数据驱动卷烟市场调控的探索与实践
近年来，卷烟消费市场不断变化，零售终端升级转型，品牌竞争日趋激烈，市场把控难度加大。本文通过分析宏观经济、批发、零售、消费和专卖管理等数据，用3σ法则确定零售库存的阈值区间，从总量、价位、品规等多维度综合判定市场状态，形成了以多层神经网络算法为核心的市场预测办法，进而运用预测结果开展市场状态调控，构建数据驱动市场调控机制，有助于实现卷烟市场状态的“稍紧平衡”。
近年来，消费市场不断变化，升级转型，品牌竞争日趋激烈，市场把控难度加大。本文通过分析宏观经济、批发、零售、消费和专卖管理等数据，用3σ法则确定零售库存的阈值区间，从总量、价位、品规等多维度综合判定市场状态，形成了以多层神经网络算法为核心的市场预测办法，进而运用预测结果开展市场状态调控，构建数据驱动市场调控机制，有助于实现市场状态的“稍紧平衡”。
坚持“总量控制、稍紧平衡，增速合理、贵在持续”方针，是烟草行业多年来持续健康发展的成功经验。然而，实际工作中，做到“稍紧平衡”，难度不小。以浙江烟草商业为例，近年来在发展中遇到了以下难题：销售出现拐点，市场趋势判断难；效益增长高度依赖结构提升，结构空间探知难；品牌竞争日趋激烈，波动明显加大，品牌状态评价难。如何科学预测市场需求，调好市场状态？如何探知结构空间，把结构提升建立在真实的市场需求基础上？如何更好培育品牌，按照市场状态投放，保持零售库存合理？
浙江省烟草专卖局（公司）聚焦数据驱动，设计了一套依托于浙江烟草“五维一体”数据采集体系的评价、预测、调控机制，为面临同样问题的商业企业提供了可供借鉴的思路和模式。实践中，他们通过大数据动态评价市场状态、设定状态标准，评价市场运行的“稍紧平衡”状态；通过宏观经济预测常用的多层神经网络算法，预测未来每月（季度或年）的零售市场销量和发展趋势。在此基础上，依托模型开展数据化的宏观调控，形成一整套可判断、可预测、可调整的市场化“稍紧平衡”调控机制。
开展市场状态评价，发现问题
建立数据化、动态化的评价标准是构建市场调控机制的核心和关键，精准有效、逻辑清晰的评价标准将极大地提升省级公司营销决策的一体化、数据化管控水平。浙江烟草商业历时10年，建立了以社会经济数据、商业批发数据、终端零售数据、消费者数据和专卖监管数据为内核的“五维一体”数据采集体系，每天采集近10G数据，积累数据规模已达38T，为开展市场状态评价奠定了基础。
当前，通过价格和零售存销比（可销天数）来评价整体市场已经成为业界公认的标准。浙江烟草商业按照零售存销比、支付宝结算零售价格指数对省级总量、地市级公司销量、五类烟、价位段、品牌及规格等6个指标进行阈值观测，即运用3σ法则来划分零售存销比，找出（μ-σ，μ+σ）、（μ-2σ，μ+2σ）、（μ-3σ，μ+3σ）的区间，由此得出五个区间作为阈值区间划分依据。
为确保阈值区间既能反映市场长期趋势，又能动态反映短期市场状态，在计算过程中引入动态调整系数，具体计算公式如下：动态调整系数α=长期移动存销比（365天）/短期移动存销比（30天），合理阈值=长期阈值×长期移动存销比（365天）/短期移动存销比（30天）。导入2018年1月至2019年3月期间相关数据进行验证，结果发现，合理阈值区间的结果比长期阈值结果更能反映短期市场的变化，更适合作为用于中短期市场的调控依据（如表一所示）。
根据阈值计算移动平均修正结果，可以清晰实时计算出各维度的5种市场状态，分别对应稍紧平衡、偏松、偏紧、松、紧5种市场状态。在实际操作中，为使状态评价更接近工作实际，可以用消费数据和专卖相关数据来修正评价当期市场状态。
建立终端销量预测模型，提前预判
由于零售发展趋势复杂，难以用传统的方法进行预测，基于大数据的分析方法成为首选。浙江烟草商业选择使用神经网络模型开展零售市场预测。作为一种先进的人工智能模型，多层的神经网络模型被广泛应用于经济预测和商业预测中。
通过对“五维一体”数据的分析，浙江烟草构建了神经网络预测模型。整个模型有六个输入点——时间点、历史批发数据、历史零售数据、专卖查获数据、经济增长数据、消费者数据，一个输出点——下月终端数据。在此基础上，运用Python软件进行测算，选取四层隐藏层构建神经网络模型，每层32个神经元，输出层1个神经元，共97个神经元。整体的神经网络采用线性整流函数作为神经元的激活函数，以动态的学习率为参数，用Adam优化算法进行小批量（mini-batch）学习，用平方误差作为损失函数。
通过对2015年1月至2018年12月“五维一体”数据的计算，神经网络预测模型可以测算出零售销量的季节波动情况。经实践验证，预测模型准确率均在95.2%以上，部分月度准确率高达97%以上，证明该方法准确可行，准确率可用于后期的市场调控工作。
零售销量的预测是未来“互联网+营销”工作的重要基础。随着各项指标数据的增加和预测算法的不断迭代，神经网络预测模型下零售销量的预测准确率会越来越高，从而推动预测工作从经验判断向数据驱动转型。
开展投放调控，解决问题
按照供应商管理库存理论，可通过预测下期零售销量，计算下期零售库存，判断下期末库存是否处于目标状态区间，从而开展基于市场状态的针对性调控。其中，下期零售库存=期初零售库存+下期预投放量-下期预测零售销量，下期零售存销比=下期末库存量/下期预测日均销量。
根据市场状态判断和市场销量预测以及零售数据情况，浙江烟草商业建立了以月为基础的省级精准调控模型，通过输入不同的预投放量来判断下一期市场松紧状态，设定合理的存销比区间指导货源投放，提供量化的精准投放依据，推动货源供应从经验营销向数据营销进行转变。
根据数据化调控思路，针对“总量、价位、价类、品牌、规格、区域市场”6个维度的调控需求，形成不同层级的宏观调控机制，确保不同维度的市场状态保持在“稍紧平衡”区间，实现正向和反向的双向调控。
具体操作流程分为“三步走”：第一步，输入投放量，预测下期状态是否在目标状态阈值区间；第二步，通过目标状态阈值区间，测算投放量；第三步，预测结果和实际结果进行验证不断改进算法。反过来，则可以进行反向调控，通过预设状态数据，进行投放量数据的提前预判。
借助省级精准调控模型，实现三方面应用。
实施宏观调控。调控总量状态，评价当前市场状态是否稍紧平衡，通过设定预排供应量，总体把握下一期市场状态；调控地市区域状态，通过实时监测地市状态，预测地市销量，调控地市投放工作，调控颗粒度可以细化到价类、主要品规；调控品牌规格状态，通过品牌状态精准预测，分区域指导精准投放，调控颗粒度可以细化到具体的业态、客户类别。
指导货源预排。通过设定合理的目标市场状态值，测算下期货源预排量（区间），根据全省销量计划，进行统一的货源供货安排，实时衔接工业货源。
工商培育品牌。工商针对目标品牌、目标规格的市场状态，在全省的层面进行调控；预设品牌的目标状态值，根据深度学习模型预测零售销量，在全省范围内进行精准投放。
实践证明，借助数据驱动市场调控体系，浙江烟草商业实现了量化评价、量化预测和量化调控的目标，有效减少了市场调控的人为因素，提升了调控的精度和准度。大数据的积累完善，人工智能算法的加速迭代，将进一步有助于烟草商业企业透视市场变化，准确把握市场状态，推动营销从经验营销向数据驱动决策转型，对实现行业高质量发展具有重要的现实意义。
内容图文由第三方提供，不代表九联汇观点，如有侵权请与我们联系【】
来源：浙江省局(公司)
