“互聯網+”趨勢下數據驅動油品銷售企業創新銷售模式研究

韓曉宏

摘 要：“互聯網+”已經上升為國家戰略，在“互聯網+”趨勢下，傳統的油品銷售企業應該迅速進行數字化轉型，以適應新形勢下的市場競爭。數據分析能力是零售企業在進行數字化轉型過程中應重點關注的一個方面。文中闡述了數據分析的價值、數據基礎、數據來源等方面的理論與方法，并以某油品銷售企業的數據分析案例來說明數據分析技術在油品銷售企業中的應用。

關鍵詞：互聯網；油品銷售；數據分析；精準營銷

中圖分類號：TP39 文獻標識碼：A 文章編號：2095-1302（2018）09-00-06

0 引 言

2015年3月李克強總理在政府工作報告中提出：制定“互聯網+”行動計劃，推動移動互聯網、云計算、大數據、物聯網等與現代制造業結合，促進電子商務、工業互聯網和互聯網金融健康發展，引導互聯網企業拓展國際市場。“互聯網+”已上升為國家戰略，未來移動互聯網、大數據、云計算、物聯網、社交媒體等新技術將與傳統產業結合，使得每一個企業都是

“互聯網企業”。“互聯網+”對傳統產業價值鏈升級將產生深遠影響，互聯網對企業的改造從消費者開始到前端的營銷和零售，再到后端的生產制造，一直追溯到上游供應鏈，不斷放大。

在新的成品油供需環境下，油品銷售企業利潤越來越薄，市場競爭環境愈加激烈，客戶需求逐漸多樣化，因此企業急需搭上互聯網經濟發展的快車，實施數字化發展戰略，開展互聯網時代的業務轉型。

1 行業發展趨勢

在互聯網大潮下，傳統零售企業紛紛涉足電子商務，利用互聯網拓展銷售，強化供應鏈管理，聚集行業資源，提升企業地位。

按照成品油從煉廠到最終消費者的流通環節，我國成品油銷售主要包括批發和零售兩大市場。成品油批發環節從煉廠買入成品油，再銷售給零售企業；成品油零售則主要通過加油站等零售網點向千家萬戶供應成品油。此外，中石油和中石化還向終端用戶和大型用戶直接銷售部分成品油。成品油銷售產業鏈如圖1所示。

國內各煉油主體銷售模式以零售為主，批發、直銷為輔。零售端利潤空間大，加油站終端成為兵家必爭之地。成品油零售環節在產業鏈中盈利能力較強。成品油零售端利潤主要來源于零售價與批發價之間的價差，即批零差。

隨著國家成品油經營權放開，民營企業、外資企業積極進軍成品油零售市場，兩大石油巨頭銷售壟斷地位被打破，市場競爭日趨激烈。同時，隨著消費升級，消費者更加追求消費體驗，對商家服務提出了更高的要求。在此背景下，油品銷售企業必須擁抱“互聯網+”，利用大數據，以客戶為中心，創新銷售模式，包括引入“非油業務”，最大程度滿足客戶需求，贏得客戶信任。中石化推出易捷網上商城，線上與線下相結合。中石油2016年3月與阿里巴巴、螞蟻金服在北京簽署戰略合作框架協議，擬在阿里云、電子地圖、互聯網汽車以及中石油掌上營業廳、互聯網支付、電子加油卡和互聯網金融等領域開展合作。

2 “互聯網+”趨勢下以客戶為中心

“以客戶為中心”這一理念自其出現開始即受到零售業界的廣泛認同，在互聯網時代，這一理念依然有效。企業如何做到以客戶為中心？具體來說就是形成一個從“認識你的客戶”到“觸動你的客戶”和“贏取你的客戶”的客戶關系閉環管理。首先，通過基于數據的客戶分析和客戶分群，獲取對客戶的洞察力，明確目標客戶與目標市場；其次，基于瞄準的客戶群體，分析客戶的不同需求，通過開發創新的產品和方案來滿足客戶需求，甚至通過提供超過客戶期望的產品和服務來觸動客戶，從而獲取新的客戶；最后，基于產品和方案特點，以及與客戶交互的特點，設計無縫、靈活、多渠道協同的客戶交互方式，將產品和方案交付給客戶，在服務過程中使客戶獲取一致的客戶體驗，從而保持客戶黏性。通過這樣的業務閉環，不斷篩選、識別有價值的客戶，并與其長期保持業務關系。以客戶為中心的增長戰略如圖2所示。

互聯網商業模式逐漸改變了終端消費者的消費習慣，消費者越來越“苛刻”，除了要買到好產品，同時還要求“實惠”“方便”“選擇多”“買得省心”。個性化營銷、一站式服務、整體解決方案、一體化運營等越來越多地成為了企業的共識。研究發現，最能夠影響消費者購買決策的促銷方式是個性化的店內折扣和通過電子郵件發送的優惠券。研究還發現，雖然傳統的促銷式個性化互動最容易打動消費者，但建議類互動的影響力也不可低估，不同促銷手段的影響力如圖3所示。同時，消費者對于不同商品的不同促銷方式的接受度也不同。因此，零售商需要與消費者進行多維度、多方式的個性化互動才能有效促進消費者的購買行為。

由于個性化互動具有“定制性”特點，對數據分析的能力要求很高。如何為每位消費者“量體裁衣”提供消費者所需互動不僅考驗零售商的數據收集能力，更考驗其數據分析能力。

由此可見，強大的數據分析能力是互聯網環境下油品銷售企業需要重點關注的方面之一。

3 數據分析關注點

3.1 數據價值

通過數據分析可以為油品銷售企業帶來五個方面的價值：

（1）精準智能營銷。可以建立基于大數據的客戶360度統一視圖，幫助企業理解客戶，認識客戶個體的特點，感知客戶行為模式的變化，準確預測客戶的需求。隨時隨地通過便捷的渠道提供個性化的產品與服務，并且根據客戶反饋隨時調整策略。

（2）產品創新。通過社交化媒體進行產品與品牌的輿情分析，可以基于數據分析指定品牌和市場戰略，通過RFID追蹤并分析產品的使用情況，通過對客戶的交易和行為的分析認識和把握客戶需求，針對需求推出個性化的產品和服務。

（3）優化運營流程。可以打通數據驅動的信息流，輔助供應鏈優化和渠道整合，實現服務創新和業務流程的整合優化，并實現以客戶為中心的高效運營體系和扁平化組織體系。

（4）科學智能決策。通過智能數據分析與挖掘提升決策支持能力，使得決策更加科學、準確、高效。通過及時、高效的數據分析挖掘成果，可有效應對客戶與市場環境的各種細微變化。

（5）深入的客戶洞察。可以實現客戶在企業內的交易交互行為分析，也可以進行客戶在企業外的行為活動分析，識別整合客戶在企業內外的數據，對客戶進行全方位的理解洞察，對客戶的行為進行預測，并基于預測優化客戶體驗。

3.2 數據來源

數據分析與挖掘的對象不僅僅關注企業內部的數據，更要充分融合企業內外的交易和交互數據，這樣才能充分挖掘到數據價值。應整合結構化、非結構化、半結構化、實時數據流等各類數據，并進行企業間的數據交換合作。

以中石油公司為例，內部數據庫存儲了大量的內部運營數據、生產運行數據（包括油氣生產數據、油氣相關的產運銷儲貿數據、化驗分析數據等）、工程技術數據。“互聯網+”時代更為重要的企業和客戶互動時所產生的所有數據信息（OLTP）是了解客戶行為的原始材料，它們是企業的眼睛和耳朵。

企業內部系統中的客戶信息、市場促銷、交易數據、結算數據等結構化數據以及企業官網的數據只能達到企業正常營銷管理需求的15%的量能，不足以給出一個重要洞察和發現的規律。而其他85%的數據如社交媒體數據、郵件數據、地理位置、智能設備傳感器、音視頻等不斷增加的信息數據等更多以圖片、視頻等方式或半結構化、非結構化的數據存在，幾年前它們可能不被重視，甚至不被企業所采集。而在應用大數據技術后，對該部分數據的分析在競爭激烈的市場中日顯寶貴，作用突出。

3.3 數據基礎

客戶數據識別與整合的基礎在于數據的統一化和標準化。應建立一套客戶360度視圖核心內容，多層次立體化的客戶標簽體系。

一套完整的客戶標簽體系通常具備以下幾方面內容：

（1）基礎屬性特征：如年齡、性別、單位等；

（2）終端屬性特征：如手機品牌、型號等；

（3）內容喜好特征：如軍事、旅游、音樂、游戲等；

（4）業務服務：如理財、存款、貸款、收集銀行等；

（5）位置信息：出沒規律、出行規律、商圈級別、差旅習慣等；

（6）作息時間：收集開關機時間、固網通話情況、寬帶或者上網時頻等；

（7）消費習慣：歷史消費情況、位置出現規律、付費習慣等；

（8）行為特征：通常是基于其網絡行為獲取的特征數據，包括下載、瀏覽、搜索、郵件等；

（9）應用偏好特征：微博、音樂、游戲、閱讀等；

（10）社交網絡：包括交往人群、圈子影響力等。

3.4 數據分析

在已建立數據基礎的前提下，油品銷售企業可以利用大量數據進行主題分析。本文主要從營銷角度出發，闡述以下幾個主題。

3.4.1 通過聚類分析實現客戶的差異化分群

客戶分群是將全體客戶劃分為多個組并刻畫特征的過程，使得組內客戶高度相似，組間客戶差異明顯，目的是方便為客戶提供差異化、專業化的服務及更加精準的營銷、銷售。

聚類分析模型是目前主要的客戶分群方法。主流的聚類算法包括K-means、兩步聚類、層級聚類、時間序列聚類、譜聚類以及核聚類等。這些通常是半監督或無監督的數據挖掘方法，即通過數據本身發現可能的業務模式。聚類分析建模過程如圖4所示。

3.4.2 客戶流失分析預測

與客戶打交道的業務就不得不應對由于各種原因而導致的客戶流失。這也催生了客戶流失分析預測，或者我們稱之為生存分析。業務人員希望通過該模型得知何時開始擔心客戶做出某些重大事件，如終止購買或者進行另一項采購。同時還可以識別哪些因素與這些事件相關。客戶流失曲線也可以提供客戶和客戶生存周期的快照，并回答例如“我們應該在多大程度上擔心這位客戶會在不久的將來離開？”或者“這位客戶最近沒有購買行為，是否該開始擔心該客戶不會再光顧？”等問題。

流失分析利用了客戶行為中最重要的一個方面——持續期。客戶已經光顧的時間可以為我們提供豐富的信息，尤其是當與某些特定業務相關時。流失分析建模過程如圖5所示。

首先通過采集已經定義為流失客戶的業務歷史數據作為樣本，應用邏輯回歸、決策樹或神經網絡算法，基于樣本數據訓練形成流失模型，進而尋找到流失客戶的共同特征。應用該模型對當前還未流失的客戶的下一步流失可能性進行打分，打分過程實際體現了當前客戶的行為與已流失客戶行為的相似程度。對于流失可能性打分較高的客戶，預示著他們的行為與曾經流失的客戶行為相像，也提醒業務人員將其列為重點關注或挽留的目標客戶。

3.4.3 客戶購買關聯挖掘分析

利用客戶購買交易行為數據，發現在一定時間內頻繁購買的商品項目。從所有的客戶購物交易數據中選取一定時間區間的記錄數據，如一年、一個季度等，尋找當用戶購買了A商品的基礎上，又購買了B商品的人數所占比例，當該比例達到預設的目標水平時，我們就認為這兩個商品存在一定的關聯性，所以當用戶購買了A商品但還未購買B商品時，我們就可以向該類用戶推薦B商品。關聯分析建模過程如圖6所示。

在對關聯規則進行分析的過程中，通常使用持度、置信度和提升度判別關聯規則的好壞。

國外企業在這方面做的比較好，中石化、中石油等借鑒海外經驗率先拓展非油品業務，向綜合性服務商轉變。將成品油零售業與傳統商業逐步融合，積極拓展便利店、快餐、汽車美容等非油品業務，實現“油非”互促，從而提高加油站盈利能力和抗風險能力。根據海外經驗，通過戰略合作引入外部專業化品牌，或者設立從屬于公司品牌的專業化子品牌，就成為石油公司發展非油業務的基本選擇。

2002年起，中石化通過與殼牌、BP和埃克森美孚等公司合資經營加油站，開始積累非油品業務經驗。2008年，中石化正式創立“易捷”便利店品牌，涉足非油品業務。便利店以自營為主，采用通過廣告、快餐等業務以引進知名品牌、場地出租為主的經營模式。但易捷便利店依托加油站限制了其顧客群體及消費次數，單店銷售額與市場上的專業便利店還存在不小差距。為了提高公司非油品的經營能力，中石化銷售公司于2014年組建了專業的全資子公司，“中石化易捷銷售有限公司”在北京揭牌成立。2017年初，易捷便利店脫離中石化加油站，在北京開啟第一家對外的獨立門店，向便利店零售市場發起沖擊，以提升非油品業務的盈利能力。

2002年中石油通過借鑒合資公司的運營模式和經驗，開始探索非油品業務。 2007年中石油成立了正式的非油品機構，全面啟動非油品業務。2008年，中石油推出“昆侖好客”品牌便利店，開始嘗試向綜合服務商轉變。截至2015年底，中石油全國加油站便利店數量超過1萬座，2015年全年實現非油業務收入124.2億元，占銷售板塊營業總收入的0.9%。

4 油品銷售企業數據分析應用案例

過去10年，隨著互聯網技術的變革，油品銷售行業已發生巨大改變，主要體現在終端零售客戶的體驗被極大地豐富，一方面客戶獲取產品信息的渠道不再局限于單一的模式，擁有了更多選擇，傳統營銷手段如報紙、廣播和電視等媒體對于客戶的影響力被大幅稀釋；另一方面，客戶進行交易的場所和客戶觸點也逐漸由單純的線下轉為線上線下混合模式，客戶在快速適應或者正在享受以互聯網為主要介質的消費互動方式。客戶體驗的發展如圖7所示，實體結合虛擬數字化的消費體驗正在成為未來的主流趨勢。

在此背景下，研究某國際傳統油品銷售企業的“觸網”轉型之路，研究其如何應用數據分析技術提供更為全面的客戶體驗，進而提升企業效益，對拓展如何攫取數據價值的思路具有借鑒意義。

4.1 該企業數據分析的整體實施過程

該企業將建立數據驅動的精準營銷作為目標。如圖8所示，其首先整合多方數據形成360度客戶視圖，基于上述數據計算客戶價值，并基于客戶價值和行為特征開展分群；基于聚類分析，描述可執行的客戶分群的行為特征和需求；基于不同客戶群體的共性和公司業務目標，將統計學上聚類分析的結果進行調整和優化；之后，該企業形成了自身客戶畫像，包括制定各類客戶的發展策略（挽留、放棄、開發等）等；基于客戶的渠道偏好、交互偏好設計有針對性的渠道和交互策略；針對特定分群設計有針對性的營銷方案，持續監控營銷活動效果與預期的差異，并及時調整和優化。

通過以上分析與精準營銷，該企業預期提升約15%～20%的銷售收入。

4.2 通過聚類分析實現客戶的差異化分群

圖9所示為該企業應用數據分析軟件設計并實施相應的聚類分析模型后形成的客戶分群結果。具有如下特點：

（1）該企業的高價值客戶細分為四個群體：高忠誠度客戶、職業司機、常規客戶、食品和日常用品購買者。

（2）高價值客戶人數約占該企業客戶總人數的20%，卻為該企業貢獻了近60%的油品銷量和近75%的非油品銷量。該結果暗示了對于高價值客戶的營銷活動與維系其投資的回報率可能會更高。

（3）在非高價值客戶中，44%的客戶群體為消費頻率較低的客戶或新客戶，如何挖掘這部分客戶的需求，刺激其消費，發現其中的潛在客戶同樣具有重要意義。

（4）由于比較準確地描述了不同群體的客戶消費特點、偏好，該企業可以組織有針對性的營銷活動，例如將部分屬于非高價值客戶群的客戶遷移為高價值客戶，或針對品牌中立者開展針對性營銷，使之發展為品牌追隨者。

4.3 形成客戶的360視圖

該企業對于客戶的數據分析結果除了進行精準營銷外，還豐富并形成了每一個B2C客戶的360視圖，真正做到“千人千面”，為基于客戶的個性化特點提供個性化服務打好基礎。

客戶360視圖如圖10所示。以George先生為例，該企業最終構建的George 360視圖包括其位置信息、加油信息、發展潛力、所享受的優惠方案、其接觸企業的渠道、消費的頻率、需求等。當George再進行某次消費時，業務人員可以及時查看他的360視圖信息，最終實現顧問式互動營銷，及時挖掘George的潛在需求，提供無縫、舒適的用戶體驗，進而始終保持該客戶的品牌忠誠度，為企業帶來持續的口碑和利潤提供了無限可能。

5 結 語

“互聯網+”時代，移動互聯網、大數據、云計算、物聯網、社交媒體等新技術都將與傳統產業結合，使得每一個企業都是“互聯網企業”。在新的成品油供需環境下，傳統油品銷售企業利潤越來越微薄，市場競爭越來越激烈，客戶需求越來越多樣化。

因此，為更好地滿足客戶需求，實現精準營銷，持續提升效益，油品銷售企業必須充分認識到“互聯網+”時代數據分析的重要性和緊迫性，切實提升數據分析和應用能力，實施數字化發展戰略，創新銷售模式，為企業可持續發展奠定良好基礎。

參考文獻

[1]許佑宏，文迪.轉型無縫零售[M].Accenture，2014.

[2]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數據時代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013.

[3]戴夫·柯本，特蕾莎·布朗，瓦萊麗·普里查德.互聯網新思維：未來十年的企業變形計[M].北京：中國人民大學出版社，2014.

[4] JIAWEIHAN，MICHELINEKAMBER，JIANPEI.數據挖掘概念與技術[M].北京：機械工業出版社，2012.

[5] MICHAELJ A BERRY，GORDONS LINOFF.數據挖掘技術：應用于市場營銷、銷售與客戶關系管理領域應用[M].北京：機械工業出版社，2013.

[6]比約·布勞卿，拉斯·拉克，托馬斯·拉姆什.大數據變革：讓客戶數據驅動利潤奔跑[M].北京：機械工業出版社，2014.

[7]麥德奇，保羅B布朗，王維丹.大數據營銷 定位客戶[M].北京：機械工業出版社，2014.

[8]菲爾·西蒙，漆晨曦.大數據可視化：重構智慧社會[M].北京：人民郵電出版社，2015.

[9] Digital Marketing Customer Analytics[M].Accenture，2015.

[10]騰訊科技頻道.跨界開啟互聯網與傳統行業融合新趨勢[M].北京：機械工業出版社，2014.

[11]盧輝.數據挖掘與數據化運營實戰 思路、方法、技巧與應用[M].北京：機械工業出版社，2013.