数据驱动卷烟市场调控的探索与实践

——以浙江省局(公司)为例

2020-12-31作者:林少华 倪震海 周飞

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”。

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:卷烟销售出现拐点,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

由于卷烟零售发展趋势复杂,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+卷烟营销”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。

开展卷烟投放调控,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,推动卷烟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,借助数据驱动卷烟市场调控体系,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,推动卷烟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。

来源:浙江省局(公司)
相关文章