基于“五維”商圈網(wǎng)格的零售終端卷煙市場需求指數(shù)模型研究與應(yīng)用

胡慶展 謝邵斌 溫州市煙草專賣局（公司）信息中心

隨著“互聯(lián)網(wǎng)”模式的全面落地，行業(yè)累計采集海量消費數(shù)據(jù)，形成能反應(yīng)卷煙市場發(fā)展動態(tài)的“數(shù)字網(wǎng)絡(luò)”。本課題研究小組基于網(wǎng)格化的人地商圈、商業(yè)批發(fā)、終端零售、消費者及專賣監(jiān)管“五維一體”數(shù)據(jù)，研究零售終端卷煙市場需求指數(shù)模型，探索建設(shè)數(shù)據(jù)驅(qū)動的卷煙市場供需匹配、品牌精準(zhǔn)投放應(yīng)用，助力卷煙營銷向“數(shù)字化”深度轉(zhuǎn)型。

一、研究背景

當(dāng)前行業(yè)卷煙營銷在分析市場容量和需求，制定貨源投放計劃、投放策略上存在一些問題。

（一）市場需求影響因子度量方法有待創(chuàng)新

目前貨源投放以行業(yè)批發(fā)數(shù)據(jù)為主要參考指標(biāo)，終端周邊商圈客流、人群特征等市場因素對銷量的影響，更多以“定性”方式在投放策略中體現(xiàn)，缺少能度量區(qū)域市場需求影響因子的科學(xué)方法。

（二）區(qū)域市場需求預(yù)測能力略有缺失

目前行業(yè)較為先進的單位已經(jīng)采用終端“樣本戶數(shù)據(jù)采集”推算社會庫存和需求，準(zhǔn)確度較高，但用來指導(dǎo)縣級以下區(qū)域市場需求預(yù)測時存在樣本戶不足、數(shù)據(jù)顆粒度不夠細、維度不夠豐富等問題。

（二）卷煙貨源精準(zhǔn)投放仍有提升空間

貨源投放方式以類別為主導(dǎo)，類別劃分主要基于歷史銷量和客情的“ 以量定量”，與真正意義上按照終端市場實施的“千人千面”“一戶一策”仍有一定差距。

二、構(gòu)建思路

基于云計算、大數(shù)據(jù)平臺，將溫州數(shù)字地圖按邊長1 公里的正方形網(wǎng)格切分為若干區(qū)域，以網(wǎng)格為單元匯聚人地商圈、商業(yè)批發(fā)、終端零售、消費者、專賣監(jiān)管“五維”特征數(shù)據(jù)，搭建零售終端卷煙市場需求指數(shù)模型，挖掘特征指標(biāo)對銷量影響度和權(quán)重，并以此為基礎(chǔ)打造大數(shù)據(jù)分析系統(tǒng)，通過數(shù)據(jù)驅(qū)動實現(xiàn)市場供需匹配，品牌投放場景化、可視化、精細化應(yīng)用。

（一）總體架構(gòu)

系統(tǒng)基于云平臺建設(shè)推進，共分為以下四層。

基礎(chǔ)數(shù)據(jù)層：基于數(shù)據(jù)中臺大數(shù)據(jù)離線計算MaxCompute，引入第三方人地商圈數(shù)據(jù)，按商圈網(wǎng)格匯聚特征指標(biāo)，通過指標(biāo)歸一化處理，搭建特征指標(biāo)庫，為數(shù)據(jù)建模層提供基礎(chǔ)數(shù)據(jù)。

數(shù)據(jù)建模層：基于數(shù)據(jù)中臺規(guī)范建模Dataphin，對基礎(chǔ)數(shù)據(jù)層指標(biāo)進行二次加工，運用隨機森林、Pearson、多元線性回歸等算法搭建組合模型，輸出特征指標(biāo)對銷量影響度和權(quán)重。

應(yīng)用數(shù)據(jù)層：基于數(shù)據(jù)中臺關(guān)系型數(shù)據(jù)庫RDS，融合業(yè)務(wù)數(shù)據(jù)、前端交互數(shù)據(jù)、數(shù)字地圖對模型輸出結(jié)果進行等值線處理和熱力圖疊加，形成零售終端卷煙市場需求指數(shù)。

應(yīng)用服務(wù)層：基于ECS 云服務(wù)器搭建系統(tǒng)運行環(huán)境，開發(fā)市場供需匹配、品牌精準(zhǔn)投放場景化應(yīng)用，通過數(shù)字地圖和數(shù)據(jù)可視化實現(xiàn)與用戶、與業(yè)務(wù)流程交互。應(yīng)用輸出的周期投放量結(jié)果能夠?qū)虢?jīng)營管理平臺貨源投放模塊應(yīng)用。

（二）數(shù)據(jù)應(yīng)用場景架構(gòu)

針對市場供需匹配、品牌精準(zhǔn)投放兩個業(yè)務(wù)場景，開展架構(gòu)設(shè)計和系統(tǒng)功能開發(fā)，將模型輸出與業(yè)務(wù)流程、技術(shù)組件信息流進行無縫銜接，形成業(yè)務(wù)場景下數(shù)據(jù)的應(yīng)用閉環(huán)。

1.市場供需匹配業(yè)務(wù)場景架構(gòu)

在需求預(yù)測流程分解到周期環(huán)節(jié)，結(jié)合實際周期終端銷量，計算實際銷量指數(shù)，與市場需求指數(shù)進行四象限直觀比對，判斷市場飽和程序，指導(dǎo)后續(xù)周期優(yōu)化總量投放與分類調(diào)控策略。

同時將市場供需匹配結(jié)果納入半年度、年分月、月分周需求預(yù)測中，優(yōu)化預(yù)測結(jié)果。

2.品牌精準(zhǔn)投放業(yè)務(wù)場景架構(gòu)

應(yīng)用市場需求指數(shù)開展貨源投放，包括以下兩種投放方式。

（1）在銷卷煙投放。輸入在銷品規(guī)“五維”數(shù)據(jù)，代入模型生成市場需求指數(shù)。

（2）新品卷煙投放。輸入新品卷煙產(chǎn)品特征，通過產(chǎn)品特性匹配同產(chǎn)地、同價類等同特征數(shù)據(jù)，代入模型生成市場需求指數(shù)。

最后以指數(shù)作為權(quán)重，按周期總投放量分解到單客戶定量，導(dǎo)出周期限量表應(yīng)用到貨源投放。投放后，通過訂足率、訂足面等指標(biāo)，對效果進行評估，改進下一周期投放策略，形成優(yōu)化模型、優(yōu)化投放的良性循環(huán)。

三、搭建特征指標(biāo)庫

（一）引入人地商圈數(shù)據(jù)

1.人地商圈數(shù)據(jù)定義

人地商圈數(shù)據(jù)包括人地數(shù)據(jù)和商圈數(shù)據(jù)兩類。人地數(shù)據(jù)定義為網(wǎng)格內(nèi)的人群年齡、籍貫、消費水平等數(shù)據(jù)。商圈數(shù)據(jù)定義為網(wǎng)格內(nèi)的常駐人口數(shù)、流動人口數(shù)、商業(yè)機構(gòu)數(shù)量等。

2.商圈劃分方式比較

商圈區(qū)域劃分有三種方式，分別按行政區(qū)域劃分、道路水系劃分、標(biāo)準(zhǔn)網(wǎng)格劃分。

（1）行政區(qū)域

優(yōu)點：行政區(qū)域由政府部門統(tǒng)一規(guī)劃，統(tǒng)計數(shù)。

缺點：某些社區(qū)和行政村邊界不清晰，劃分顆粒度較粗。

（2）道路水系

優(yōu)點：煙草消費行為屬于便利性消費，通常被較高等級道路、河流阻隔。

缺點：較大水系和較高等級道路可能導(dǎo)致劃分區(qū)域大小均衡性差，不規(guī)則區(qū)域?qū)芾碚摺⒖蛻魜碚f較難理解和區(qū)分。

（3）標(biāo)準(zhǔn)網(wǎng)格

優(yōu)點：按照1 公里邊長劃分，區(qū)域小，精度相對較高，各地容易推廣實施。

缺點：無法體現(xiàn)道路、河流等客觀影響消費行為的因素。

3.商圈數(shù)據(jù)源比較

目前，市場調(diào)研人地商圈數(shù)據(jù)主要來源于通信運營商和大型互聯(lián)網(wǎng)企業(yè)。

（1）通信運營商

優(yōu)點：實名認(rèn)證、信息真實、位置軌跡連續(xù)。

缺點：無消費信息，缺乏區(qū)域商業(yè)信息。

（2）大型互聯(lián)網(wǎng)企業(yè)

優(yōu)點：基于電商和線下支付采集，商圈信息比較全面。

缺點：非實名認(rèn)證，人群特征真實性欠佳，市區(qū)內(nèi)位置軌跡不連續(xù)。

（二）樣本數(shù)據(jù)選擇

為模型輸入提供科學(xué)的樣本數(shù)據(jù)是關(guān)鍵一環(huán)。針對每一個卷煙規(guī)格找到批發(fā)銷量和終端銷量基本平衡、存銷比相對合理、覆蓋不同行政區(qū)劃、商圈類型、經(jīng)營業(yè)態(tài)的目標(biāo)客戶群，總樣本客戶數(shù)比例達到總客戶數(shù)的10%約4500戶。以樣本數(shù)據(jù)作為模型訓(xùn)練對象代入建模。

四、建立模型

基于規(guī)范建模Dataphin，按網(wǎng)格匯總特征數(shù)據(jù)與批發(fā)銷量代入模型，通過搭建隨機森林模型計算特征指標(biāo)重要性，應(yīng)用Pearson 過濾特征指標(biāo)，運用多元線性回歸輸出特征權(quán)重。將特征指標(biāo)值賦予權(quán)重，最終由網(wǎng)格熱力圖疊加生成零售終端卷煙市場需求指數(shù)。

（一）隨機森林輸出特征重要性

隨機森林算法原理：將全量特征數(shù)據(jù)按照7:3 的比例分成訓(xùn)練集與測試集，通過訓(xùn)練集數(shù)據(jù)進行模型訓(xùn)練，每次隨機選取其中k 個指標(biāo)特征和m 個數(shù)據(jù)樣重復(fù)操作n 次，不同隨機組合得到n 棵決策樹，建立隨機森林模型，輸出各特征重要性。計算流程如下。

①決策樹回歸。在訓(xùn)練數(shù)據(jù)集中，遞歸地將每個區(qū)域劃分為兩個子區(qū)域并決定每個子區(qū)域上的輸出值，構(gòu)建二叉決策樹。

②構(gòu)建隨機森林。對每個決策樹都預(yù)測結(jié)果，存儲所有預(yù)測的結(jié)果，從n 棵決策樹中得到n 種輸出值。通過n 顆決策樹預(yù)測值的平均值計算出隨機森林模型最終預(yù)測值X：，其中f(x)是每顆決策樹的預(yù)測值，n 為隨機森林中決策樹的個數(shù)；

③訓(xùn)練過程檢驗。通過訓(xùn)練集數(shù)據(jù)進行模型訓(xùn)練，將每次隨機森林模型預(yù)測值與實際值進行相關(guān)系數(shù)檢驗，以Pearson 相關(guān)系數(shù)R 為指標(biāo)用來判斷模型準(zhǔn)確率。隨著訓(xùn)練過程，R 值沒有顯著提高時，停止迭代。

⑥隨機森林模型可行性驗證。測試集中各網(wǎng)格實際批發(fā)量與模型預(yù)測銷量進行相關(guān)性檢驗，方法同③，相關(guān)系數(shù)大于0.7 代表測試集與訓(xùn)練集屬于強相關(guān)。

（二）線性相關(guān)檢驗

根據(jù)隨機森林算法選擇篩選的特征指標(biāo)將分別與卷煙銷量進行線性相關(guān)性檢驗，選取的檢驗方法為Pearson相關(guān)性檢驗，用于量度特征指標(biāo)X 與卷煙銷量Y 之間的線性關(guān)系。

（三）多元線性回歸

經(jīng)過上述線性相關(guān)性檢驗后，我們選出常住人口、存銷比等特征指標(biāo)作為多元線性回歸的特征指標(biāo)，通過這些特征指標(biāo)建立與卷煙銷量的多元線性回歸模型。

五、構(gòu)建零售終端卷煙市場需求指數(shù)與熱力圖

為體現(xiàn)同一個網(wǎng)格內(nèi)不同位置的零售終端各維度特征，特別是商圈特征值的差異性，利用等值線的計算方法，輸入網(wǎng)格中心點及指標(biāo)權(quán)重，按半徑擴散進一步確定單個零售終端可能受到所處的網(wǎng)格及周邊網(wǎng)格的影響。影響度從網(wǎng)格中心到邊緣逐級遞減。由此建立覆蓋溫州地區(qū)的多維度等值線圖與熱力圖。

六、系統(tǒng)功能開發(fā)與模型應(yīng)用

通過浙煙數(shù)據(jù)分析平臺建設(shè)信息化系統(tǒng)，應(yīng)用零售終端卷煙市場需求指數(shù)，開發(fā)市場供需匹配、品牌精準(zhǔn)投放兩個業(yè)務(wù)場景化功能，并通過數(shù)字地圖、熱力圖、雷達圖等數(shù)據(jù)可視化呈現(xiàn)，將模型輸出嵌入到貨源調(diào)控、貨源投放業(yè)務(wù)場景和工作流程中去，實現(xiàn)業(yè)務(wù)能力提升。

（一）市場供需匹配應(yīng)用

通過數(shù)據(jù)可視化實現(xiàn)系統(tǒng)功能搭建，用戶選擇品規(guī)特征指標(biāo)進行分析，系統(tǒng)將實時調(diào)用模型輸出需求熱力分布，結(jié)合歷史實際銷量，判斷市場飽和程度、市場需求滿足程度，進一步指導(dǎo)卷煙總量調(diào)控以及分類調(diào)控。

（二）品牌精準(zhǔn)投放應(yīng)用

通過數(shù)據(jù)可視化實現(xiàn)系統(tǒng)功能搭建，用戶針對在銷品規(guī)輸入周期總投放量，系統(tǒng)將實時調(diào)用模型輸出，在線分析各品規(guī)零售終端卷煙市場需求指數(shù)及周期投放量。如為新品，則從品規(guī)同特征指標(biāo)角度切入，選擇卷煙商品特征指標(biāo)進行分析，計算周期投放量。計算結(jié)果以Excel 形式生成周期投放限量表，導(dǎo)入浙煙經(jīng)營管理平臺貨源投放模塊開展投放運用。

七、結(jié)語

項目建設(shè)零售終端卷煙市場需求指數(shù)模型及應(yīng)用系統(tǒng)，具有以下三個方面的重要意義。

一是創(chuàng)新市場需求指數(shù)。探索零售終端卷煙市場需求指數(shù)模型并形成初步研究成果，為度量區(qū)域市場、終端市場需求程度給出了一套量化評價方法。

二是強化市場供需評估。在當(dāng)前需求預(yù)測模式基礎(chǔ)上，應(yīng)用指數(shù)模型，加強了縣級以下區(qū)域市場供需匹配程度的分析和研判。

三是深化品牌精準(zhǔn)投放。在當(dāng)前貨源投放模式基礎(chǔ)上，應(yīng)用指數(shù)模型，找到了投放策略的優(yōu)化方案，實現(xiàn)真正意義上的“千人千面”“一戶一策”。