連鎖便利店分檔研究

陶 浩，吳 旦，田考聰

（重慶醫(yī)科大學(xué),重慶400016）

一、導(dǎo)言

隨著信息化的不斷發(fā)展，連鎖便利店已經(jīng)成為當(dāng)前社會便利銷售服務(wù)的核心。中國連鎖經(jīng)營協(xié)會與波士頓咨詢公司聯(lián)合發(fā)布的 《2017年中國便利店發(fā)展報(bào)告》指出，我國2017年便利店行業(yè)增速達(dá)23%，門店超過10萬家，市場規(guī)模超過1900億元。開店數(shù)量及門店銷售額雙雙增長，市場空間大，一二線城市是增長熱點(diǎn)①。

但看似欣欣向榮發(fā)展的背后，卻存在著巨大的危機(jī)。一方面，本土便利店品牌會直接遭遇外資品牌在綜合運(yùn)營能力上的挑戰(zhàn)；另一方面，自身的品牌建設(shè)能力和商品開發(fā)能力不足，導(dǎo)致企業(yè)缺乏明確的價(jià)值觀和落地能力②。近年來店鋪?zhàn)饨?、人工成本的不斷上漲也給企業(yè)帶來更多負(fù)擔(dān)。不少連鎖便利店不僅難以盈利，甚至連維持生計(jì)也成為問題。目前對連鎖便利店的研究主要包括在選址、競爭策略、品類管理、配送優(yōu)化等方面。很少有學(xué)者從門店自身產(chǎn)生的大量銷售數(shù)據(jù)入手，對企業(yè)的發(fā)展和管理提出建議和給予幫助。本文對X市Y便利店的經(jīng)營數(shù)據(jù)進(jìn)行分析，現(xiàn)將結(jié)果進(jìn)行報(bào)告。

二、對象與方法

（一）對象

本研究取自于X市Y連鎖便利店的150家門店2017年6月至2018年5月的銷售數(shù)據(jù),主要信息包括交易時(shí)間、流水號、子店名稱、商品名稱、購買數(shù)量、銷售額、商品成本、商品毛利潤等，共計(jì)6145萬余條銷售記錄。

對企業(yè)而言，開設(shè)便利店的目的是盈利，因此本文的研究對象是各門店的每日毛利潤?？紤]到便利店的每日毛利潤易受到休息日、節(jié)假日等的影響，選擇其毛利潤的變異系數(shù)作為穩(wěn)定性的衡量。日均利潤越高，說明該店的運(yùn)營能力越強(qiáng)；變異系數(shù)越低，說明該店的經(jīng)營越穩(wěn)定。經(jīng)提取每家店每日毛利潤，剔除異常值，求其平均值后，得到最終的數(shù)據(jù)集如表1所示。

表1 各店日均利潤及其變異系數(shù)

（二）方法

1.基于熵權(quán)的TOPSIS綜合評價(jià)。熵權(quán)是根據(jù)各指標(biāo)觀測值的信息量（熵）來計(jì)算權(quán)重的一種客觀賦權(quán)方法。它能夠客觀體現(xiàn)決策時(shí)某項(xiàng)指標(biāo)在指標(biāo)體系中的重要程度③。基于熵權(quán)的TOPSIS法的計(jì)算步驟如杜挺和李燦等所論④⑤。用TOPSIS法進(jìn)行評價(jià)，轉(zhuǎn)化方式用倒數(shù)法⑥。然后對同趨勢化后的原始數(shù)據(jù)矩陣進(jìn)行歸一化處理：

確定最優(yōu)方案（Z+）與最劣方案（Z-）：

采用熵權(quán)權(quán)重模型，計(jì)算權(quán)重。

首先，計(jì)算各指標(biāo)的熵

再計(jì)算各指標(biāo)的差異系數(shù)dj:

式中，dj越大，說明該指標(biāo)越重要。最終計(jì)算出各指標(biāo)的權(quán)重wj：

在上述基礎(chǔ)上計(jì)算出Ci。

按照Ci大小將各評價(jià)對象排序，Ci值越大，表示綜合效益越好。

（三）有序樣品聚類

有序樣品聚類由Fisher于1958年提出，它對樣品進(jìn)行分類時(shí)，要求考慮樣品的順序特性這個前提條件，不破壞樣品間的順序。具體的分析步驟為③⑦：

步驟 1：設(shè)樣品 X1、X2、…、Xn在分檔中，某類 G 包括的樣本有{Xi、Xi＋1、…、Xj}，(j＞i),則該類的均值向量為：

將該類內(nèi)部的各樣本間的總差異（其指標(biāo)是離差平方和）定義為該類的直徑，用D（i,j）表示：

步驟2：定義此分類的最小損失函數(shù)即為類內(nèi)總離差平方和:

步驟3：確定聚類個數(shù)：最優(yōu)分割就是使L[p(n,k)]達(dá)到最小值的一種分類法，聚類個數(shù)通過做L[p(n,k)]與聚類數(shù)k的變化趨勢圖求得，曲線的拐點(diǎn)處即為最優(yōu)聚類個數(shù)⑧。

（四）分類決策樹

決策樹常用的算法有ID3、C4.5與CART⑨。本文是基于連續(xù)屬性來生成決策樹，因此使用C4.5算法，它的采用機(jī)制是用二分法對連續(xù)屬性進(jìn)行處理。從根節(jié)點(diǎn)開始，選取最優(yōu)分割點(diǎn)來進(jìn)行樣本集合的劃分，使其該點(diǎn)二分后的信息增益達(dá)到最大。再對子節(jié)點(diǎn)遞歸的調(diào)用以上方法，構(gòu)建決策樹，直到所有特征的信息增益均很小或沒有特征可以選擇為止⑩。

三、結(jié)果

（一）基于熵權(quán)的TOPSIS法評價(jià)

現(xiàn)對表1中150家門店進(jìn)行綜合評價(jià)。日均利潤、變異系數(shù)作為原始指標(biāo)，屬于權(quán)重未知的情況，故采用熵權(quán)法求得日均利潤與變異系數(shù)的權(quán)重分別為：0.79217、0.20783。確定權(quán)重后，進(jìn)行TOPSIS綜合排序。其排序部分結(jié)果如表2所示。

表2 150家門店基于熵權(quán)的TOPSIS法排序結(jié)果

（二）有序樣品聚類

上述中的C值作為綜合指標(biāo)，表示為諸評價(jià)對象與最優(yōu)方案接近程度。是綜合考慮了各子店的日均利潤、變異系數(shù)而計(jì)算出的值。雖然可以直觀地看到每家門店經(jīng)營能力在連鎖品牌中的排位，但是本研究旨在對150家門店進(jìn)行分檔，即把運(yùn)營實(shí)力相近的門店放到相同的檔位?，F(xiàn)利用有序樣品聚類法對TOPSIS法中的C值進(jìn)行聚類。主要結(jié)果如表3所示。

表3 有序樣品聚類結(jié)果

圖1為聚類數(shù)K（只取到20）與其最小損失函數(shù)值的變化趨勢圖。曲線的拐點(diǎn)出現(xiàn)在K=6時(shí)，說明有序樣品被分為6檔時(shí)效果較好。此時(shí)，最小損失函數(shù)值為0.144。結(jié)合表3可知，第一檔門店：2家；第二檔門店：14家；第三檔門店：28家；第四檔門店：36家；第五檔門店：42家；第六檔門店：28家。各子店的具體分檔情況如表4所示。

圖1 不同分檔數(shù)時(shí)的最小損失函數(shù)值

表4 150家門店的分檔結(jié)果

現(xiàn)對各檔位門店日均利潤的均值是否相同做差異性分析。由于第一檔的門店數(shù)僅有兩家店，樣本過少，在此不納入分析。Shapiro-Wilk檢驗(yàn)結(jié)果表明，剩下5個檔位門店的日均利潤數(shù)據(jù)均滿足正態(tài)性分布。而Levene方差齊性檢驗(yàn)結(jié)果為F=1.64，P=0.1667＞0.05，表明這五組的數(shù)據(jù)滿足方差齊性。故在此可采用方差分析對各組間的均值進(jìn)行比較。其結(jié)果如表5所示。

表5 各檔日均利潤方差分析

方差分析結(jié)果為F=518.82，P＜0.0001，說明各檔位門店的日均利潤均數(shù)存在統(tǒng)計(jì)學(xué)差異，SNK-q檢驗(yàn)兩兩比較結(jié)果表明：任意兩個檔位之間的差異均具有統(tǒng)計(jì)學(xué)意義。具體均數(shù)的高低為：Ⅱ檔(均數(shù)：3348.28)＞Ⅲ檔 （均數(shù)：2560.13）＞Ⅳ檔 （均數(shù)：1832.62）＞Ⅴ檔 （均數(shù)：1227.61）＞Ⅵ檔 （均數(shù)：623.32）。這說明有序樣品聚類進(jìn)行分檔的結(jié)果比較合理，能夠?qū)⑦\(yùn)營實(shí)力相近的店面放到同一檔位，不同檔位間具有明顯的差異。

（三）決策樹分類

經(jīng)過綜合評價(jià)和有序樣品聚類，不僅實(shí)現(xiàn)了150家子店的綜合經(jīng)營實(shí)力排序，而且對其完成了所處檔位的標(biāo)注。而企業(yè)管理者較關(guān)心的一個問題是原始指標(biāo)的閾值具體為多少時(shí)，子店可以分到何等檔位。現(xiàn)運(yùn)用機(jī)器學(xué)習(xí)中的分類決策樹對表6進(jìn)行分類學(xué)習(xí)，以便能實(shí)現(xiàn)其需求。

表6 150家門店的原始指標(biāo)及其檔位標(biāo)注

由于該連鎖品牌中子店屬于Ⅰ檔的門店僅有兩家，這在決策樹中分成訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集會造成一定的影響，因此在上表的等級一列中，其值的意義為：2（Ⅰ、Ⅱ檔）、3（Ⅲ檔）、4（Ⅳ檔）、5（Ⅴ檔）、6（Ⅵ檔）。分別代表門店的等級：優(yōu)、較優(yōu)、良、中、差。即將樣本較少的檔位合并到鄰近的低檔位中，便于決策樹的學(xué)習(xí)以及泛化效果的驗(yàn)證。其模型的部分結(jié)果如圖2所示。

圖2 基于信息增益生成的決策樹

將表6中的150家門店隨機(jī)分為訓(xùn)練樣本與驗(yàn)證樣本，其比例為7:3。由訓(xùn)練樣本最終生成的決策樹如圖2所示，一共有四次分叉，且均用了日均利潤這個變量。其4個劃分節(jié)點(diǎn)分別為2939、2241、1562、984。 表明門店其日均利潤在[2939，＋∞＋∞）區(qū)間時(shí)被分為優(yōu)店；在[2241,2939）時(shí)被分為較優(yōu)店；在[1562,2241）區(qū)間時(shí)大可判斷為良店；在[984,1562）區(qū)間時(shí)可判斷為中等店；在[0,984）區(qū)間時(shí)可判斷為差店。其生成的決策樹在驗(yàn)證集上的預(yù)測準(zhǔn)確率為91.11%，其分類準(zhǔn)確率較高，具體的分類結(jié)果（混淆矩陣）如表7所示。

四、總結(jié)與建議

便利店作為一個競爭極其殘酷的行業(yè)，若企業(yè)沒有系統(tǒng)性地對自身進(jìn)行評估和認(rèn)識，很難做出理性決策來幫助自身在市場上立足。本文建立了一套連鎖便利店全面的合理性評價(jià)細(xì)則。綜合考慮便利店的運(yùn)營能力和穩(wěn)定性，選取各子店的日均利潤和變異系數(shù)來作為原始指標(biāo),進(jìn)行基于熵權(quán)的TOPSIS綜合評價(jià)?？傻玫骄唧w門店在其所有店面中的經(jīng)營實(shí)力排名，這可以幫助企業(yè)管理人員直觀地看到各門店的綜合運(yùn)營能力高低。

表7 生成決策樹對門店的預(yù)測結(jié)果

通過有序樣品聚類，可以有效地將所有店面劃分為6個不同優(yōu)劣等級的檔位，相同檔位內(nèi)的門店經(jīng)營能力比較接近。其中極優(yōu)店面有2家，占比1.33%；較優(yōu)店面有14家，占比9.33%；良好門店有28家，占比18.67%；中等門店有36家，占比24%；較差門店有42家，占比28%；而極差門店有28家，占比18.67%?？傮w看來，該連鎖便利店只有不到30%的優(yōu)良門店，其經(jīng)營狀況亟待改善。

運(yùn)用決策樹進(jìn)行分類學(xué)習(xí)表明，不僅幫助企業(yè)確定了不同檔位間的分檔閾值，可以讓子店的運(yùn)營者了解到自身經(jīng)營水平屬于何種等級；而且該決策樹的泛化能力比較強(qiáng)，對新店的經(jīng)營水平可直接進(jìn)行預(yù)測。在此，本文可以有效地對國內(nèi)連鎖便利店進(jìn)行高效分檔，并確立其分檔指標(biāo)的閾值大小，可以為企業(yè)的政策制定與調(diào)整提供有效參考。

最后，建議企業(yè)從以下兩個方面做出改善。首先，對所有店面的位置進(jìn)行綜合評分，在這里可以參考便利店選址模型。通過地址評分，一方面可以找出位置評分低而自身經(jīng)營能力也很低的門店，可以直接考慮關(guān)店，及時(shí)止損。另一方面，可以找出位置評分高但自身經(jīng)營能力卻很低的門店，必須關(guān)注這部分地理位置上的優(yōu)質(zhì)門店，及時(shí)找出其經(jīng)營能力不強(qiáng)的原因，進(jìn)行調(diào)整。其次，該連鎖品牌子店分布于該市各區(qū)，可以對其進(jìn)行地址劃分，結(jié)合其劃分區(qū)域門店優(yōu)良占比情況，合理選擇建倉位置及其大小，在滿足門店經(jīng)營需求下，最大程度地降低運(yùn)輸成本和儲存成本。

注釋：

①中國連鎖經(jīng)營協(xié)會，波士頓咨詢公司.2018中國便利店發(fā)展報(bào)告[EB/OL].（2018-05-24）[2018-08-05].http：//www.ccfa.org.cn/portal/cn/view.jsp?lt=33&id=434758.

②章曼程.我國連鎖便利店發(fā)展存在的問題及對策分析[J].時(shí)代金融,2016.

③毛瑋.幾種典型綜合評價(jià)方法的比較及SAS軟件實(shí)現(xiàn)[D].中國人民解放軍軍事醫(yī)學(xué)科學(xué)院,2011.

④杜挺,謝賢健,梁海艷等.基于熵權(quán)TOPSIS和GIS的重慶市縣域經(jīng)濟(jì)綜合評價(jià)及空間分析[J].經(jīng)濟(jì)地理,2014,34(6):40-47.

⑤李燦,張鳳榮,朱泰峰,等.基于熵權(quán)TOPSIS模型的土地利用績效評價(jià)及關(guān)聯(lián)分析[J].農(nóng)業(yè)工程學(xué)報(bào),2013,(5):217-227.

⑥孫振球.醫(yī)學(xué)統(tǒng)計(jì)學(xué)[M].北京：人民衛(wèi)生出版社，2016:416-417.

⑦顏虹.醫(yī)學(xué)統(tǒng)計(jì)學(xué)[M].北京：人民衛(wèi)生出版社，2010:416-417.

⑧蔡亞寧,裴曉婷,孫盼盼等.基于有序聚類分析法探討成年人體質(zhì)指數(shù)的年齡和性別分布特征[J].中華流行病學(xué)雜志,2018,39(6):821-825.

⑨李航.統(tǒng)計(jì)學(xué)習(xí)方法[M].北京：清華大學(xué)出版社，2018:55-74.

⑩周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2018:79-88.