马宗泽  孙永寿  薛寅 云南中烟工业有限责任公司营销中心

摘要：随着城市规划的逐步优化、完善，区域功能的重新定义和特点逐步显现，“商圈”的概念对消费人群的划分有着越来越重要的意义。不同的消费环境，往往客观驱动着消费者的消费观念。本文创新性地搭建以“商圈”和“档位”为卷烟投放维度，利用预测模型生成市场模拟反馈，结合动态规划理论，形成“投放-反馈-投放”的循环结构，最终生成最佳投放策略的策略制定模型。该模型在某市某品规的实际卷烟营销中取得了显著的效果。

关键词：卷烟；商圈；动态规划；精准投放；模型

目前，中国烟草行业在卷烟投放模式主要有按档位投放、按价位段投放、按档位+价位段投放、选点投放、“定量标签”、“客户需求”等。这些传统的投放方式都是基于烟草行业数据的深度挖掘，主要依赖于烟草零售户自身的经营能力和历史购进数据，存在着一定的问题：1.客户经营能力评价体系中进货量、进货额占比80%以上，无形中助长了大户的发展；2.烟草零售户整体经营能力与其对单品规的实际经营能力不符。

谷学志^[1]基于卷烟市场表现，运用量化管理理论建立非线性多目标最优化模型，有针对性的进行货源投放和补充。许泓^[2]提出基于卷烟零售户销售潜力分值(G值)的新产品投放策略(G值策略)。刘颂^[3]运用精益管理工具及层次分析方法，研究货源精准投放模式的构建。徐亚雄^[4]提出按货源属性并结合价类、地区、客户级别、客户需求等进行策略制定，提升零售客户满意度。这些是基于烟草历史经营数据来研究卷烟精准投放，未考虑零售终端的未来发展潜力。

本文首次提出以“商圈”作为另一个卷烟投放维度，基于环境大数据下，做卷烟营销。随着大数据时代的到来，关于POI（Point Of Interest，兴趣点，如一栋房子、一个商铺、一个公交站等）的研究越来越受到人们的关注。淳锦^[5]的人口分布网格化模型就是以POI数据为基础，做细化处理，实现更精准的人口估算模型；李江苏、梁燕等人^[6]对郑东新区的POI进行研究，从规划的角度提出了不同功能区产业结构优化的方向。在烟草行业，陈浩^[7]通过对卷烟消费者扫码点POI类别的统计和扫码时间段的趋势分析，挖掘出用户购买地点及时段偏好。

一、研究方法与思路

本研究在商圈的基础上，结合零售终端的环境因素与烟草经营状况，将动态规划理论应用于卷烟精准营销，利用多模型的协同工作，模拟出市场反馈状态，形成“投放-反馈-投放”的循环动态结构，实现精准营销。

动态规划过程（Dynamic programming）是每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，这种多阶段最优化决策解决问题的过程就称为动态规划。它主要应用于路径规划或者控制领域。如：王琼，郭戈^[8]关于车队速度滚动时域动态规划及非线性控制的研究中提出一种滚动时域动态规划算法来解决自主车辆队列的节能安全问题。动态规划理论应用需具有以下特点：

1.最优子结构性质：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构性质（即满足最优化原理）。

2.无后效性：即子问题的解一旦确定，就不再改变，不受在这之后、包含它的更大的问题的求解决策影响。

3.子问题重叠性质：子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的子问题并不总是新问题，有些子问题会被重复计算多次。

二、数据来源和模型构建

（一）数据来源

本研究中所使用的商圈数据是来源于开放平台API接口收集到的POI数据。研究中，共收集某市POI数据115万条，同时采用某市试点卷烟2019年9月-2020年3月的订单数据作为研究基础。

（二）数据处理

1.探索性分析：利用python相关的科学计算库进行数据初步的探索，例如数据类型、缺失值、数据集规模各特征下的数据分布情况等，并运用第三方绘图库进行直观的观察，以获取数据的基本属性与分布情况。通过单变量分析与多变量分析，可以初步探索数据集中各特征之间的关系，以验证在业务分析阶段所提出的假设。

2.缺失值：重要特征采用拉格朗日插补法进行填充，一般特征采用向上填充或者均值填充等。

3.异常值(离群点)：基于DBSCAN聚类算法和孤立森林进行异常值检测。

（三）设计方案

基于上述数据及理论基础，本文研究的卷烟精准投放模型共分为三大个模块，分别为商圈模型、初始化策略和动态规划模型。商圈模型输出零售户商圈属性；初始化策略定义策略初始状态；动态规划模型输出最终合理投放策略和预计进货量。

1.商圈模型

商圈是指以烟草零售户所在位置为中心，沿着一定的方向和距离扩展，吸引具有共同消费特征消费者的辐射范围。某市115万条POI数据共500多个环境因子类型，因为环境因子具有相关性，我们在消费能力等级划分的基础上，将具有相关性的环境因子聚为一类，称为商圈属性，共10个商圈属性。首先统计零售户周边250m范围内POI类型、数量及其与零售户的距离，将500个类型主导环境因子聚合到10个商圈属性的得分，得分最高的定义为零售户的商圈属性。

表1 商圈属性权重表

2.初始化策略

利用数据分析方法，对某品规的历史进货情况进行分析，确定需求增长环境并找出主销环境（商圈）以及主销档位，根据档位和商圈两个维度建立15*10的矩阵（以15档，10个商圈为例），组成150个投放单位。根据历史进货情况，分析每个环境及档位中的客户需求情况，制定出合理的策略值。以某个环境为例，如下表2所示：

表2 各进货量下户数分布表

根据表2可以发现：85%以上零售户进货量小于11条，当期该档位的投放量高于20条，非常不合理，本研究认为，利用“二八法则”，该状况下合理投放量应为10条，既能满足大多数烟草零售户的进货需求，又能达到“稍紧平衡”的目的，这样的策略值称为：合理策略量。

3.动态规划模型

图1  模型工作流程图

如图1所示，本研究的动态规划模型由2个模型共同构成：分别为预测模型和评分模型。在动态规划理论的基础上，预测和评分2个模型有机整合，把目标量作为约束条件，求解出目标品规最佳的投放策略及预计进货量。

（1）预测模型

    搭建基于机器学习算法的卷烟进货量预测模型，将零售户属性特征、环境特征和历史进货特征作为输入维度，预测出初始化投放策略下，零售户对目标品规的购进明细。

表3  零售户特征（部分）表

通过输入特征，利用预测模型，得到零售户对目标品规的预计进货明细，并计算对应市场状态指标，模型输出结果如表4所示：

表4 预测模型输出表

将所有零售户的预计进货明细汇总，即预测进货总量，与商业公司的计划目标量做对比，若预测进货总量与计划目标量相近，输出最终投放策略，否则进入下一步评分模型。

（2）评分模型

评分模型主要运用上一步的预测结果，对每个投放单位的预计市场状态进行评价。本文通过加权得分的方法对三个市场状态指标和进货量分别赋予不用的权重，再把对应的权重分别投影到各个投放单位中，计算加权平均值，得到每个投放单位的分值，最终按评分降序对所有投放单位进行排序，如下表5所示。

表5  评分表

注：评分越高，表示该投放单位的市场状态越好。

若目标品规的预测进货量大于计划目标量，减少评分排名靠后投放单位的投放策略，若预测进货量小于计划目标量，增加评分排名靠前投放单位的投放策略，生成新的投放策略，重新输入预测模型，预测出新的进货明细。

根据零售户对目标品规的预测进货量和计划目标量差值，循环调整该品规的投放策略，当预测进货量符合计划目标量时，退出循环，输出最终的投放策略结果。

4.模型优化

在模型应用过程中，对不准确的数据进行参数或规则的调整，结合人工经验引导机器重新学习，并不断迭代优化模型权重系数，增加训练数据，提高模型精度和泛化性能。

三、模型的应用效果

某品规2019年9月到2020年3月的数据作为总样本。选取2020年3月之前的数据作为训练集，2020年4月份1期作为测试集。带入模型进行验证，通过使用该模型能够以更小的投放量得到相近的进货量，进而达到更好的市场状态。以档位+商圈投放（使用模型）和档位投放（未使用模型）的卷烟为例，模型运行8周后，得到最终市场状态指标表现结果，如表6：

表6  模型应用结果对比表

如表6所示，使用卷烟精准投放模型，该品规的投放量减少13.2%，投放户数减少40.1%，各项市场状态指标明显优于未使用模型的情况，其中订购面高出18.7%，订足率高出17.6%，订单满足率高出3.3%，模型应用效果显著。

四、结论

在充分研究商业公司业务系统和某省商业为代表的五要素投放模式的基础上，本文将POI数据加工处理，分析零售户的商圈属性；并将商圈属性作为一个投放维度，形成了二维的网状投放模式；结合多种算法模型，模拟市场状态，形成反馈；并利用动态规划理论循环迭代，搭建出新型的卷烟精准投放模型。通过实践验证发现，该模型可以有效地对市场投放情况进行模拟演练，提前预知市场状态，把控市场，实现卷烟产品的精准投放。

参考文献：

[1]谷学志,曹小钟.基于量化管理的卷烟精准投放策略研究[J].现代经济信息,2014(01):30-31.

[2]许泓,刘文倩.基于卷烟零售户销售潜力分值(G值)的新产品投放策略研究[J].中国烟草学报,2016(01):114-121.

[3]刘颂,朱峰,王伟,等.基于市场导向下的货源精准投放模式研究[J]. 现代企业文化,2020(03):125-126.

[4]徐亚雄.烟草公司货源投放的策略分析及改进[J].中国商论,2015(34):154-156.

[5]淳锦,张新长,黄健锋,等.基于POI数据的人口分布格网化方法研究[J]. 地理与地理信息科学,2018,34(04):83-89.

[6]李江苏,梁燕,王晓蕊.基于POI数据的郑东新区服务业空间聚类研究[J].地理研究,2018,37(01):145-157.

[7]陈浩,王诗航,顾祖毅,等.基于POI数据的卷烟消费者行为研究[J].科技和产业,2019,19(01):79-83+88.

[8]王琼,郭戈.车队速度滚动时域动态规划及非线性控制[J].自动化学报,2019,45(05):888-896.