客戶畫像的煙草貨源投放策略研究

黃 曦 李清沛 張 帆 楊 成 劉 沁

（1.四川省瀘州市煙草公司，瀘州 646000；2.四川省瀘州市江陽區(qū)煙草公司，瀘州 646000）

引 言

煙草經(jīng)濟(jì)是國民經(jīng)濟(jì)的重要組成部分，為國家財政收入做出了重要貢獻(xiàn)。中國煙草也是國民經(jīng)濟(jì)的重要參與者，其調(diào)控社會煙草投放，保障煙草這類“特殊”商品的供給。煙草行業(yè)也是我國現(xiàn)存唯一的計劃經(jīng)濟(jì)行業(yè)，因此其商品的投放具有特殊性[1]。文章以瀘州市江陽區(qū)為例，通過客戶畫像分析客戶煙草真實需求，以達(dá)到煙草公司向客戶精準(zhǔn)投放貨源的目的。

一、研究背景

煙草行業(yè)是我國現(xiàn)存唯一的計劃經(jīng)濟(jì)行業(yè)，煙草實行專賣許可制度，目前煙草公司貨源投放依據(jù)主要是客戶檔位和客戶訂購數(shù)，因此某些煙草單品就成了相對緊缺的資源[2]。客戶為了能夠獲得較多的貨源，不得不想方設(shè)法保住目前檔位，這就造成了客戶對煙草需求不真實，沒有反映出市場真實需求。因此，本文擬定通過客戶畫像研究貨源需求之間的關(guān)系，實現(xiàn)貨源精準(zhǔn)投放。

二、研究思路

假設(shè)煙草客戶畫像與客戶檔位、客戶業(yè)態(tài)、客戶市場類型、客戶經(jīng)營場所面積、客戶從業(yè)人員數(shù)量、收銀機(jī)類型六個維度有關(guān)；假設(shè)客戶無隱匿信息，無串貨銷售行為；假設(shè)單品無貨源短缺情形。通過系統(tǒng)抽樣方法，在全江陽區(qū)境內(nèi)抽取了253 家（全區(qū)客戶數(shù)的10%左右）客戶作為庫存調(diào)查樣本客戶，重點圍繞這253 家客戶目前在銷的154種單品展開研究。

筆者分別進(jìn)行了抽樣客戶庫存調(diào)查，獲得了單品庫存量，通過單品庫存特點得出客戶畫像維度的部分特征數(shù)據(jù)。調(diào)查時間間隔的單品庫存量之差及此時段貨源投放量，可得到該單品在調(diào)查期間的銷量。此外，從銷售系統(tǒng)調(diào)取1 年的貨源投放量，假設(shè)2020 年6 月及2021 年6 月單品庫存量相當(dāng)，則貨源投放量就是銷售量。即使有少許誤差，一年中的投放量平均到每個月之后，誤差也會相對較小。

三、研究方法

（一）回歸模型分析

選取盡可能涉及六個維度且訂購數(shù)量較大的單品作為目標(biāo)進(jìn)行分析，抓大放小，讓模型具有普遍性、代表性[3]。分析單品選擇，篩選出2020 年6 月至2021 年6 月訂購數(shù)量最多的前兩種單品，找到排名第一的單品為紅塔山（經(jīng)典100），一年訂購量為90 641 條，且抽樣的253 家客戶均在此時段訂購；排名第二的單品為云煙（紫），一年訂購量為90 298 條，且抽樣的253 家客戶均在此時段訂購。因此，將紅塔山（經(jīng)典100）及云煙（紫）作為模型分析的目標(biāo)單品。

對多元選擇模型進(jìn)行賦值問題。對于客戶業(yè)態(tài)，有便利店、超市、其他、商場、食雜店、煙酒商店、娛樂服務(wù)7 種。對于客戶市場類型，有鄉(xiāng)村、城鎮(zhèn)、城區(qū)3 種。對于收銀機(jī)類型，分為無收銀機(jī)、有收銀機(jī)、有行業(yè)收銀機(jī)3 種[4]。因此，對于以上3 個維度數(shù)據(jù)，利用邏輯回歸的方式，根據(jù)極大似然估計方法重新對數(shù)據(jù)進(jìn)行修正賦值，修正之后，無收銀機(jī)、有收銀機(jī)和有行業(yè)收銀機(jī)賦值分別為0.262 605 566、0.415 560 684、0.321 833 75，鄉(xiāng)村、城鎮(zhèn)、城區(qū)賦值分別 為0.282 311 964 605 102、0.340 864 162 665 914、0.340 864 162 665 914；便利店、超市、其他、商場、食雜店、煙酒商店、娛樂服務(wù)賦值分別為0.115 731 84、0.195 222 701、0.104 860 583、0.173 092 84、0.106 853 107、0.200 555 197、0.103 683 731。

此時，模型融入了線性回歸與邏輯回歸。融入邏輯回歸之后，紅塔山（經(jīng)典100）回歸參數(shù)如表1、表2 所示。

表1 融入邏輯回歸后紅塔山（經(jīng)典100）回歸擬合參數(shù)

表2 融入邏輯回歸后紅塔山（經(jīng)典100）回歸參數(shù)

表3 融入邏輯回歸后云煙（紫）回歸擬合參數(shù)

可以看出，檔位、經(jīng)營場所面積、業(yè)態(tài)具有很強(qiáng)的顯著性，但市場類型、從業(yè)人員數(shù)量及收銀機(jī)類型具有較低的顯著性。因此可以初步斷定，市場類型、從業(yè)人員數(shù)量及收銀機(jī)類型對于客戶訂購量是不顯著的。造成不顯著的原因主要有以下三個方面。

一是根據(jù)市場類型得出劃分區(qū)別度在實際調(diào)查過程中已經(jīng)不明顯。如此次調(diào)查的253 戶客戶涉及三大類，分別為城區(qū)、城鎮(zhèn)、鄉(xiāng)村。在實際調(diào)查過程中，調(diào)查所在區(qū)縣除了街道和鎮(zhèn)以外，沒有鄉(xiāng)，且城鎮(zhèn)人口占總?cè)丝诘?5%，常住城區(qū)人口超過70%，調(diào)查樣本對城鎮(zhèn)及鄉(xiāng)村的代表性不足。二是從業(yè)人員數(shù)量在調(diào)查時未進(jìn)行詳細(xì)的定量定性約定，如煙酒專賣店的店鋪從業(yè)人員專門服務(wù)與卷煙的比例約為40%（煙酒專賣店的一個從業(yè)人員專門從事卷煙銷售占整個崗位工作量的40%），而便利店經(jīng)營品種眾多，1 位從業(yè)人員分?jǐn)偟骄頍熶N售的工作量可能不到10%，因此單看從業(yè)人員數(shù)量并不能與客戶的訂購數(shù)形成顯著關(guān)系。三是收銀機(jī)與客戶業(yè)態(tài)、市場類型等有較大的關(guān)聯(lián)，易形成自相關(guān)關(guān)系。例如：大型商超、專賣店收銀機(jī)占比較大，便利店收銀機(jī)占比較小；城區(qū)收銀機(jī)占比較大，偏遠(yuǎn)地區(qū)收銀機(jī)占比較少。

因此，不妨只考慮檔位、業(yè)態(tài)及經(jīng)營場所面積這3 個較為顯著的畫像指標(biāo)來擬合客戶訂購量。紅塔山（經(jīng)典100）擬合的結(jié)果如表5 和表6 所示。

表5 只考慮檔位、業(yè)態(tài)及經(jīng)營場所面積紅塔山（經(jīng)典100）回歸擬合參數(shù)

表6 只考慮檔位、業(yè)態(tài)及經(jīng)營場所面積紅塔山（經(jīng)典100）回歸參數(shù)

只考慮檔位、業(yè)態(tài)及經(jīng)營場所面積，融合線性回歸與邏輯回歸之后，云煙（紫）參數(shù)如表7 和表8 所示。

表7 只考慮檔位、業(yè)態(tài)及經(jīng)營場所面積云煙（紫）回歸擬合參數(shù)

表8 只考慮檔位、業(yè)態(tài)及經(jīng)營場所面積云煙（紫）回歸參數(shù)

除了紅塔山（經(jīng)典100）與云煙（紫）以外，對其他銷量品種回歸參數(shù)的P 值也進(jìn)行了匯總，見表9。

總體來看，檔位、業(yè)態(tài)、經(jīng)營場所面積對訂購量的解釋是顯著的。可以認(rèn)為，檔位、業(yè)態(tài)、經(jīng)營場所面積對訂購量有很重要的影響。但這也不乏奇異單品，這3 個解釋變量對訂購量的影響不顯著，此類單品可能需要其他分析方法尋找影響其訂購量的變量。另外，模型經(jīng)過不斷修正，有一個維度對訂購量的影響一直是非常顯著的，這就是客戶檔位。客戶檔位可以理解成模型受到了時間序列的影響，根據(jù)營銷規(guī)則，客戶訂貨量與其檔位相關(guān)，客戶檔位正是其歷史訂貨量的體現(xiàn)。

（二）模型檢驗

根據(jù)上述推導(dǎo)模型，得到紅塔山（經(jīng)典100）的訂貨數(shù)量回歸函數(shù)關(guān)系式，由表6 得：

y＝－33.591 ＋16.111 26x1＋1339.433x2－0.088 26x3

預(yù)測值計算如下。

第一步，將目前掌握的253 家客戶的檔位、客戶業(yè)態(tài)、經(jīng)營場所面積分別代入回歸表達(dá)式，得到253 個不同的y 值。

第二步，將這253 個y 值求和，并求得每個y 值在求和中的占比。

第三步，根據(jù)樣本客戶調(diào)查期間月度訂購數(shù)據(jù)（7.25—8.23），計算出此次紅塔山（經(jīng)典100）總投放量，再根據(jù)第二步占比計算得出每種單品的預(yù)計投放量。

第四步，將第三步求出的預(yù)計投放量與系統(tǒng)調(diào)出的實際投放量作差求絕對值。計算出每個客戶預(yù)計值與實際值偏離比例。結(jié)果如圖1 所示。

經(jīng)過檢驗，2022 年7 月25 日至8 月23 日，有103 家客戶投放偏離度低于10%，投放偏離度低于20%的客戶數(shù)為189 戶，占總戶數(shù)的74.7%。模型整體預(yù)測準(zhǔn)確度較高。

四、模型評價

本模型能較好地通過客戶畫像預(yù)測客戶單品訂購數(shù)量，誤差在可控范圍內(nèi)。但該模型也有一定的局限性：一是未能完全囊括原先預(yù)想的6 個維度，對客戶畫像不夠全面。二是客戶訂購數(shù)量不只依賴于客戶畫像，或者說客戶畫像并不是客戶訂多訂少的直接原因，訂購數(shù)量最終來源于市場，而客戶畫像只是對訂購數(shù)量的側(cè)面反映[5]。后期市場數(shù)據(jù)不斷豐富完善，模型經(jīng)過市場不斷檢驗、優(yōu)化，客戶畫像將更加全面、完整，客戶畫像與客戶訂購數(shù)的關(guān)聯(lián)程度也將更強(qiáng)。