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煙草公司，瀘州 646000）

引 言

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

一、研究背景

煙草行業是我國現存唯一的計劃經濟行業，煙草實行專賣許可制度，目前煙草公司貨源投放依據主要是客戶檔位和客戶訂購數，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系，實現貨源精準投放。

二、研究思路

假設煙草客戶畫像與客戶檔位、客戶業態、客戶市場類型、客戶經營場所面積、客戶從業人員數量、收銀機類型六個維度有關；假設客戶無隱匿信息，無串貨銷售行為；假設單品無貨源短缺情形。通過系統抽樣方法，在全江陽區境內抽取了253 家（全區客戶數的10%左右）客戶作為庫存調查樣本客戶，重點圍繞這253 家客戶目前在銷的154種單品展開研究。

筆者分別進行了抽樣客戶庫存調查，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據。調查時間間隔的單品庫存量之差及此時段貨源投放量，可得到該單品在調查期間的銷量。此外，從銷售系統調取1 年的貨源投放量，假設2020 年6 月及2021 年6 月單品庫存量相當，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量較大的單品作為目標進行分析，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 月訂購數量最多的前兩種單品，找到排名第一的單品為紅塔山（經典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（經典100）及云煙（紫）作為模型分析的目標單品。

對多元選擇模型進行賦值問題。對于客戶業態，有便利店、超市、其他、商場、食雜店、煙酒商店、娛樂服務7 種。對于客戶市場類型，有鄉村、城鎮、城區3 種。對于收銀機類型，分為無收銀機、有收銀機、有行業收銀機3 種[4]。因此，對于以上3 個維度數據，利用邏輯回歸的方式，根據極大似然估計方法重新對數據進行修正賦值，修正之后，無收銀機、有收銀機和有行業收銀機賦值分別為0.262 605 566、0.415 560 684、0.321 833 75，鄉村、城鎮、城區賦值分別 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（經典100）回歸參數如表1、表2 所示。

表1 融入邏輯回歸后紅塔山（經典100）回歸擬合參數

表2 融入邏輯回歸后紅塔山（經典100）回歸參數

表3 融入邏輯回歸后云煙（紫）回歸擬合參數

可以看出，檔位、經營場所面積、業態具有很強的顯著性，但市場類型、從業人員數量及收銀機類型具有較低的顯著性。因此可以初步斷定，市場類型、從業人員數量及收銀機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。

一是根據市場類型得出劃分區別度在實際調查過程中已經不明顯。如此次調查的253 戶客戶涉及三大類，分別為城區、城鎮、鄉村。在實際調查過程中，調查所在區縣除了街道和鎮以外，沒有鄉，且城鎮人口占總人口的65%，常住城區人口超過70%，調查樣本對城鎮及鄉村的代表性不足。二是從業人員數量在調查時未進行詳細的定量定性約定，如煙酒專賣店的店鋪從業人員專門服務與卷煙的比例約為40%（煙酒專賣店的一個從業人員專門從事卷煙銷售占整個崗位工作量的40%），而便利店經營品種眾多，1 位從業人員分攤到卷煙銷售的工作量可能不到10%，因此單看從業人員數量并不能與客戶的訂購數形成顯著關系。三是收銀機與客戶業態、市場類型等有較大的關聯，易形成自相關關系。例如：大型商超、專賣店收銀機占比較大，便利店收銀機占比較小；城區收銀機占比較大，偏遠地區收銀機占比較少。

因此，不妨只考慮檔位、業態及經營場所面積這3 個較為顯著的畫像指標來擬合客戶訂購量。紅塔山（經典100）擬合的結果如表5 和表6 所示。

表5 只考慮檔位、業態及經營場所面積紅塔山（經典100）回歸擬合參數

表6 只考慮檔位、業態及經營場所面積紅塔山（經典100）回歸參數

只考慮檔位、業態及經營場所面積，融合線性回歸與邏輯回歸之后，云煙（紫）參數如表7 和表8 所示。

表7 只考慮檔位、業態及經營場所面積云煙（紫）回歸擬合參數

表8 只考慮檔位、業態及經營場所面積云煙（紫）回歸參數

除了紅塔山（經典100）與云煙（紫）以外，對其他銷量品種回歸參數的P 值也進行了匯總，見表9。

總體來看，檔位、業態、經營場所面積對訂購量的解釋是顯著的。可以認為，檔位、業態、經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，根據營銷規則，客戶訂貨量與其檔位相關，客戶檔位正是其歷史訂貨量的體現。

（二）模型檢驗

根據上述推導模型，得到紅塔山（經典100）的訂貨數量回歸函數關系式，由表6 得：

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

預測值計算如下。

第一步，將目前掌握的253 家客戶的檔位、客戶業態、經營場所面積分別代入回歸表達式，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，根據樣本客戶調查期間月度訂購數據（7.25—8.23），計算出此次紅塔山（經典100）總投放量，再根據第二步占比計算得出每種單品的預計投放量。

第四步，將第三步求出的預計投放量與系統調出的實際投放量作差求絕對值。計算出每個客戶預計值與實際值偏離比例。結果如圖1 所示。

經過檢驗，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%的客戶數為189 戶，占總戶數的74.7%。模型整體預測準確度較高。

四、模型評價

本模型能較好地通過客戶畫像預測客戶單品訂購數量，誤差在可控范圍內。但該模型也有一定的局限性：一是未能完全囊括原先預想的6 個維度，對客戶畫像不夠全面。二是客戶訂購數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，訂購數量最終來源于市場，而客戶畫像只是對訂購數量的側面反映[5]。后期市場數據不斷豐富完善，模型經過市場不斷檢驗、優化，客戶畫像將更加全面、完整，客戶畫像與客戶訂購數的關聯程度也將更強。