數(shù)據(jù)挖掘算法在廈門市卷煙新零售策略中的應(yīng)用

秦 琴

(廈門市煙草專賣局(公司)，福建 廈門 361000)

1 概述

“互聯(lián)網(wǎng)+”“大數(shù)據(jù)”等帶來了新一輪技術(shù)創(chuàng)新，在給消費(fèi)者帶來方便的同時(shí)，也為批發(fā)商、零售商創(chuàng)造了無限商機(jī)。作為傳統(tǒng)銷售行業(yè)的煙草，也應(yīng)順應(yīng)時(shí)代潮流，勇于改革、積極創(chuàng)新，用數(shù)據(jù)分析來改善卷煙消費(fèi)體驗(yàn)。

對于煙草行業(yè)而言，“新零售”不僅意味著銷售渠道從線下轉(zhuǎn)為線上的變革，還意味著在不久的將來，煙草行業(yè)能夠借助數(shù)據(jù)拓?fù)潢P(guān)系不斷向周邊行業(yè)延伸，優(yōu)化和豐富產(chǎn)業(yè)鏈條。當(dāng)前，廈門市卷煙零售數(shù)據(jù)、消費(fèi)者數(shù)據(jù)相當(dāng)豐富和全面，相關(guān)數(shù)據(jù)庫也在全方位籌備中，進(jìn)入大數(shù)據(jù)時(shí)代，不僅需要建立完備的數(shù)據(jù)儲存系統(tǒng)，更要利用好現(xiàn)有的數(shù)據(jù)，通過數(shù)據(jù)分析挖掘出數(shù)據(jù)價(jià)值，進(jìn)而更好地推動整個(gè)市場的良性運(yùn)作。

該文利用廈門市卷煙零售數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘算法構(gòu)建統(tǒng)計(jì)分析模型，對消費(fèi)者偏好、零售戶和消費(fèi)者特征以及卷煙市場容量進(jìn)行挖掘和分析。一方面，深入探究數(shù)據(jù)挖掘算法的有效性和科學(xué)性，積極探索卷煙新零售數(shù)據(jù)分析的科學(xué)方法；另一方面，多維度、多角度透視卷煙零售中的規(guī)律和定量關(guān)系，科學(xué)制定現(xiàn)代化營銷策略。

2 算法和模型介紹

2.1 關(guān)聯(lián)分析

關(guān)聯(lián)分析是從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間有趣的關(guān)聯(lián)和相關(guān)聯(lián)系的一種統(tǒng)計(jì)算法。關(guān)聯(lián)分析的一個(gè)典型例子是購物籃分析，該過程通過發(fā)現(xiàn)顧客放入其購物籃中的不同商品之間的聯(lián)系，分析顧客的購買習(xí)慣，幫助零售商制定營銷策略。

2.1.1 關(guān)聯(lián)分析重要指標(biāo)

如表1所示，關(guān)聯(lián)分析通過搜尋頻繁項(xiàng)集，計(jì)算支持度和置信度來找出強(qiáng)關(guān)聯(lián)規(guī)則，而這種規(guī)則通常反映了消費(fèi)者的購買習(xí)慣、偏好等潛在信息，有助于零售戶制訂營銷策略，促進(jìn)銷售，提高利潤。

表1 關(guān)聯(lián)分析指標(biāo)表

2.1.2 Apriori算法

Apriori算法是一種經(jīng)典的關(guān)聯(lián)分析方法，其核心是逐層搜索迭代法。通過頻繁k-項(xiàng)集探索頻繁(k+1)-項(xiàng)集，以此類推搜索出所有的頻繁項(xiàng)集。具體實(shí)施步驟如下：

首先，找出頻繁1-項(xiàng)集的集合，記做L1；然后用L1找出頻繁2-項(xiàng)集的集合L2；再次，用L2再找出L3……，直到不能找到頻繁k-項(xiàng)集。計(jì)算過程中，尋找每個(gè)Lk需要掃描一次數(shù)據(jù)庫。

然后，在得到頻繁項(xiàng)集后，通過把頻繁項(xiàng)集分成前件和后件兩部分，并計(jì)算出規(guī)則{前件→后件}的支持度、置信度，如果二者大于最小支持度、置信度閾值，它就是一條強(qiáng)關(guān)聯(lián)規(guī)則。遍歷頻繁項(xiàng)集，挖掘出所有大于最小支持度、置信度閾值的關(guān)聯(lián)規(guī)則，即強(qiáng)關(guān)聯(lián)規(guī)則。

2.2 層次聚類

聚類分析是一種非監(jiān)督式的分類方法。按照“物以類聚”的思想，通過對樣本的訓(xùn)練將其親疏遠(yuǎn)近的關(guān)系刻畫出來，然后將性質(zhì)相近的樣本歸為一類，并盡可能顯著的區(qū)分各個(gè)類。層次聚類法(hierarchical clustering)亦稱為系統(tǒng)聚類法，是一種較為穩(wěn)健的分類方法。核心思想是通過某種相似性測度計(jì)算節(jié)點(diǎn)之間的相似性，并按相似度由高到低排序，逐步重新連接各節(jié)點(diǎn)。

多數(shù)情況下，我們用樣本的距離遠(yuǎn)近刻畫相似度，首先將距離相近的樣品(或變量)先聚成類，距離相遠(yuǎn)的后聚成類，依此過程一直進(jìn)行下去，最終每個(gè)樣品(或變量)總能聚到合適的類中。常用的距離有最短距離法、最長距離法、中間距離法、重心法、類平均法、可變類平均法、可變法和離差平方和法。它們的歸類步驟基本一致，主要差異是類間距離的計(jì)算方法不同。

2.3 回歸分析

回歸分析是研究一個(gè)變量關(guān)于另一個(gè)(些)變量的具體依賴關(guān)系的計(jì)算方法和理論。通過篩選出與被解釋變量高度相關(guān)的變量作為解釋變量，按照一定的標(biāo)準(zhǔn)擬合他們之間的曲線，從而很好地解釋和預(yù)測被解釋變量的水平。

常用的回歸分析模型是線性回歸。解釋變量向量記為x，被解釋變量向量記為y，則y=x′β+ε，表明x增加一個(gè)單位對y的邊際效應(yīng)是β。線性模型的首要任務(wù)是估計(jì)系數(shù)向量β，常用的估計(jì)方法是最小二乘法OLS，通過求使得所有樣本殘差平方和最小時(shí)的最優(yōu)化問題：

可得：

3 樣本說明

本次分析采用海晟直營門店、見福便利店和永輝超市的銷售數(shù)據(jù)。具體數(shù)據(jù)描述性統(tǒng)計(jì)表如表2所示：

表2 數(shù)據(jù)樣本說明

4 建模與分析

4.1 基于關(guān)聯(lián)分析的消費(fèi)者需求及需求變化

消費(fèi)者的卷煙購買行為可以折射出其購買偏好、消費(fèi)習(xí)慣及消費(fèi)潛力，很多時(shí)候選擇購買商品A的消費(fèi)者很大可能也會購買商品B，不同商品的購買行為存在一定的關(guān)聯(lián)性，如果能夠量化這種潛在關(guān)聯(lián)性，就可以幫助指導(dǎo)零售戶制定合理、精準(zhǔn)的營銷策略。因此，本部分將對廈門市卷煙消費(fèi)數(shù)據(jù)構(gòu)建關(guān)聯(lián)模型，選取單筆訂單包含至少兩種不同類型商品的訂單數(shù)據(jù)共計(jì)41.4萬條(其中每筆訂單包含兩種以上商品且包含卷煙的訂單數(shù)據(jù)共計(jì)339532條，占82%，后文大多分析以此數(shù)據(jù)為基礎(chǔ))，從多個(gè)角度挖掘消費(fèi)者需求。關(guān)聯(lián)分析建模步驟圖如圖1所示。

圖1 關(guān)聯(lián)分析建模步驟圖

4.1.1 卷煙陳列和替代分析

將上述包含兩種以上商品且包含卷煙的339532條訂單數(shù)據(jù)輸入關(guān)聯(lián)算法模型，并設(shè)置關(guān)聯(lián)分析參數(shù)為：最小支持度=0.003，最小置信度=0.05。按照支持度降序排列可得前10為關(guān)聯(lián)規(guī)則，如表3所示。

表3 按支持度篩選的全規(guī)格卷煙關(guān)聯(lián)規(guī)則

由表3可知，1～10種關(guān)聯(lián)規(guī)則支持度逐漸降低，表明消費(fèi)者購買對應(yīng)規(guī)則商品的購買欲望逐漸減少，中華(軟1)和中華(硬)的組合購買行為是最普遍的，也是消費(fèi)者組合購買欲望最強(qiáng)的。具體而言，消費(fèi)者在購買兩種及兩種以上商品的訂單中，平均100個(gè)訂單中，有2個(gè)訂單是中華(軟1)和中華(硬)、1個(gè)訂單是七匹狼(軟灰)和中華(硬)、1個(gè)訂單是七匹狼(藍(lán))和七匹狼(軟灰)，平均1000個(gè)訂單中，9個(gè)訂單是中華(硬)和芙蓉王(硬)。

基于此，我們可以找出消費(fèi)者組合購買欲望最強(qiáng)的卷煙組合，以組合銷售的方式，由組合中人氣較高的卷煙帶動人氣較低的卷煙，增加人氣較低的卷煙的知名度及銷量。

同樣，我們可以篩選出支持度排名前30、置信度前10的關(guān)聯(lián)規(guī)則，如表4所示：

表4 按置信度篩選的全規(guī)格卷煙關(guān)聯(lián)規(guī)則

支持度越高的組合，說明消費(fèi)者組合購買的頻次越高，消費(fèi)者的組合偏好越強(qiáng)。置信度越高，說明購買A商品的消費(fèi)者購買B商品的概率越高。置信度在一定程度上反映了卷煙的可替代性，對于規(guī)則{A}→{B}而言，置信度越大表明當(dāng)A缺貨或者斷貨時(shí)，消費(fèi)者有很大的可能性購買B作為A的替代品。由表4可知，消費(fèi)者同時(shí)購買兩種及以上商品的訂單中，平均每100個(gè)訂單中有1個(gè)七匹狼(純雅)和七匹狼(藍(lán))組合，且100個(gè)購買七匹狼(純雅)的消費(fèi)者，有21個(gè)消費(fèi)者可能購買七匹狼(藍(lán))。

上述規(guī)律可以為我們在工業(yè)企業(yè)新品研發(fā)、商業(yè)品牌投放市場，以及店鋪商品陳列、銷售推薦時(shí)提供一定參考。

4.1.2 卷煙價(jià)類營銷分析

類似地，我們可以對各價(jià)類卷煙購買規(guī)則進(jìn)行關(guān)聯(lián)分析，表5給出支持度降序排名前10的關(guān)聯(lián)規(guī)則。

表5 按支持度篩選卷煙價(jià)類關(guān)聯(lián)規(guī)則

由表5可知，在消費(fèi)者購買兩個(gè)及以上商品的訂單中，平均100個(gè)訂單中，有6個(gè)訂單同時(shí)購買普一類B和高一類A卷煙，且平均100個(gè)購買普一類B卷煙的消費(fèi)者中，有24個(gè)消費(fèi)者可能購買高一類A卷煙。

基于此，可通過發(fā)現(xiàn)普遍行為中未來轉(zhuǎn)化概率大的組合，對該組合進(jìn)行培育，進(jìn)一步提高轉(zhuǎn)化率。以普一類B和高一類A為例，該組合支持度高、置信度高，可作為提升結(jié)構(gòu)的目標(biāo)培養(yǎng)價(jià)類。

4.1.3 卷煙指定規(guī)格分析

重新設(shè)置關(guān)聯(lián)分析參數(shù)：最小置信度=0.05，最小支持度不設(shè)下限。篩選出后件B對應(yīng)為七匹狼(藍(lán))、置信度按降序排列的關(guān)聯(lián)規(guī)則如表6所示。

表6 按置信度排序、固定后件B的關(guān)聯(lián)規(guī)則

由表6可知，購買長壽(兩岸)、白沙(硬新精品二代)、紅雙喜(花開富貴軟10mg)、雙喜(硬金五葉神)的消費(fèi)者都可能順帶購買七匹狼(藍(lán)鉆)。平均100個(gè)購買長壽(兩岸)的消費(fèi)者中，有10個(gè)消費(fèi)者可能會購買七匹狼(藍(lán)鉆)，平均100個(gè)購買白沙(硬新精品二代)的消費(fèi)者中，有9個(gè)消費(fèi)者可能會購買七匹狼(藍(lán)鉆)，100個(gè)購買紅雙喜(花開富貴軟10mg)的消費(fèi)者中，有6個(gè)消費(fèi)者可能會購買七匹狼(藍(lán)鉆)，100個(gè)購買雙喜(硬金五葉神)的消費(fèi)者中，有6個(gè)消費(fèi)者可能會購買七匹狼(藍(lán)鉆)。這表明這類消費(fèi)者都是七匹狼(藍(lán)鉆)的潛在消費(fèi)者，可有針對性地將該類潛在消費(fèi)者培育七匹狼(藍(lán)鉆)的消費(fèi)者，進(jìn)而推動消費(fèi)升級。

4.1.4 卷煙新品分析

為了探究新品卷煙的市場前景以及偏好群體，我們對新品卷煙消費(fèi)進(jìn)行關(guān)聯(lián)分析，關(guān)聯(lián)分析參數(shù)設(shè)置為最小支持度不設(shè)下限，最小置信度=0.05。

由表7可知，購買黃山(硬天都)、金圣(智圣出山)、延安(1935)、玉溪(透明)的消費(fèi)者比較愿意嘗試新品嬌子(寬窄如意)。其中，平均100個(gè)購買黃山(硬天都)的消費(fèi)者，有15(置信度約為15%)個(gè)消費(fèi)者可能購買嬌子(寬窄如意)。購買釣魚臺(中支)、牡丹(金細(xì)支)、延安(細(xì)支圣地河谷)的消費(fèi)者比較愿意嘗試新品七匹狼(乘風(fēng)啟航)。其中，平均100個(gè)購買釣魚臺(中支)的消費(fèi)者，有18個(gè)(置信度約為18%)消費(fèi)者可能購買七匹狼(乘風(fēng)啟航)。購買黃山(硬紅方印細(xì)支)、牡丹(金細(xì)支)的消費(fèi)者比較愿意嘗試新品延安(細(xì)支圣地河谷)。其中，平均100個(gè)購買牡丹(金細(xì)支)的消費(fèi)者，有7個(gè)(置信度約為7%)消費(fèi)者可能購買延安(細(xì)支圣地河谷)。

表7 按置信度篩選的新品卷煙關(guān)聯(lián)規(guī)則

類似地，我們也可以通過關(guān)聯(lián)分析探究消費(fèi)者的非煙偏好以及節(jié)假日對消費(fèi)者需求的沖擊(篇幅限制，此處略去)。

4.2 基于聚類分析的零售客戶和消費(fèi)者特征畫像

運(yùn)用聚類方法對不同特征的零售客戶和消費(fèi)者進(jìn)行分類，提取每一類群體的特征，有助于煙草零售的個(gè)性化營銷策略制訂和實(shí)施。

4.2.1 零售客戶畫像

煙草的零售客戶在地理位置、人流量、銷售額、業(yè)態(tài)和產(chǎn)品豐富程度等方面存在諸多差異，因此，這些零售客戶的消費(fèi)群體自然也不同。我們希望通過零售客戶的一些基本信息和消費(fèi)信息對零售客戶畫像，從消費(fèi)者的角度更加精確地區(qū)別不同類別的零售戶，有針對性地制訂營銷策略。本文選取反映零售客戶自身特征的9個(gè)指標(biāo)，如表8所示。

表8 零售客戶指標(biāo)

對廈門市45家會員商店的消費(fèi)數(shù)據(jù)進(jìn)行層次聚類，將所有樣本分為5大類，聚類圖見圖2。

圖2 層次聚類譜系聚類圖

為了更直觀反映類與類之間的界限，采用t-SNE非線性降維方法得到層次聚類的散點(diǎn)圖，如圖3所示，類與類之間的界限明顯，表明層次聚類效果顯著。

圖3 t-SNE降維系統(tǒng)聚類分布散點(diǎn)圖

由表9可以總結(jié)出各個(gè)類的特點(diǎn)，如表10所示：這5類客戶分別對應(yīng)湖里海晟客戶、思明海晟客戶、其他行政區(qū)海晟客戶、見福便利店和永輝商超。“湖里海晟客戶”(類別1)包含12家海晟連鎖店，其中，湖里區(qū)海晟連鎖店10家，思明區(qū)1家和集美區(qū)1家。因大多數(shù)海晟連鎖店隸屬湖里區(qū)，因此該類客戶被標(biāo)記為“湖里海晟客戶”。同理，“思明海晟客戶”(類別2)包含18家海晟連鎖店，其中，思明區(qū)海晟連鎖店17家，湖里區(qū)1家，因此，該類客戶被標(biāo)記為“思明海晟客戶”?！捌渌姓^(qū)海晟客戶”(類別3)包含了集美區(qū)、海滄區(qū)、翔安區(qū)和同安區(qū)四個(gè)區(qū)的海晟連鎖店，因此，該類客戶被標(biāo)記如此?！耙姼１憷辍?類別4)和“永輝商超”(類別5)各包含了2家見福便利店數(shù)據(jù)和3家永輝超市數(shù)據(jù)。

表9 零售客戶層次聚類結(jié)果

表10 零售客戶層次聚類特點(diǎn)

數(shù)據(jù)指標(biāo)中并未有關(guān)于海晟、見福和永輝的標(biāo)識，數(shù)據(jù)聚類結(jié)果卻能夠自然劃分開來，說明這三類零售客戶存在顯著的消費(fèi)差異。比較類別1、類別3和類別4、類別5的差異可以看出，海晟連鎖具有月平均卷煙銷售占比最高(超過70%)，人流量最低(1000～2000人/月)，月平均銷售金額適中(50萬元左右)，月人均消費(fèi)最高(近400元)，高價(jià)類卷煙消費(fèi)占比最高(超過45%)，非煙商品數(shù)最少(不到300種)等特點(diǎn)。見福月平均卷煙銷售占比適中(39%)，月平均人流量適中(近2萬人)，月平均銷售金額最低(30萬元左右)，月人均消費(fèi)最低(15元)，低價(jià)煙消費(fèi)金額占比適中(83%)，非煙商品數(shù)適中(3171種)。永輝商超月平均卷煙銷售占比最低(僅2%)，月平均人流量最高(近8萬人)，月人均消費(fèi)適中(近100元),月平均銷售金額最高(850萬左右)，低價(jià)煙消費(fèi)金額占比最高(98%)，非煙商品數(shù)最高(2.3萬種)，值得注意的是，其會員客戶銷量占比高達(dá)48%。綜合來看，海晟連鎖、見福和永輝超市在人流量、各價(jià)類卷煙消費(fèi)占比、非煙商品數(shù)目和會員客戶銷量占比等方面存在較大差異，因此，通過聚類分析方法能夠有效將其區(qū)分開來。

另外，聚類過程還巧妙地按照“區(qū)域”將海晟客戶劃分出來。這一結(jié)果并非僅僅因?yàn)榭紤]了區(qū)域這一行政變量，實(shí)際上是區(qū)域之間展現(xiàn)的消費(fèi)行為差異使然。代表海晟連鎖的類別1、類別2和類別3除了行政區(qū)域上的差別以外，還在于月平均人流量、月平均銷售金額、卷煙消費(fèi)占比和會員銷量占比等方面的不同。湖里區(qū)海晟客戶的月平均人流量最少(1023人)，月平均銷售金額最低(44萬元)，高價(jià)類卷煙消費(fèi)占比最高(48%)，會員客戶銷量貢獻(xiàn)(17%)顯著高于其他地區(qū)海晟連鎖店。思明區(qū)海晟客戶月平均卷煙銷售占比最高(79%)，月平均人流量最大(1665人)，中等價(jià)類消費(fèi)金額占比最高(22%)，非煙商品品類數(shù)最少(248種)，顯著低于其他地區(qū)海晟連鎖。其他行政區(qū)海晟客戶月平均銷售金額最高(56萬元)，月平均卷煙銷售占比最低(73%)，低價(jià)煙消費(fèi)金額占比最高(36%)。

4.2.2 消費(fèi)者畫像

我們對海晟連鎖店3689個(gè)會員數(shù)據(jù)按照12個(gè)指標(biāo)(如表11所示)進(jìn)行層次聚類，以期獲得有關(guān)消費(fèi)者更加清晰的畫像。

表11 聚類分析消費(fèi)者畫像指標(biāo)及分類

通過層次聚類法，我們將3689個(gè)會員的消費(fèi)記錄按照12個(gè)指標(biāo)分為6類。每一個(gè)類別會員的部分指標(biāo)明顯的區(qū)別于其他類別，譜系聚類圖和分布散點(diǎn)圖4-圖5所示。

圖4 海晟會員數(shù)據(jù)層次聚類譜系圖

圖5 t-SNE降維系統(tǒng)聚類分布散點(diǎn)圖

進(jìn)一步提取各個(gè)類的特征，如表12所示。

表12 海晟連鎖會員層次聚類(6類)特點(diǎn)

4.3 卷煙市場容量的回歸分析

市場容量是指在不考慮產(chǎn)品價(jià)格或供應(yīng)商的前提下，市場在一定時(shí)期內(nèi)能夠吸納某種產(chǎn)品或勞務(wù)的單位數(shù)目。本次模型，我們考慮利用與卷煙相關(guān)性高的非煙銷量來預(yù)測卷煙容量，具體探索函數(shù)如下：

Q=f(卷煙銷售相關(guān)因子)

4.3.1 樣本選取

海晟連鎖因其在廈門卷煙市場穩(wěn)定的份額和廣泛的影響力，其數(shù)據(jù)庫系統(tǒng)維護(hù)全面、數(shù)據(jù)質(zhì)量高，故本文選取廈門海晟連鎖2015年第35周至2018年第16周共計(jì)138周的數(shù)據(jù)為分析樣本。

4.3.2 選取影響卷煙銷量的非煙因子

通過剔除不穩(wěn)定數(shù)據(jù)和非需求類數(shù)據(jù)，選取銷量占比較為穩(wěn)定的5個(gè)非煙類商品作為備選因子，如下表所示：

表13 非煙因子

對卷煙總銷量和所有備選因子進(jìn)行銷量相關(guān)性分析。如圖6所示，卷煙和白酒、卷煙和煙具的銷量都具有顯著的相關(guān)性。

進(jìn)一步，計(jì)算出卷煙總銷量和所有備選非煙因子的相關(guān)系數(shù)，結(jié)果如表14所示。

(a)卷煙和白酒 (b)卷煙和煙具圖6 卷煙與非煙產(chǎn)品的相關(guān)圖

表14 相關(guān)系數(shù)

由表14可知，白酒、洋酒、葡萄酒、茗茶的銷量與卷煙總銷量具有極強(qiáng)的相關(guān)性，故選擇白酒、洋酒、葡萄酒、茗茶作為預(yù)測模型自變量。

4.3.3 構(gòu)建預(yù)測模型

我們利用海晟卷煙總銷售量作為因變量Q，白酒x1、葡萄酒x2、茗茶x3的銷售量作為自變量擬合回歸模型，通過對不顯著變量進(jìn)行剔除，得到修正后的估計(jì)結(jié)果，如表15所示。

表15 回歸估計(jì)結(jié)果

估計(jì)方程為：

Q=245461.4+19.528x1+11.17x2+6.827x3

結(jié)果表明，白酒、葡萄酒和茗茶對卷煙市場容量的邊際影響顯著為正。具體來說，在合理的預(yù)測白酒、葡萄酒及茗茶的銷量時(shí)，可以有效預(yù)測卷煙市場容量。根據(jù)對應(yīng)行業(yè)的全國發(fā)展研究報(bào)告，預(yù)估了2018年廈門市年度白酒、葡萄酒及茗茶的銷量增長率，分別為10%、7%和5%。進(jìn)而，根據(jù)海晟連鎖2017年的白酒、葡萄酒及茗茶的銷量，預(yù)估海晟連鎖2018年白酒、葡萄酒及茗茶的銷量，見表16。

表16 2018海晟連鎖白酒、葡萄酒、茗茶

將2018年白酒、葡萄酒和茗茶銷量預(yù)測代入估計(jì)方程，可預(yù)測2018年海晟連鎖卷煙年銷量為73.14萬條；在95%的置信水平下，年銷量區(qū)間為[66.84萬條,79.44萬條]。根據(jù)海晟連鎖的市場占有率為1.5%，可以推算2018年廈門市卷煙市場容量預(yù)測值為19.50萬箱，在95%的置信水平下，市場容量的預(yù)測區(qū)間為[17.83萬箱，21.18萬箱]，如圖7所示。

圖7 廈門市卷煙市場容量預(yù)測圖

5 結(jié)論

本文運(yùn)用了多種數(shù)據(jù)挖掘算法對廈門市卷煙銷售數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)建模，得出以下結(jié)論：

①消費(fèi)者會選擇同時(shí)購買兩種不同規(guī)格、不同價(jià)類的卷煙，并且部分消費(fèi)者愿意在購買偏好性卷煙的同時(shí)嘗試新品卷煙。

②對客戶進(jìn)行聚類分析，有助于對客戶進(jìn)行分類，從而進(jìn)行個(gè)性化營銷。

③采用非煙的銷量進(jìn)行預(yù)測卷煙的容量，為卷煙容量預(yù)測提供了一種新思路。該方法推斷出廈門市2018年卷煙市場容量為19.50萬箱及其95%置信區(qū)間為[17.83萬箱，21.18萬箱]。2018年廈門市公司實(shí)際銷售卷煙19.45萬箱，處于推斷的容量區(qū)間內(nèi)，得以很好的佐證，并且依此方式可以為2019年的銷售目標(biāo)制定提供參考依據(jù)。