——以贵阳市烟草公司实践探索为例

宋普阳  何逸冰  张沛洋  贵州省烟草公司贵阳市公司

摘要：本研究基于烟草行业高质量发展要求，从数据营销和智慧营销等角度出发，依托当前贵阳市烟草公司沉淀大量的批发、零售和消费数据，构建基于数据驱动的人工智能的货源投放模式，在规范、公平的前提下，有效地打造了一套数据采集系统，梳理和畅通了数据的来源和采集通道，为状态调控提供数据支撑；构建市场状态调控模型，实现市场状态感知和调控自动化、精准化；构建了货源投放自动汇总和策略自动生成系统，实现了精准的周货源投放，提升货源的匹配度和客户的满意度，持续改善传统投放工作的效率。

关键词：人工智能；数据驱动；货源投放；营销

一、人工智能技术在卷烟营销的应用现状

人工智能是以信息科技为基础，以基于大数据的复杂算法为核心，以对人类智能的模拟、延伸和超越为目标的高新科学技术（孙伟平，2020）。快速发展的人工智能(AI)技术使智能决策应用迅速渗透至各个领域,对社会经济和人们生活产生重大影响（孔祥维，2022）。对于烟草商业而言，大数据和人工智能技术在卷烟货源投放的应用已经积累了一定的经验。

2012年的上海网建会提出，通过对零售价格指数、时点存销比两个指标的量化分析，构建市场状态评价矩阵。探索利用数据驱动加模型运用的模式。

2015年，福建漳州的五要素调控法在上海网建会成果的基础上，进一步挖掘细化指标，形成以订足率、订足面、社会库存、市场价格、商业存销比五个要素为主要指标，构建了“市场状态—策略执行—可供货源”三维三层模型。

2017年以来，青岛烟草运用精益思想和方法，创建“市场采集”指标和“订单销售”指标双向验证的市场状态判断精益模式。该模式将条价格指数、存销比、需求满足率作为改善目标，根据SMART原则，以“提质增效”为改善方向，当社会存销比小于等于1、条价格指数大于等于98、需求满足率大于等于86%时市场状态良好。

2018年，浙江烟草通过对数据的监测、分析和运用，深刻洞察需求变化、市场状态和品牌表现，实现用数据驱动运营、用数据指导决策、用数据优化管理和服务（刘颂，2020）。

2021年，全国网建会江苏烟草坚持把市场建设作为“基础工程”，在营造品牌健康成长环境上有新突破；坚持把零售终端作为“主阵地”，在提升商业渠道掌控力上有新突破；坚持把数据驱动作为“新引擎”，在推动营销数字化转型上有新突破。

从近十年烟草行业的案例来看，行业营销通过构建数据采集通道，市场状态评价模型，市场状态调控模型，运用大数据、人工智能技术，为卷烟营销提供更多高效率、可量化、更精准的业务和管理模式。

二、基于人工智能货源投放研究的意义

传统卷烟货源投放方式存在以下问题：一是计划管理缺乏系统记录支撑。通常计划管理依靠Excel等基础性统计软件，计划管理的实时更新依靠人工记录的方式。系统支持不足使得营销工作实时性和准确性降低；二是卷烟营销还普遍存在市场状态评价凭“经验”的问题、经济运行调控凭“直觉”的问题、货源按档投放凭“拼凑”的问题。关键的问题是，对市场状态的分析主要是依靠人工定性判断，尤其在对不同指标，如价格指数、社会库存等的区间阈值设定上，是根据多年经验对市场状态进行判断而产生的。

针对传统卷烟货源投放过程中存在的问题，贵阳市公司通过分别构建时间维度上的计划管理系统、基于人工智能货源智能投放系统。通过将计划管理纳入系统模块，实现计划管理人工掌控、系统实现。增强计划管理工作效率，实现计划管理的可视、实时更新等功能。有效实现市场状态评价可量化、经济运行调控有支撑、货源投放与终端需求更匹配三个目的。因此本研究具有以下重要意义：

第一是贯彻落实行业高质量发展要求的重要之举。经济运行工作是烟草商业企业实现健康稳定发展基础性和核心性工作之一，经济运行工作高质量开展关系到行业高质量发展。

第二是深化行业市场化取向改革的有效之举。行业提出市场化取向改革多年，如何真正落实以市场需求为导向、客户要什么给什么、要多少给多少的要求还尚未有更精准的举措。通过项目研究，可更精准开展货源投放，较合理满足市场需求，平衡客户间的需求。

第三是推动贵州烟草商业卷烟营销价值落地的必然之举。当今社会已进入“互联网”和“数据”时代，产品的制造、销售以互联网为纽带、以数据为驱动。当前经济运行工作还存在“经验主义”，对市场好坏评价以经验的定性评价为主，没有可量化的标尺来衡量，经济运行调控凭感觉调控为主，没有可支撑的具体依据。通过项目研究，以数据为驱动、信息技术为支撑，实现市场状态评价数字化、经济运行调控科学化、货源投放精准化。

第四是推动贵州烟草商业降本增效的创新之举。卷烟营销在数字化转型的机遇期，抢抓一切机会提升效率，降低人工成本，实现过程科学，效率提升，结果精准。

三、构建基于人工智能货源投放模式

基于人工智能的市场状态调控是通过智能算法对历史数据进行样本训练和学习，得到货源投放与市场状态间的关系模型，并反复优化模型，提升模型的准确度，实现市场状态精准调控。（王栋，2017）

本研究基于人工智能精准投放模式，依托于卷烟省级营销平台和浪潮商业系统平台进行开发，构建计划管理和货源智能投放两大新模块。计划管理模块实现销售计划的自动分解及实时更新；货源智能投放模块实现货源的智能化自动化投放。

同时优化数据采集模块和市场状态评价模块。数据采集模块完善省公司统一推广的数据系统，拓宽数据来源，为市场状态评价提供数据支撑；市场状态评价模块需要拓宽市场状态评价维度，从多方面评价市场状态，将市场状态评价结果应用于计划管理、货源投放功能。

图1 基于人工智能的货源投放模式

（一）贵阳市公司当前的信息采集模式

一是手工采集：省级公司统一制定信息采集点管理标准。市级公司卷烟营销中心统一建立本地信息采集点绩效管理制度，信息采集员现场盘点采集为主，零售客户自主盘点上报为辅等,采集数据记录于《样本点客户库存、 价格信息采集表》并录入省级营销平台。

二是自动采集：基于云POS扫码系统，信息采集点使用信息采集工作进行扫码销售，通过信息采集工具实时记录并上传经营明细。

本研究中对信息采集模式的优化方向是对手工采集中增加高质量信息采集点，负责采集零售价格、社会库存等信息。

（二）智能货源投放的整个过程

第一步，根据年度销售计划，结合市场状态，年销售进度规划，区域市场均衡性等因素，将年度销售计划分解到月度计划，其中包含月度销售总量、单箱均价及各规格月度具体销量计划。

第二步，结合市场状态、货源组织、月销售进度完成情况，区域市场均衡性等因素，将月度销售计划分解到周投放计划，其中包含周销售总量、单箱均价及各规格周具体销量计划。

第三步，根据月度销售计划及周销售计划实际完成情况，反馈至计划管理模块，实时对月度计划、周计划进行更新。

第四步，根据周计划、投放及市场状态评价结果、货源组织情况、确定每周各规格投放量。

第五步，由系统结合各规格周投放计划、各规格历史投放数据、市场状态评价结果等数据，进行自动投放。五个操作步骤循环往复，不断优化。

其中，第一、第二、第三步属于销售计划管理阶段；第四、五步属于智能货源投放阶段。

1.销售计划管理（最小单元是具体品规）

销售计划管理是基于时间维度的销售计划智能规划，包括卷烟总量和具体品规的规划，即年、月、周、日的卷烟总量和具体规格的计划销售量。计划管理模块主要涉及年度销售总量及各规格计划的年、月、周、日自动分解功能及根据实时销售完成情况、市场状态对剩余计划实时更新的的管理功能。

（1）确定年度销售总量及各规格销售计划。根据历史销售情况、市场状态评价结果、年度品牌评价结果进行年度计划预安排，通过上报至省公司审核修改后，确定年度销售总量及各规格销售计划。

（2）确定年度销售进度，分解年度计划，形成总量及各规格月度销售计划。根据省公司下发的年度销售计划录入系统，由系统参照历史情况（主要是进度情况），确定销售进度。确定年度销售进度的方式主要是以下两种：① 根据预测年份前三年的历史销售进度为参考，往前第一年占比50%、往前第二年占比30%，往前第三年占比20%。②通过领导或团体决策，确定本年度各月销售进度。

（3）确定销售进度后，进行年度计划分解。

主要由两种方式进行年度计划分解，分别是：①根据销售进度，系统自动将年度计划进行逐级分解，确定月、周、日销售计划。②根据销售进度，系统自动将年度计划分解至日，之后汇总形成月度、每周的销售计划。并根据销售进度、市场状态、货源组织等实时情况，按周对各时间维度销售计划进行更新。

①   市场状态评价：主要是从加权存销比、价格指数两个方面，对各规格的市场状态进行评价，其中：

加权存销比：上周存销比*50%+前4周存销比*30%+前12周存销比*20%。

价格指数：参考周期内，采集的实际零售价与建议零售价的比重。

通过两方面评分，结合对投放状态进行评级，如下表1所示。

②   投放状态评价：主要是从加权订足率和加权订足面两个指标，对各规格的投放状态进行评价。其中：

加权订足率：上周订足率*50%+前4周订足率*30%+前12周订足率*20%。

加权订足面：上周订足面*50%+前4周订足面*30%+前12周订足面*20%。

通过两方面评分，结合对投放状态进行评级，如下表1所示。

③   综合状态评价：将投放状态评价及市场状态评价结果，并结合商业存销比等因素，输出综合状态评价结果，结果如下表1所示。

④   销售均衡性评价：评价月间销售的波动性，便于宏观把控和货源投放进度的把控，如到8月份，分析1-7月销售波动性。

以月度投放比例和季度末存销比为依据，分半年度、季度、月度进行进度调控，应用适合当地市场的货源投放模式，合理把控销售节奏，周期性跟踪分析目标销售进度，对比卷烟销售情况制定调控策略。

⑤ 货源投放策略调控：

首先，在年度销售任务，各主销品规销售任务相对明确的前提下，规划各月销售总量和主要规格总量。其次，根据年度规划量和市场状态、主销规格状态评价结果，确定月度投放总量以及主要规格总量。

表1 市场运行调控策略

2.货源智能投放（最小单元是客户档位）

（1）货源投放方式

①标准投放

按需投放：在符合专卖、内管货源投放要求前提下，结合货源协议情况， 按照客户实际需求投放货源。可对每个规格合理设置投放量上限，也可以单次单品上限标准作为投放量上限。

按档位投放：系统根据各档级内全体零售客户的总销量与所有客户总销量占比情况，确定各档位零售客户可投放的总数量，再均分给各档内各零售客户， 保证同档位客户同一规格投放数量一致。在货源生效前，可以根据市场需要按档位对系统计算结果进行调整。

按价位投放：系统根据零售客户一定周期内某价位段的购进量（不含紧俏货源）占该价位段购进总量比重，结合目标品牌（规格）投放总量，自动生成零售客户单次投放数量。

按档位加价位段投放：在档位投放基础上，根据价位贡献度情况进行按价位段投放，系统自动生成零售客户单次投放数量。按价位投放的货源数量比例不得超过该货源总投放数量的 30%。

按档位+扩展投放：在档位基础上，使用区县、经营业态、市场类型、商圈类型等扩展维度进行投放。

②差异投放

贵阳市烟草公司卷烟营销在档位投放基础上，运用零售客户“专用特征标签-货源投放”，制定货源投放二级策略，实现公平规范前提下的货源精准投放方式。本研究旨在解决标准投放的自动分配及差异投放中差异变动的一键生成。即解决标准投放中从总量到各档位的自动分配以及差异投放中各项差异调整的一键生成。

（2）货源智能投放实现路径

①确定周投放量：系统根据已确定的周销售计划，结合市场状态指标（主要是投放状态指标）确定各规格周总投放量。

周投放量=周销售计划÷加权订足率

②智能投放：系统模块根据确定的周投放量进行标准投放。

按价位段投放：结合周投放量，按客户在参考时间内在规格所在价位段中的销售排名确定客户名单及参考时间内客户间的投放均衡性后自动投放。

按档位投放：结合周投放量按照各规格的投放限制及参考时间各档位的市场表现情况、历史投放情况、档位间的平衡性情况进行按档位自动（智能）投放。

③差异投放：在标准投放完成后，进行差异投放。以贵阳卷烟营销市场为例，对主销品规（销量排名前十的规格+中华（软、硬）等重要的规格）采用3B投放法，即基本投放、加成投放和事件投放，其中3B分别是 B1—Basic（基本投放）；B2—Bonus（加成投放）；B3—Business（事件投放）三类投放策略。

基本投放（B1策略），首先，是基本投放，即根据客户档位进行投放。按照计划销量，上周订足率，确定周投放总量。将周投放总量，从30档至1档依次分解,具体案例见表2所示。

表2 重点品牌投放基数分配标准（某次货源投放数据）

加成投放（B2策略），其次，对于基本投放还无法满足投放总量的要求时，采取加成策略。加成策略，即对星级客户、周期客户和季节性客户进行奖励投放的措施。分为奖励条数和奖励倍数两种形式。即从五星到一星，分别设置一定的条数和倍数，作为调整量。

表3 重点品牌投放基数分配标准（某次货源投放数据）

以星级客户为例：

加成数量（条数策略）=∑（奖励的条数*星级客户数）

加成数量（倍数策略）=∑（奖励的倍数*档位客户数*按档投放数）

事件投放（B3策略），事件投放，针对的是业务类订单投放，在特殊情况下的投放，按照投放规范执行。

（注：不同规格的货源，经3B法投放后，得到策略投放总量，总量需符合计划销售量的要求。）

本研究通过将计划管理和货源投放两个过程，开发和固化到营销系统中，解决标准投放中从总量到各档位的自动分配以及差异投放中各项差异调整的一键生成。解决人工计算的复杂度和准确性问题，极大提高了日常投放工作效率，改善了业务流程之间的衔接效率。

四、研究结论

与传统的货源投放相比，本研究基于人工智能的货源投放模式，在规范、公平的前提下，有效地打造了一套数据采集系统，梳理和畅通了数据的来源和采集通道，为状态调控提供数据支撑；构建市场状态调控模型，实现市场状态感知和调控自动化、精准化；构建了智能货源投放系统，实现了精准的周货源投放，提升货源的匹配度和客户的满意度，并持续改善投放工作的效率。

目前，贵阳烟草完成了市场状态的评价指标体系、品牌状态评价指标体系以及对应的模型构建，并固化到营销平台当中，实现了系统的稳步运行，并且运行效果良好，同时，由于系统层面的资源协同、数据共享、模块对接还存在部分堵点，部分子节点需要一定的人工辅助完成，货源投放全流程智能化还无法全部实现，后续还需要持续优化和完善。

参考文献

[1]孙伟平.人工智能与人的“新异化”[J].中国社会科学,2020(12):119-137+202-203.

[2]孔祥维,王子明,王明征,胡祥培.人工智能使能系统的可信决策:进展与挑战[J].管理工程学报,2022,36(06):1-14.

[3]刘颂,朱峰,王伟,龚强,李超,丁杰.基于大数据驱动的精准货源投放模式研究[J].现代商业,2020(19):123-125.

[4]王栋.基于机器学习的市场状态调控方法的研究和探索[C]//.中国烟草学会学术年会优秀论文集.[出版者不详],2017:2641-2652.