摘 要：卷煙營(yíng)銷當(dāng)前業(yè)務(wù)運(yùn)行以內(nèi)部數(shù)據(jù)來(lái)源為主，從數(shù)據(jù)結(jié)構(gòu)上缺少外部社會(huì)數(shù)據(jù)加持;隨著時(shí)間推移，業(yè)務(wù)端對(duì)市場(chǎng)和消費(fèi)者信息有進(jìn)一步分析把控的需求，因此需要相關(guān)社會(huì)大數(shù)據(jù)以補(bǔ)足目前的研究需求?，F(xiàn)有的社會(huì)數(shù)據(jù)包括消費(fèi)者畫像數(shù)據(jù)、地理位置數(shù)據(jù)、POI信息點(diǎn)數(shù)據(jù)、人口數(shù)據(jù)等。文章以西安煙草為例，從外部社會(huì)數(shù)據(jù)資源與卷煙營(yíng)銷自身數(shù)據(jù)資源融合打通方面探索構(gòu)建適用場(chǎng)景，并從業(yè)務(wù)需求角度，在市場(chǎng)狀態(tài)監(jiān)測(cè)、貨源投放策略優(yōu)化上提出減免設(shè)想，從而提升需求數(shù)據(jù)的應(yīng)用空間。

關(guān)鍵詞：社會(huì)大數(shù)據(jù);卷煙營(yíng)銷;數(shù)據(jù)分析;精準(zhǔn)營(yíng)銷

中圖分類號(hào)：F724.6 ????文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1005-6432（2022）01-0129-02

DOI：10.13939/j.cnki.zgsc.2022.01.129

1 引言

根據(jù)對(duì)地市級(jí)煙草商業(yè)企業(yè)的洞察，數(shù)據(jù)和其他生產(chǎn)要素間具有協(xié)同作用，可作為各生產(chǎn)流轉(zhuǎn)的核心樞紐[1]。同時(shí)，數(shù)據(jù)要素的積累和交易可以反哺技術(shù)創(chuàng)新。然而數(shù)據(jù)價(jià)值發(fā)揮往往面臨以下瓶頸：原始數(shù)據(jù)準(zhǔn)備耗時(shí)久、數(shù)據(jù)質(zhì)量不良、內(nèi)部數(shù)據(jù)缺乏與外部數(shù)據(jù)的關(guān)聯(lián)打通，從而淪為數(shù)據(jù)孤島[2-3]。如何利用外部數(shù)據(jù)加持內(nèi)部數(shù)據(jù)，從而整合數(shù)據(jù)資源，找尋數(shù)據(jù)分析賦能企業(yè)高效運(yùn)營(yíng)的突破口，是文章的出發(fā)點(diǎn)。

文章嘗試引入社會(huì)第三方資源數(shù)據(jù)，如非煙數(shù)據(jù)、區(qū)域人口流動(dòng)數(shù)據(jù)、商圈數(shù)據(jù)等，利用數(shù)據(jù)分析原理、可視化技術(shù)、畫像技術(shù)等，初步形成社會(huì)數(shù)據(jù)與零售終端及消費(fèi)者數(shù)據(jù)的關(guān)聯(lián)分析應(yīng)用設(shè)想，為優(yōu)化提升市場(chǎng)狀態(tài)和貨源投放策略提供支持。

2 社會(huì)數(shù)據(jù)采集分類

通過(guò)調(diào)研，現(xiàn)有的與卷煙營(yíng)銷相關(guān)聯(lián)的外部社會(huì)數(shù)據(jù)主要包含消費(fèi)者畫像數(shù)據(jù)和區(qū)域人口流動(dòng)數(shù)據(jù)，具體分類如下。

2.1 消費(fèi)者畫像數(shù)據(jù)

數(shù)據(jù)分析維度包括消費(fèi)者來(lái)源、消費(fèi)者畫像、消費(fèi)者偏好三類。每一個(gè)維度的數(shù)據(jù)又分解成不同的數(shù)據(jù)標(biāo)簽。

（1）消費(fèi)者來(lái)源：分為居住地，來(lái)源地名稱精確到住宅小區(qū);工作地，來(lái)源地名稱精確到寫字大樓。

（2）消費(fèi)者畫像：分為基礎(chǔ)畫像，包括性別、教育程度、年齡、婚姻、子女年齡等數(shù)據(jù)標(biāo)簽;經(jīng)濟(jì)畫像，包括收入、職業(yè)、房產(chǎn)、車產(chǎn)、手機(jī)價(jià)位、消費(fèi)價(jià)位等數(shù)據(jù)標(biāo)簽;線上畫像，包括移動(dòng)終端使用情況、興趣愛(ài)好、媒體觸達(dá)、App活躍滲透率等數(shù)據(jù)標(biāo)簽。

（3）消費(fèi)者偏好：分為常去商場(chǎng)偏好，包括最常拜訪前十商場(chǎng)名稱;餐飲消費(fèi)偏好，包括餐飲偏好、餐飲地點(diǎn)分類、餐飲價(jià)格偏好、就餐習(xí)慣、堂食就餐頻次等數(shù)據(jù)標(biāo)簽;酒旅消費(fèi)偏好，包括出行區(qū)域、出行類型、交通方式、酒店類型、酒店星級(jí)、酒店增值需求等數(shù)據(jù)標(biāo)簽。

2.2 區(qū)域人口流動(dòng)數(shù)據(jù)

包括區(qū)域名稱、人口類型（如到訪、居住還是工作）、人口數(shù)量、性別數(shù)量、年齡段、居住人口工作日白天/夜間駐留時(shí)長(zhǎng)、居住人口休息日白天/夜間駐留時(shí)長(zhǎng)、工作人口工作日白天/夜間駐留時(shí)長(zhǎng)、工作人口休息日白天/夜間駐留時(shí)長(zhǎng)、到訪人口工作日白天/夜間駐留時(shí)長(zhǎng)、到訪人口休息日白天/夜間駐留時(shí)長(zhǎng)、終端品牌名稱、App類別名稱等標(biāo)簽，可以研究區(qū)域內(nèi)的人流量、人流量時(shí)間空間變化和駐留目的等。

3 數(shù)據(jù)應(yīng)用場(chǎng)景

3.1 與零售客戶銷售數(shù)據(jù)關(guān)聯(lián)分析，形成零售客戶畫像

按日?qǐng)?bào)、周報(bào)、月報(bào)進(jìn)行零售客戶畫像匯總對(duì)比，單一門店分析思路如下：

（1）工作日/周末分析：對(duì)比一周當(dāng)中工作日/周末零售客戶畫像結(jié)構(gòu)變化。

（2）節(jié)慶/平日分析：根據(jù)節(jié)慶長(zhǎng)度，按日/周/月時(shí)間維度，對(duì)比零售客戶畫像結(jié)構(gòu)變化。

（3）趨勢(shì)分析：在連續(xù)周期中，零售客戶畫像結(jié)構(gòu)對(duì)比。

通過(guò)零售客戶畫像分析，提升對(duì)門店消費(fèi)者的認(rèn)知。

3.2 與零售客戶坐標(biāo)數(shù)據(jù)關(guān)聯(lián)分析，打通門店和消費(fèi)者數(shù)據(jù)

分析思路：以零售門店經(jīng)緯度地理坐標(biāo)作為關(guān)聯(lián)鍵位，建立數(shù)據(jù)關(guān)聯(lián)。

分析示例：目前零售門店卷煙訂購(gòu)頻次為一周一訂，因此對(duì)單一零售戶而言，一周中有一天為卷煙產(chǎn)品配送日，對(duì)比門店卷煙配送日的消費(fèi)者畫像和平日消費(fèi)者畫像區(qū)別，示例如表1所示。

根據(jù)此前零售客戶走訪調(diào)研得到的經(jīng)驗(yàn)，老客戶往往趕在配送日當(dāng)日進(jìn)店消費(fèi)，預(yù)先選購(gòu)所需品規(guī)。因此通過(guò)對(duì)比門店配送日與平日消費(fèi)者畫像結(jié)構(gòu)，可初步得出門店老客戶畫像。如果監(jiān)測(cè)的門店同時(shí)配置“絲路通”“店小二”等數(shù)據(jù)采集設(shè)備進(jìn)行銷售數(shù)據(jù)采集，可進(jìn)一步結(jié)合終端銷售數(shù)據(jù)，分析特定客群和當(dāng)日當(dāng)?shù)昶芬?guī)消費(fèi)關(guān)聯(lián)，實(shí)現(xiàn)人—貨—場(chǎng)三個(gè)維度打通。

3.3 鎖定高潛力卷煙營(yíng)銷門店，開展精準(zhǔn)營(yíng)銷

精準(zhǔn)營(yíng)銷是在精準(zhǔn)定位的基礎(chǔ)上，依托現(xiàn)代信息化數(shù)字化技術(shù)手段建立個(gè)性化的客戶溝通服務(wù)體系[4]，實(shí)現(xiàn)企業(yè)可度量的低成本擴(kuò)張之路。卷煙零售客戶的精準(zhǔn)營(yíng)銷，首要要求是找到高潛力營(yíng)銷客戶，即營(yíng)銷效果反饋較好、配合程度高的卷煙零售客戶。整體流程可分為三步：

（1）繪制消費(fèi)者畫像：提取零售門店周邊人群數(shù)據(jù)（人群基本特征、興趣愛(ài)好、媒介觸達(dá)），生成門店級(jí)別周邊客群畫像。

（2）門店消費(fèi)者掃碼觸達(dá)率：零售客戶開展?fàn)I銷掃碼活動(dòng)時(shí)，采集掃碼信息包含經(jīng)度、緯度、掃碼時(shí)間、掃碼日期、活動(dòng)名稱、盒包裝條形碼等原始表頭。

掃碼信息原始表頭需要轉(zhuǎn)制為供下一步計(jì)算的數(shù)據(jù)標(biāo)簽：門店的經(jīng)緯度，可定位門店位置;消費(fèi)者掃碼時(shí)間可以計(jì)算該門店的掃碼總頻次;盒包裝條形碼可以統(tǒng)計(jì)出某品規(guī)的掃碼數(shù)。結(jié)合門店品規(guī)實(shí)際銷售數(shù)據(jù)，可以計(jì)算得到每個(gè)營(yíng)銷活動(dòng)門店、每個(gè)品規(guī)的掃碼率。

掃碼率=該品規(guī)活動(dòng)時(shí)間內(nèi)掃碼計(jì)數(shù)/該品規(guī)活動(dòng)時(shí)間內(nèi)銷售計(jì)數(shù)

（3）高潛門店判定：篩選出掃碼率較高的活動(dòng)門店，總結(jié)該類型門店的周邊消費(fèi)者畫像，在門店列表中匹配出具備類似周邊客群的門店，判定為營(yíng)銷活動(dòng)高潛力門店，未來(lái)計(jì)劃營(yíng)銷活動(dòng)時(shí)，可以優(yōu)先選擇在該類門店執(zhí)行。

3.4 作為商圈研究的補(bǔ)充數(shù)據(jù)

進(jìn)行商圈劃分時(shí)，可借鑒人口熱力圖輔助定義商圈邊界，從客觀維度加入商圈劃分輔助建議。以新城區(qū)人口熱力圖為例，可以明顯得到數(shù)個(gè)人口密集區(qū)域。通過(guò)導(dǎo)出具體經(jīng)緯度信息，可以得到該行政區(qū)人口密集商圈的邊界范圍。

3.5 研究區(qū)域人群屬性分布與區(qū)域卷煙銷售關(guān)聯(lián)

研究邏輯：

（1）根據(jù)特定研究話題，計(jì)算區(qū)域TGI指標(biāo)。對(duì)于大體量用戶畫像評(píng)判，可以引入TGI指標(biāo)。TGI是Target Group Index（目標(biāo)群體指數(shù)）的縮寫，是用戶畫像評(píng)判的一個(gè)重要指標(biāo)，是數(shù)據(jù)統(tǒng)計(jì)處理的一種方式，主要目的是給用戶分層。TGI的叫法有很多，比如喜好度、偏好度、核心用戶等。

TGI指數(shù)=[目標(biāo)群體中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例]×100

最簡(jiǎn)單的例子：假設(shè)西安市男女比是50%和50%，某行政區(qū)男女比是70%和30%。

行政區(qū)男性TGI=70%/50%×100=140

行政區(qū)女性TGI=30%/50%×100=60

TGI指數(shù)等于100時(shí)表示平均水平，高于100代表該類用戶某類特征程度高于整體水平，低于100代表該類用戶某類特征程度低于整體水平。上述例子中，可以得出該行政區(qū)男性比例較全市高，女性比例較全市低。TGI算法也可簡(jiǎn)化理解為：局部占比/大盤占比×100。

利用人口數(shù)據(jù)標(biāo)簽，可計(jì)算不同維度的TGI指標(biāo)，如行政區(qū)男女比TGI（行政區(qū)男女比/西安市男女比）、行政區(qū)外來(lái)人口流入TGI（行政區(qū)到訪人口來(lái)源占比/西安市到訪人口來(lái)源占比）、行政區(qū)富裕指數(shù)TGI（行政區(qū)富裕指數(shù)人口比例/西安市富裕指數(shù)人口比例）。

根據(jù)不同維度的TGI指標(biāo)對(duì)比，可以初步得出，相比較西安市（整體大盤）的人群屬性分布，該行政區(qū)的人群屬性分布是否有偏向性。

（2）零售門店終端銷售數(shù)據(jù)聚合。將零售門店終端銷售數(shù)據(jù)進(jìn)行聚合，把門店級(jí)別數(shù)據(jù)轉(zhuǎn)制為行政區(qū)級(jí)別數(shù)據(jù)。理想情況下，終端銷售數(shù)據(jù)更新頻率與外部社會(huì)數(shù)據(jù)更新頻率一致。

單一品規(guī)區(qū)域銷售額=sum（區(qū)域內(nèi)門店銷售額）

單一品規(guī)區(qū)域銷售量=sum（區(qū)域內(nèi)門店銷售量）

（3）建立回歸分析模型。確定變量：明確回歸分析的目標(biāo)，即品規(guī)行政區(qū)級(jí)別銷售量為因變量Y。尋找與預(yù)測(cè)目標(biāo)的相關(guān)影響因素，即不同維度的區(qū)域TGI，為自變量。

建立回歸分析模型：依據(jù)自變量和因變量的歷史統(tǒng)計(jì)資料進(jìn)行計(jì)算，在此基礎(chǔ)上建立回歸分析方程，即回歸分析模型。估計(jì)參數(shù)的常用方法是最小二乘法。

進(jìn)行相關(guān)分析：回歸分析是對(duì)具有因果關(guān)系的影響因素（自變量）和預(yù)測(cè)對(duì)象（因變量）所進(jìn)行的數(shù)理統(tǒng)計(jì)分析處理。只有當(dāng)自變量與因變量確實(shí)存在某種關(guān)系時(shí)，建立的回歸方程才有意義。因此，進(jìn)行相關(guān)分析，一般要得出相關(guān)關(guān)系，以相關(guān)系數(shù)的大小來(lái)判斷自變量和因變量的相關(guān)程度。

（4）結(jié)果應(yīng)用設(shè)想。對(duì)于銷售量高的相關(guān)區(qū)域人群TGI指標(biāo)分析結(jié)果，可針對(duì)特定區(qū)域設(shè)計(jì)開展?fàn)I銷活動(dòng)，如樣品煙派發(fā)、品吸或品鑒活動(dòng);或者在特定品規(guī)培育時(shí)，能夠精準(zhǔn)尋找到具備特定人群屬性的區(qū)域，從而提升品牌培訓(xùn)選點(diǎn)的精準(zhǔn)度。

4 結(jié)語(yǔ)

通過(guò)分析，總體來(lái)說(shuō)，西安煙草現(xiàn)有的外部社會(huì)數(shù)據(jù)與卷煙營(yíng)銷數(shù)據(jù)有較為密切的強(qiáng)相關(guān)關(guān)系，但對(duì)于社會(huì)數(shù)據(jù)和煙草數(shù)據(jù)關(guān)聯(lián)分析模型的建立、數(shù)據(jù)通道的打通，還需要更多的數(shù)據(jù)和長(zhǎng)期的探索。后期可進(jìn)一步通過(guò)數(shù)據(jù)挖掘、可視化技術(shù)、畫像技術(shù)、智能算法、用戶維度模型，將數(shù)據(jù)應(yīng)用的設(shè)想轉(zhuǎn)化為社會(huì)數(shù)據(jù)與零售終端及消費(fèi)者數(shù)據(jù)的關(guān)聯(lián)分析模型，為優(yōu)化提升市場(chǎng)狀態(tài)和貨源投放策略提供支持。

參考文獻(xiàn)：

[1]梁曉慶，秦玉化.大數(shù)據(jù)在卷煙營(yíng)銷工作中的應(yīng)用[J].中國(guó)商論，2020（21）：61-62，65.

[2]周宏.基于大數(shù)據(jù)的煙草營(yíng)銷創(chuàng)新應(yīng)用[J].信息技術(shù)與標(biāo)準(zhǔn)化，2020（5）：66-70.

[3]李寧寧.大數(shù)據(jù)時(shí)代卷煙營(yíng)銷精準(zhǔn)施策的實(shí)施路徑[J].現(xiàn)代企業(yè)，2021（3）：35-36.

[4]趙慧杰.基于大數(shù)據(jù)時(shí)代的卷煙行業(yè)精準(zhǔn)營(yíng)銷模式[J].市場(chǎng)觀察，2020（7）：72.

[作者簡(jiǎn)介]劉佳（1989—），女，科員，碩士，研究方向：通信與信息系統(tǒng)、網(wǎng)絡(luò)安全與信息化等。

1756501186288