啟發(fā)算法和Dijkstra 最短路徑算法對(duì)客戶經(jīng)理拜訪路徑進(jìn)行最優(yōu)規(guī)劃和智能導(dǎo)航。平臺(tái)運(yùn)行結(jié)果表明，采用這一策略能夠顯著提高客戶經(jīng)理的人均拜訪戶數(shù)和商戶滿意度；同時(shí)，還大大縮短了戶均在途時(shí)間和商戶拜訪服務(wù)覆蓋周期。因此，該策略對(duì)于推動(dòng)卷煙營(yíng)銷工作質(zhì)量變革、效率變革和動(dòng)力變革具有重要意義?？傊?，通過(guò)分析卷煙零售客戶價(jià)值，以及利用智能拜訪技術(shù)進(jìn)行最優(yōu)路徑規(guī)劃，能夠更好地滿足客戶需求，提高營(yíng)銷效率，并為卷煙營(yíng)銷行業(yè)的持續(xù)發(fā)展注入新的動(dòng)力。