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(yáng)區(qū)煙草公司，瀘州 646000）

引 言

煙草經(jīng)濟(jì)是國(guó)民經(jīng)濟(jì)的重要組成部分，為國(guó)家財(cái)政收入做出了重要貢獻(xiàn)。中國(guó)煙草也是國(guó)民經(jīng)濟(jì)的重要參與者，其調(diào)控社會(huì)煙草投放，保障煙草這類(lèi)“特殊”商品的供給。煙草行業(yè)也是我國(guó)現(xiàn)存唯一的計(jì)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(yáng)區(qū)為例，通過(guò)客戶畫(huà)像分析客戶煙草真實(shí)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(guó)現(xiàn)存唯一的計(jì)劃經(jīng)濟(jì)行業(yè)，煙草實(shí)行專(zhuān)賣(mài)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(gòu)數(shù)，因此某些煙草單品就成了相對(duì)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(duì)煙草需求不真實(shí)，沒(méi)有反映出市場(chǎng)真實(shí)需求。因此，本文擬定通過(guò)客戶畫(huà)像研究貨源需求之間的關(guān)系，實(shí)現(xiàn)貨源精準(zhǔn)投放。

二、研究思路

假設(shè)煙草客戶畫(huà)像與客戶檔位、客戶業(yè)態(tài)、客戶市場(chǎng)類(lèi)型、客戶經(jīng)營(yíng)場(chǎng)所面積、客戶從業(yè)人員數(shù)量、收銀機(jī)類(lèi)型六個(gè)維度有關(guān)；假設(shè)客戶無(wú)隱匿信息，無(wú)串貨銷(xiāo)售行為；假設(shè)單品無(wú)貨源短缺情形。通過(guò)系統(tǒng)抽樣方法，在全江陽(yáng)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(kù)存調(diào)查樣本客戶，重點(diǎn)圍繞這253 家客戶目前在銷(xiāo)的154種單品展開(kāi)研究。

筆者分別進(jìn)行了抽樣客戶庫(kù)存調(diào)查，獲得了單品庫(kù)存量，通過(guò)單品庫(kù)存特點(diǎn)得出客戶畫(huà)像維度的部分特征數(shù)據(jù)。調(diào)查時(shí)間間隔的單品庫(kù)存量之差及此時(shí)段貨源投放量，可得到該單品在調(diào)查期間的銷(xiāo)量。此外，從銷(xiāo)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(kù)存量相當(dāng)，則貨源投放量就是銷(xiāo)售量。即使有少許誤差，一年中的投放量平均到每個(gè)月之后，誤差也會(huì)相對(duì)較小。

三、研究方法

（一）回歸模型分析

選取盡可能涉及六個(gè)維度且訂購(gòu)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(gòu)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(gòu)量為90 641 條，且抽樣的253 家客戶均在此時(shí)段訂購(gòu)；排名第二的單品為云煙（紫），一年訂購(gòu)量為90 298 條，且抽樣的253 家客戶均在此時(shí)段訂購(gòu)。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(duì)多元選擇模型進(jìn)行賦值問(wèn)題。對(duì)于客戶業(yè)態(tài)，有便利店、超市、其他、商場(chǎng)、食雜店、煙酒商店、娛樂(lè)服務(wù)7 種。對(duì)于客戶市場(chǎng)類(lèi)型，有鄉(xiāng)村、城鎮(zhèn)、城區(qū)3 種。對(duì)于收銀機(jī)類(lèi)型，分為無(wú)收銀機(jī)、有收銀機(jī)、有行業(yè)收銀機(jī)3 種[4]。因此，對(duì)于以上3 個(gè)維度數(shù)據(jù)，利用邏輯回歸的方式，根據(jù)極大似然估計(jì)方法重新對(duì)數(shù)據(jù)進(jìn)行修正賦值，修正之后，無(wú)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(chǎng)、食雜店、煙酒商店、娛樂(lè)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(shí)，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(yíng)場(chǎng)所面積、業(yè)態(tài)具有很強(qiáng)的顯著性，但市場(chǎng)類(lèi)型、從業(yè)人員數(shù)量及收銀機(jī)類(lèi)型具有較低的顯著性。因此可以初步斷定，市場(chǎng)類(lèi)型、從業(yè)人員數(shù)量及收銀機(jī)類(lèi)型對(duì)于客戶訂購(gòu)量是不顯著的。造成不顯著的原因主要有以下三個(gè)方面。

一是根據(jù)市場(chǎng)類(lèi)型得出劃分區(qū)別度在實(shí)際調(diào)查過(guò)程中已經(jīng)不明顯。如此次調(diào)查的253 戶客戶涉及三大類(lèi)，分別為城區(qū)、城鎮(zhèn)、鄉(xiāng)村。在實(shí)際調(diào)查過(guò)程中，調(diào)查所在區(qū)縣除了街道和鎮(zhèn)以外，沒(méi)有鄉(xiāng)，且城鎮(zhèn)人口占總?cè)丝诘?5%，常住城區(qū)人口超過(guò)70%，調(diào)查樣本對(duì)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(shí)未進(jìn)行詳細(xì)的定量定性約定，如煙酒專(zhuān)賣(mài)店的店鋪從業(yè)人員專(zhuān)門(mén)服務(wù)與卷煙的比例約為40%（煙酒專(zhuān)賣(mài)店的一個(gè)從業(yè)人員專(zhuān)門(mén)從事卷煙銷(xiāo)售占整個(gè)崗位工作量的40%），而便利店經(jīng)營(yíng)品種眾多，1 位從業(yè)人員分?jǐn)偟骄頍熶N(xiāo)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(gòu)數(shù)形成顯著關(guān)系。三是收銀機(jī)與客戶業(yè)態(tài)、市場(chǎng)類(lèi)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(zhuān)賣(mài)店收銀機(jī)占比較大，便利店收銀機(jī)占比較??；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(yíng)場(chǎng)所面積這3 個(gè)較為顯著的畫(huà)像指標(biāo)來(lái)擬合客戶訂購(gòu)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(yíng)場(chǎng)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(yíng)場(chǎng)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(yíng)場(chǎng)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(yíng)場(chǎng)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(yíng)場(chǎng)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(duì)其他銷(xiāo)量品種回歸參數(shù)的P 值也進(jìn)行了匯總，見(jiàn)表9。

總體來(lái)看，檔位、業(yè)態(tài)、經(jīng)營(yíng)場(chǎng)所面積對(duì)訂購(gòu)量的解釋是顯著的?？梢哉J(rèn)為，檔位、業(yè)態(tài)、經(jīng)營(yíng)場(chǎng)所面積對(duì)訂購(gòu)量有很重要的影響。但這也不乏奇異單品，這3 個(gè)解釋變量對(duì)訂購(gòu)量的影響不顯著，此類(lèi)單品可能需要其他分析方法尋找影響其訂購(gòu)量的變量。另外，模型經(jīng)過(guò)不斷修正，有一個(gè)維度對(duì)訂購(gòu)量的影響一直是非常顯著的，這就是客戶檔位?？蛻魴n位可以理解成模型受到了時(shí)間序列的影響，根據(jù)營(yíng)銷(xiāo)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(yàn)

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(cè)值計(jì)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(yíng)場(chǎng)所面積分別代入回歸表達(dá)式，得到253 個(gè)不同的y 值。

第二步，將這253 個(gè)y 值求和，并求得每個(gè)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(gòu)數(shù)據(jù)（7.25—8.23），計(jì)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(jì)算得出每種單品的預(yù)計(jì)投放量。

第四步，將第三步求出的預(yù)計(jì)投放量與系統(tǒng)調(diào)出的實(shí)際投放量作差求絕對(duì)值。計(jì)算出每個(gè)客戶預(yù)計(jì)值與實(shí)際值偏離比例。結(jié)果如圖1 所示。

經(jīng)過(guò)檢驗(yàn)，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(cè)準(zhǔn)確度較高。

四、模型評(píng)價(jià)

本模型能較好地通過(guò)客戶畫(huà)像預(yù)測(cè)客戶單品訂購(gòu)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(gè)維度，對(duì)客戶畫(huà)像不夠全面。二是客戶訂購(gòu)數(shù)量不只依賴(lài)于客戶畫(huà)像，或者說(shuō)客戶畫(huà)像并不是客戶訂多訂少的直接原因，訂購(gòu)數(shù)量最終來(lái)源于市場(chǎng)，而客戶畫(huà)像只是對(duì)訂購(gòu)數(shù)量的側(cè)面反映[5]。后期市場(chǎng)數(shù)據(jù)不斷豐富完善，模型經(jīng)過(guò)市場(chǎng)不斷檢驗(yàn)、優(yōu)化，客戶畫(huà)像將更加全面、完整，客戶畫(huà)像與客戶訂購(gòu)數(shù)的關(guān)聯(lián)程度也將更強(qiáng)。