基于譜聚類和客戶生命周期的卷煙消費者價值研究

摘 要：本文選取H省3065家現(xiàn)代終端為研究對象，首先采用譜聚類和輪廓系數(shù)法對門店經(jīng)營模式進行聚類，將零售門店分為三種類型，再基于改進后的客戶生命周期模型進行消費者價值測算，同時使用現(xiàn)有價值、潛在價值和忠誠度三個維度確定八種消費者細分類型，并制定差異化的營銷策略。最后以加盟終端門店進行模型測試和應(yīng)用研究，結(jié)果證明本文得到了具有較高解釋性和區(qū)分度的消費者價值評估方案和消費者細分營銷策略，能夠有效幫助零售門店提升消費者價值和盈利水平。

關(guān)鍵詞：客戶生命周期；譜聚類；消費者價值分析；卷煙營銷；客戶分類

一、引言

卷煙消費者價值分析，是零售門店及時響應(yīng)消費者個性化、差異化需求，提升卷煙盈利水平的重要手段。當(dāng)前，煙草行業(yè)多基于現(xiàn)有價值對消費者進行評估，未能充分釋放數(shù)據(jù)價值。

因此，本文將以H省卷煙消費者為研究對象，以工商零售多源數(shù)據(jù)為基礎(chǔ)，探索構(gòu)建一套科學(xué)合理的卷煙消費者價值分析模型，幫助零售門店精準評估消費者價值，精準分析目標消費客群，指導(dǎo)零售門店有針對性地開展消費者運營及卷煙品牌推介，從而改善卷煙整體動銷情況，進而提升門店盈利水平。

二、現(xiàn)狀分析

隨著電商對線下門店的沖擊，加之三年疫情影響，食品、日化等品類的利潤空間日益壓縮，難以成為門店的利潤增長點。卷煙因政策原因受到的沖擊較小，成為終端門店盈利的重要組成部分。傳統(tǒng)零售門店在銷售卷煙時普遍采用等客上門的被動銷售模式，難以主動識別目標消費者開展針對性營銷，未能最大限度激發(fā)消費者的消費潛力。所以，如何基于消費數(shù)據(jù)挖掘消費者需求，有的放矢進行消費者運營和卷煙精準營銷，是提升卷煙動銷水平和門店盈利水平的關(guān)鍵。

目前，對消費者價值評估主要采用RFM模型和其他模型相結(jié)合的模式，但是RFM模型只根據(jù)客戶的過去交易行為進行分析，而沒有考慮到未來客戶的行為和潛力，這可能導(dǎo)致一些潛在高價值客戶被忽略。因此，本文選用應(yīng)用較廣的改進后CLV模型和其他模型相結(jié)合的模式，以便更加充分地挖掘數(shù)據(jù)價值，更加全面地評估消費者價值。

三、研究設(shè)計

H省目前共有30余萬卷煙零售門店，經(jīng)營業(yè)態(tài)主要分為便利店、煙酒店、商超等，經(jīng)營模式各有特點，不同商業(yè)模式的門店有差異化消費者運營生態(tài)，而門店商業(yè)模式是動態(tài)變化的，現(xiàn)有標簽信息存在時間滯后性，且不夠客觀。

基于上述分析，本文提出，首先應(yīng)根據(jù)門店的多維經(jīng)營數(shù)據(jù)對卷煙經(jīng)營模式進行聚類，再對不同類型的門店構(gòu)建消費者價值分析模型，測算消費者CLV值，依據(jù)CLV值找出門店核心消費者，并對消費者進行分類運營，并提供差異化服務(wù)策略，具體如圖1所示。

四、店鋪經(jīng)營模式聚類

1.數(shù)據(jù)源

本文基于零售門店經(jīng)營分析的三大維度，即門店經(jīng)營環(huán)境、門店經(jīng)營狀況、門店經(jīng)營能力，提出零售門店營銷模式的ESC屬性（見表1）。

為進一步保障數(shù)據(jù)質(zhì)量和數(shù)據(jù)可用性，在H省最早上線營銷一體化平臺店鋪管理系統(tǒng)的省會C市中，以奈曼抽樣法挑選終端數(shù)據(jù)質(zhì)量評價體系下，數(shù)據(jù)質(zhì)量為優(yōu)秀的3065家零售門店為研究對象，基于門店經(jīng)營ESC屬性和數(shù)據(jù)獲取質(zhì)量，構(gòu)建用于區(qū)分零售門店經(jīng)營模式的零售門店經(jīng)營模式指標體系，如表2所示。

2.特征選取

數(shù)據(jù)預(yù)處理后，為了防止多重共線性對聚類結(jié)果產(chǎn)生負面影響，本文使用熱力圖對現(xiàn)有指標進行多重共線性檢驗，顏色深淺反映了相關(guān)系數(shù)的程度，圖2結(jié)果表明商圈類型、市場類型、業(yè)態(tài)類型、卷煙動銷率和卷煙銷售占比之間的相關(guān)系數(shù)較高，可能存在多重共線性。因此，在進行特征篩選時，本文剔除了相關(guān)系數(shù)較高的5個變量，避免多重共線性造成過擬合問題。

3.譜聚類過程

（1） 選擇k值

輪廓系數(shù)法能更全面地考慮聚類內(nèi)部和聚類之間的距離關(guān)系，提供更準確的聚類評估，本文借助輪廓系數(shù)法來確定k值，k值越大說明越合理，使用python算法對k取值為[2，14]的整數(shù)進行多次迭代，圖3結(jié)果說明k值為3時輪廓系數(shù)最大，聚類效果最好。

（2） 分類結(jié)果

確定k值為3后，使用python對所有零售門店樣本進行譜聚類分析。聚類結(jié)果以及每一類別的特征均值分布情況如圖4、圖5所示。

（3） 結(jié)果分析

類別Ⅰ的門店卷煙訂單數(shù)、客流量和?？蛿?shù)量較少、人均毛利較低，未形成較鮮明的經(jīng)營模式和特點。

類別Ⅱ的門店卷煙訂單數(shù)、?？蛿?shù)量和客流量偏高，但卷煙客單價相對偏低，采用的是人流量大、客單價低的“薄利多銷”經(jīng)營模式。

類別Ⅲ的門店具有較高的客單價和人均毛利，但訂單數(shù)相對較少，采用運營大客戶為主的精品銷售路線。

五、門店消費者價值評估

1.數(shù)據(jù)源

本文在省會C市中，以奈曼抽樣法挑選終端數(shù)據(jù)質(zhì)量評價體系下長期保持數(shù)據(jù)質(zhì)量優(yōu)秀的零售門店，結(jié)合店鋪終端銷售數(shù)據(jù)、工商零消費平臺數(shù)據(jù)、消費者基本數(shù)據(jù)，以每條支付ID對應(yīng)的消費流水為最小研究樣本，對消費者的卷煙消費行為進行為期1年的跟蹤。

2.確定模型權(quán)重

數(shù)據(jù)預(yù)處理后，為減少主觀性對決策結(jié)果的影響，本文選用常用于客觀賦權(quán)的熵權(quán)法測算每個指標層的權(quán)重，熵權(quán)法是根據(jù)各指標數(shù)值變化對整體的影響，計算指標的熵值，進而確定權(quán)重。按照前文聚類結(jié)果，對3類經(jīng)營模式的門店賦予不同權(quán)重，并通過加權(quán)計算得到消費者CLV得分，用以評估和計量卷煙消費者生命周期價值。

六、分析

消費者的CLV值定量描述了其對零售門店的價值，個體經(jīng)營的零售門店服務(wù)資源有限，需集中資源對頭部的卷煙消費者進行差異化運營，因此我們參考二八法則，即“給一個公司帶來80%利潤的是20%的客戶”，挑選出每家門店CLV值排名前20%的消費者作為差異化運營對象。

建立有關(guān)消費者現(xiàn)有價值、消費者潛在價值和消費者忠誠度的三維細分模型，在CLV值排名前20%的消費者中，如某消費者的現(xiàn)有價值高于該門店類型的消費者平均現(xiàn)有價值，則定義為高，反之則定義為低，以此類推?；诖?，每家門店CLV值前20%的消費者可劃分為八種細分類型（如圖6所示）。

結(jié)合八種細分類型的消費者特點，零售門店可采取對應(yīng)的消費者運營策略，從而實現(xiàn)企業(yè)資源的優(yōu)化配置和利益最大化，結(jié)果明細如表4所示。

七、結(jié)語

1.本文創(chuàng)新點

（1） 創(chuàng)新了分析方法：以前煙草行業(yè)對卷煙消費者的分析多采用RFM框架，本文通過構(gòu)建CLV模型，補充分析消費者的潛在價值和忠誠度，為卷煙消費者價值分析研究中提供了更全面、準確的視角。

（2） 整合了多維數(shù)據(jù)源：從工商零消共同面向消費者的角度入手，本文將店鋪管理系統(tǒng)中的到店消費數(shù)據(jù)與工商零消品牌共育平臺運營數(shù)據(jù)進行整合，充分盤活了工商零消生態(tài)圈的數(shù)據(jù)資源，為零售門店的決策提供了更具實踐意義的依據(jù)。

（3） 提供了差異化運營策略：本文結(jié)合CLV綜合得分和三維消費者價值細分模型，將門店消費者分為八個類別，并提供具體的消費者運營策略。策略基于消費者的價值特征和行為習(xí)慣，能幫助零售門店補齊短板，優(yōu)化資源配置、提高收益，并能提高消費者的忠誠度和參與度。

2.不足與展望

（1） 算力限制：由于算力有限，本文僅對C市數(shù)據(jù)質(zhì)量較高的部分門店進行數(shù)據(jù)集分析計算。未來的研究還將擴展到H省的所有門店，納入更多數(shù)據(jù)指標，對更廣泛的數(shù)據(jù)集進行分析。

（2） 優(yōu)化差異化服務(wù)策略：本文基于消費者行為特征和細分類型探索制定差異化服務(wù)策略，在模型制定階段，主要基于營銷理論和部分零售門店實際經(jīng)驗制定，后續(xù)研究將深入門店進行實地調(diào)研，并邀請更多卷煙門店參與服務(wù)策略的制定，進一步提高運營策略的顆粒度，增強營銷策略的實用性。

（3） 深化消費者價值分析模型：由于門店的非煙數(shù)據(jù)標準化程度不夠高，本文僅分析了卷煙消費數(shù)據(jù)。后續(xù)研究將納入非煙消費數(shù)據(jù)、消費者行為數(shù)據(jù)、消費者調(diào)研數(shù)據(jù)等，探索更先進的分析技術(shù)，持續(xù)提升模型的準確性和預(yù)測能力。

參考文獻：

[1]林盛，肖旭.基于RFM的電信客戶市場細分方法[J].哈爾濱工業(yè)大學(xué)學(xué)報，2006（5）：758-760.

[2]劉朝華，梅強，蔡淑琴.基于RFM的客戶分類及價值評價模型[J].技術(shù)經(jīng)濟與管理研究，2012（5）：33-36.

[3]龍冰婷.基于改進的RFM模型客戶價值分層研究[J].西昌學(xué)院學(xué)報（自然科學(xué)版），2022，36（1）：52-57.

[4]包志強，趙媛媛，趙研，等.基于改進RFM模型的百度外賣客戶價值分析[J].西安郵電大學(xué)學(xué)報，2019，24（1）：105-110.

[5]肖耘，許歡歡，肖雅元，等.基于CLV偏好挖掘模型的數(shù)字社區(qū)用戶偏好挖掘研究[J].農(nóng)業(yè)圖書情報學(xué)報，2023， 35（2）：45-60.

[6]龍麗琴，譚欽騰，吳青，等.基于零售戶關(guān)鍵行為分析的客戶識別方法[J].企業(yè)改革與管理，2015（1）：30-31.

[7]劉章敏，劉薔.模糊C均值聚類算法在煙草行業(yè)RFM模型中的應(yīng)用研究[J].新商務(wù)周刊，2018（15）：16.

[8]馮喆，侯霄昱，郭子欣.基于改進型RFM卷煙消費者價值細分模型的精準營銷策略研究[J].經(jīng)濟師，2019（12）：279-281.

[9]金吉瓊，居雷，張易，等.基于用戶畫像的卷煙消費者特征識別和價值評估[J].煙草科技，2023，56（1）：105-112.

[10]RAMONI M，SEBASTIANI P.Robust Bayes classifiers[J].Artificial Intelligence，2001，125（1/2）：209-226.

[11]GARCIA S，DERRAC J，CANO J，et al.Prototype selection for nearest neighbor classification：Taxonomy and empirical study[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2012，34（3）：417-435.

[12]BERNARD J J，JONI O S，JUNG S J.Data-driven personas for enhanced user understanding：Combining empathy with rationality for better insights to analytics[J].Data and Information Management，2020，4（1）：1-17.

作者簡介：李玥（1990— ），女，漢族，本科，中級經(jīng)濟師，研究方向：數(shù)智營銷方向；湯季蓉（1998— ），女，漢族，碩士，中級經(jīng)濟師，研究方向：應(yīng)用統(tǒng)計方向；李夢馨（1994— ），女，漢族，碩士，中級經(jīng)濟師，研究方向：產(chǎn)業(yè)經(jīng)濟方向；通訊作者：李可（1989— ），女，漢族，本科，中級經(jīng)濟師，研究方向：卷煙營銷方向；趙思邈（1986— ），女，漢族，本科，中級經(jīng)濟師，研究方向：品牌營銷方向。