打开文本图片集

摘要：本文旨在探讨在烟草行业数字门店体系建设中，如何构建基于门店经营数据的个性化分析账单模型来提供门店的经营指导，以提升行业终端服务的价值与效益。在这个模型中，通过评估门店的综合经营状态并找出差距和短板，提供针对性的改进建议。通过对现状指标和趋势指标的计算和分析，可以准确描述门店的实际经营状态，并预测未来一个阶段的发展潜力。个性化分析账单不仅能帮助数字终端优化门店经营思路和策略，还能为烟草公司提供洞察门店特征和未来趋势的有效营销服务。通过本研究，可以为提升零售客户对商业公司的黏性，提高终端盈利能力提供实用的指导方法。

关键词：数字门店；经营指导；分析模型

Abstract： The purpose of this paper is to discuss how to build a personalized analysis billing model based on store operation data to provide store operation guidance in the construction of a digital store system in the tobacco industry in order to improve the value and effectiveness of industry terminal services. In this model， targeted improvement suggestions are provided by assessing the comprehensive operation status of stores and identifying gaps and shortcomings. By calculating and analyzing the current situation indicators and trend indicators， it can accurately describe the actual operation status of stores and predict the development potential of a future stage. Personalized analysis of bills not only helps digital terminals optimize store operation ideas and strategies， but also provides tobacco companies with effective marketing services that provide insight into store characteristics and future trends. This study can provide practical guidance methods to enhance retail customers’ stickiness to commercial companies and improve terminal profitability.

Key words： Digital stores； Business coaching； Analytical models

随着信息技术的迅猛发展和数字化转型的浪潮席卷全球，越来越多的行业开始将传统业务转向数字化，并利用数据分析和个性化服务来提升客户服务水平。烟草行业作为一个传统的行业，也面临着巨大的变革和挑战。零售户对商业企业服务的需求和效用也发生了明显的变化。经营分析作为数据驱动的营销和服务策略的重要组成部分，已经在许多行业取得了成功的应用。通过深入分析门店的销售特征、盈利组成和消费结构等信息，企业可以更好地了解零售客户的经营需求，并为其提供个性化的产品推荐和服务。然而，在烟草行业中，尤其是数字化门店经营领域，个性化分析的研究和应用相对较少。

因此，本研究旨在构建一个烟草数字化门店经营指导个性化分析模型，以满足烟草公司对数字门店个性化经营分析的需求。所有门店的个性化分析是基于烟草数字门店建设体系中门店选择和分布测算模型、数据质量评价模型、扫码数据质量预警反馈模型、等级评定模型的细部计算。通过对客户数据和行为进行深入分析，以客户盈利提升为中心，根据不同客户的经营特点和提升需求，通过所在商圈与自身情况的对比分析，最终提供个性化的经营指导，提高零售客户对商业公司黏性。该模型将能够为烟草公司提供准确的客户画像，优化产品推荐和营销策略，并提升零售户体验和经营业绩。

1 分析体系

通过为烟草数字门店一对一提供指导门店经营的个性化分析账单，来实现“以数据提升盈利”的终端服务目标。建立门店经营指导个性化分析账单模型，既准确描绘门店当前实际经营状态，包括热销卷烟、日均交易、时均交易、贩卖能力、盈利能力、客情能力等“现状指标”的自身得分和与所有数字门店横向比较的相对得分，又通过对贩卖能力、盈利能力、客情能力的趋势稳定性、增长均值、增长趋势等“趋势指标”进行计算，来预测门店在未来60天的经营发展潜力。经营指导个性化分析账单除了能帮助数字终端更直观调整门店经营思路和策略，也能够让烟草公司洞察每一家数字门店的现状特征和未来发展趋势，提供有效的营销服务。分析体系如下：

a. 数据录入错误纠正

包括：数字类型字段、字符串类型字段的出错日期和所属字段

b. 违规操作纠正

包括：交易分布均匀度、过度快速交易密度

c. 贩卖能力分析

包括：“销售量”、“订单数”、“品种数”、“条烟比例”、“相对高价烟比例”的贩卖现况，以及基于这些变量的未来60天“趋势稳定性”、“增长均值”、“增长趋势”预测

d. 盈利能力分析

包括：“交易金额”、“交易利润”、“利润率”的贩卖现况，以及基于这些变量的未来60天“趋势稳定性”、“增长均值”、“趋势稳定性”预测

e. 客情能力分析

包括：“交易人数”、“会员交易数”、“会员总数”、“会员增长潜力”、“会员平均店家数”、“会员粘性”等的分析

f. 基于上述分析内容的“周、月、季”周期趋势性分析

2 模型与算法构建

2.1数据录入错误

2.1.1建模所涉及变量

主要检查终端销售数据里的录入错误，这些错误来自于：a.在数字类型字段里录入了字符串；b. 在字符串字段里录入了不属于该字段应有的内容；c.异常值。

2.1.2计算方法

以终端销售数据里的“烟草证号”为键值，计算每家门店出现前述类型错误的次数，形成四个新的变量：数字字段错误、单位字段错误、购买数量错误、销售价格错误，然后利用基于“kmeans”方法的“聚类分析”对所有数字门店计算“输入错误得分”并进行门店分群。

kmeans的计算步骤如下：

（1）选择初始化的 k 个样本作为初始聚类中心 a=a1，a2，...ak；

（2）针对数据集中每个样本xi计算它到 k 个聚类中心的距离，并将其分到距离最小的聚类中心所对应的类中；

（3）针对每个类别 ，重新计算它的聚类中心 （即属于该类的所有样本的均值）；

（4）重复上面 2 和 3 两步骤，直到达到某个中止条件（迭代次数、最小误差变化等）。

基于“kmeans”的聚类分析方法需要事先指定聚类数，为了精准且自动化地确定最合适的聚类数，我们采用的方法是Husson and Pages （2010） 所提出的PCA算法，也就是数据维降算法。

（1）第一步，均值归一化。计算出所有特征的均值，然后令；

（2）计算协方差矩阵（covariance matrix）；

（3）求解平均均方误差与训练集方差的比例：

（4）得出降维方程：

2.2门店违规操作

2.2.1建模所涉及变量

终端销售数据里的“烟草证号、时间、订单号、购买数量、实际销售价格、利润”。

2.2.2计算方法

a. 实际销售价格和利润两个字段经过清洗和归并（以每条10标准包的比例，重新计算正确的金额）后，重新建立为两个变量：“交易金额”和“交易利润”。

b. 基于“订单号”字段，生成每家门店每小时的订单数量。

c. 基于“订单号”字段，归并出每家门店基于“订单”的销售记录（而不是扫码的交易记录）。

d. 基于“时间”字段，生成每家门店，每天从1到24小时的“交易时间”数据集，没有交易的时间段数值为0，有交易的时间保持原本的销售数量、交易金额、交易利润、订单数。

e. 引用Cowell （2000）提出的Gini系数算法，计算每家门店每天基于24小时销售交易的交易集中度。Gini系数原本是用来计算在一个固定样本范围内国民所得分配集中度的，在零售场景上同样适用。24小时销售的交易时间是固定样本范围，而在交易时间里的销售数量、交易金额、交易利润、和订单数就如同计算Gini系数时用到的国民所得。

Gini系数的公式如下：

f. 由于Gini系数是一种集中指数，而我们想获得的是均匀指数，所以定义均匀指数=1-Gini系数，换句话说，在24小时内，交易分布越均匀，得分越高。

g. 利用前述c基于“订单”的销售记录，加上“时间”字段，寻找所有门店“在20秒之内成交5笔或以上”的交易次数，正常而言，人类很难在20秒内成交5笔交易，所以假如出现这样的情形，可以判定存在“违规操作”的嫌疑。依此计算每一家门店出现这类型“过快交易”的次数x，然后用max（x）-xi 形成新变量“合理交易密度”，数值越大代表越少出现这种“过快交易”的情形。

h. 依据前述计算出来的销售数量、交易金额、交易利润、订单数均匀度分布，以及g所计算出来的“合理交易密度”得分，采用和前述2.1.2相同的基于kmean和PCA的聚类分析方法，对所有数字门店进行潜在“违规操作”的聚类分析，得到“合规指数”，数值越高代表门店的运营管理越合规，并据此对门店样本进行分群。

2.3贩卖能力及趋势判断

2.3.1 贩卖能力

贩卖能力指的是基于“数量”或“数量比例”的销售能力，是反映门店营销绩效的重要指标。涉及数据集和包含字段：门店销售数据里的“时间”、“烟草证号”、“购买数量”、“订单号”、“商品条码”、“品规”、“商品价格”。

2.3.2计算方法

a. 将“时间”字段取为“日期”，利用“日期”和“烟草证号”作为键值计算每个门店在时间序列里的贩卖绩效，包括从“购买数量”计算得来的“每日销售量”和“日均销售量”；从“订单号”计算得来的“每日订单数”和“日均订单数”，从“商品条码”计算得来的“每日品种数”和“日均品种数”（用来观察门店多品种贩卖能力）；从“品规”计算得来的“每日条烟比例”和“日均条烟比例”（用来观察门店贩卖条烟的能力）；从“商品价格”计算得来的“每日高价烟比例”和“日均高价烟比例”（这里的高价烟只代表价格相对偏高的包烟，而不是行业里定义的高价烟，目的是观察门店贩卖较高价格卷烟的能力）。

b. 将上述的“每日”贩卖绩效转换为基于ARIMA的时间序列数据（考虑一年365.25天，以及每周7天的趋势变动），并进行预测建模。由于目前绵阳烟草的数字门店历史数据只有1年，所以暂时无法考虑跨年度季节性变动，只能采用Hyndman RJ， Khandakar Y （2008）的Naïve趋势估计法（属于随机漫步模型，random walk model），假定单位时间改变量（称作 “漂移”）等于历史数据的平均改变量，这相当于把第一个观测点和最后一个观测点连成一条直线并延伸到未来预测点进行预测。这个非季节性ARIMA（p，d，q）模型有如下表达式：

然后通过寻找最小的AIC指标来确定最佳模型。

我们通过这个方法为每一家门店预测未来60天上述5种“贩卖绩效”的“趋势稳定性”、“增长均值”、和“增长趋势”，得到15种基于60天预测的贩卖能力评价变量。

c. 基于a所计算出来的“日均销售量”、“日均订单数”、“日均品种数”、“日均条烟比例”、“日均高价烟比例”等5个变量，进行基于kmean和PCA的聚类分析方法，对所有数字门店进行“目前贩卖能力”的聚类分析，得到“目前贩卖能力指数”，数值越高代表门店目前的贩卖能力越强，并据此对门店样本进行分群。

d. 基于b所计算出来的针对“每日销售量”、“每日订单数”、“每日品种数”、“每日条烟比例”、“每日高价烟比例”的未来60天“趋势稳定性”、“增长均值”、“增长趋势”预测，总共15个变量，进行基于kmean和PCA的聚类分析方法，对所有数字门店进行“未来贩卖能力”的聚类分析，得到“未来贩卖能力指数”，数值越高代表门店未来的贩卖能力越强，并据此对门店样本进行分群。

2.4盈利能力及趋势判断

2.4.1盈利能力

盈利能力指的是基于“销售额”或“利润”的销售能力，这也是反映门店营销绩效的重要指标。涉及数据集和包含字段：销售数据里的“烟草证号”、“时间”、“实际销售价格”、“利润”。将实际销售价格和利润两个字段经过清洗和归并（以每条10标准包的比例，重新计算正确的金额）后，重新建立为两个变量：“交易金额”和“交易利润”，并通过这两个变量计算出“利润率”。

2.4.2计算方法

a. 将“时间”字段取为“日期”，利用“日期”和“烟草证号”作为键值计算每个门店在时间序列里的贩卖绩效，包括从“交易金额”计算得来的“每日交易金额”和“日均交易金额”；从“交易利润”计算得来的“每日交易利润”和“日均交易利润”，从“利润率”计算得来的“每日利润率”和“日均利润率”。

b.采用非季节性ARIMA（p，d，q）模型，将上述的“每日”盈利绩效转换为基于ARIMA的时间序列数据（同样考虑一年365.25天，以及每周7天的趋势变动），并进行预测建模，为每一家门店预测未来60天上述3种“盈利绩效”的“趋势稳定性”、“增长均值”、和“增长趋势”，得到9种基于60天预测的盈利能力评价变量。

c. 基于a所计算出来的“日均交易金额”、“日均交易利润”、“日均利润率”等3个变量，进行基于kmean和PCA的聚类分析方法，对所有数字门店进行“目前盈利能力”的聚类分析，得到“目前盈利能力指数”，数值越高代表门店目前的盈利能力越强，并据此对门店样本进行分群。

d. 基于b所计算出来的针对“每日交易金额”、“每日交易利润”、“每日利润率”的60天“趋势稳定性”、“增长均值”、“趋势稳定性”预测，总共9个变量，进行基于kmean和PCA的聚类分析方法，对所有数字门店进行“未来盈利能力”的聚类分析，得到“未来盈利能力指数”，数值越高代表门店未来的盈利能力越强，并据此对门店样本进行分群。

2.5 客情能力及趋势判断

2.5.1客情能力

客情能力指的是扩大客群、发展并凝聚门店会员的能力。涉及数据集和包含字段：销售数据里的“烟草证号”、“时间”、“会员手机号”（研究数据中发现“会员手机号”相比“会员”字段包括的样本数更多）。

2.5.2计算方法

a. 通过字段“会员手机号”和“烟草证号”，计算得出每一家门店的“门店会员数”；同时反向计算出“会员店家数”，意思是“特定门店里所属会员会光顾消费的平均门店数”，求这个变量的均值，将大于或等于均值的会员定义为“缺乏粘性”的会员，赋值为0，然后计算每个门店其会员对门店的粘性指数 =（会员店家数的均值 – 个别门店会员店家数）* 100 /  会员店家数的均值。

b. 将“时间”字段取为“日期”，利用“日期”和“时间字段”计算出每家门店的“每日交易人数”和“日均交易人数”；通过“日期”和“会员手机号”计算出每家门店的“每日会员交易数”和“日均会员交易数”；同理计算出“每日非会员交易数”和“日均非会员交易数”、“每日会员占比”和“日均会员占比”。

c. 对“每日会员交易数”的时间序列向量进行“标准化自回归”，求得回归系数和显著水平（p值），假如p值>0.05则回归系数设为0，否则回归系数为所求得的回归系数，定义为“会员增长潜力”。

d. 基于前述所计算出来的“日均交易人数”、“日均会员交易数”、“会员总数”、“会员增长潜力”、“会员平均店家数”、“会员粘性”等6个变量，进行和基于kmean和PCA的聚类分析方法，对所有数字门店进行“客情能力”的聚类分析，得到“客情能力指数”，数值越高代表门店目前和未来的客情管理能力越强，并据此对门店样本进行分群。

3 模型应用成果

指导门店经营的个性化分析账单，分析计算所采用的变量，除了描绘门店数据采集期内（本次研究采用2022年1月1日至9月30日）的主要经营趋势外，还提供一些描绘门店实际状态的指标，包括：时均交易（平均每天24小时的交易状况）、贩卖能力、盈利能力、客情能力，以及数字门店各指标的得分。

为了既能观察单一门店的经营分析，又体现每个门店与绵阳烟草所有数字门店的状态表现的对比，上述这些能力在雷达图上的得分，是设置为该门店与其他数字门店对比之后的相对得分，分数经过标准化后，都介于1-100分之间。

将这些分析账单在每一家个别门店的基础上加以可视化，每一家门店在所有指标上的实际状况（包括目前能力和未来潜力）都能自动化构造出基于html5+css3+javaScript的网页页面，供烟草公司对口管理部门和该门店业主查阅参考。以下举出典型案例加以说明。

3.1 门店选择

可在“门店分析”页面顶端的下拉清单中，选择任意需要查看的数字门店，选定后每一家门店自动生成一份经营分析账单。

分析账单首先会呈现出该门店的基础信息、营业信息和地理位置。

3.2 热销卷烟

以门店卷烟销售数据的销量排名来判定该门店最热卖的卷烟品规前三名，并将品规在该门店的销售价格（均价）与所有数字门店该卷烟的销售价格（均价）进行直接比对。

3.3 最擅长贩卖卷烟

以门店卷烟销售数据的销售次数作为计算标准，对于任何一个在销卷烟规格，在销售次数统计中，在全体828家门店里能排入前85名（计算方法：先列出所有品规在所有门店里的贩卖次数，然后逐每个品规去排序在每个门店里的贩卖次数，再将这组数据集合在一起，计算得出中位数84.5，四舍五入取为85）的门店，就列为擅长销售这种卷烟品规的门店。并将品规在该门店的销售价格（均价）与所有数字门店该卷烟的销售价格（均价）进行直接比对。

3.4 门店评级

每一家门店经过前述的评级计算后，都获得了两个贴标：“ABC评级”和“门店属性”，例如下图，在图形的最上方“A|高绩效门店”，指的是这家门店被评为A级，属性贴标是高绩效门店，这两个标签同一行的后面是店铺名和烟草证号。评级指标包括：输入干净、合规操作、贩卖现况、贩卖趋势、盈利现况、盈利趋势、和客情能力。

3.5 日均交易

描绘了从2022-01-01到2022-09-30每天的交易情形（没有营业的日子自动不显示），考虑的交易变量包括当日的合计购买数量（销售数量）、卖出的品规种类数、合计交易利润、合计交易金额。其中左边纵轴为数量指标（线图），右边纵轴为金额指标（直方图）。右上角两个图标左边那个点击后可以通过鼠标放大图形中的任意区域，右边图标是恢复原始状态。最下方的横条也是个可以针对时间轴放大缩小的工具，从两侧向内拉滑，可以放大观察任意时间区间的交易状态（如下图）。

3.6 时均交易

用来观察每一家门店平均在每天的24小时里的交易状况，表现门店在数据期间里，每小时平均的销售数量、订单数、和交易金额，可以清晰看见门店的尖峰离峰时间。和日均交易一样，图形中左边纵轴表达“数量”指标（线图），右边纵轴表达“金额”指标（直方图）。

3.7 贩卖能力

同时根据“目前指标”（贩卖能力，包括销售量、订单量、品规数、条烟比例、中高价烟比例）和“趋势指标”（销售量增长能力、订单增长能力、品种数增长能力、条烟比例增长能力、中高价位卷烟比例增长能力）全方位来检查门店的贩卖能力。图中的得分是整体数字门店之间的对比，得分范围在1-100之间，分数越高表现越好。

3.8 盈利能力

同时根据“目前指标”（盈利能力，包括交易金额、交易利润、利润率）和“趋势指标”（销售额增长能力、利润增长能力、利润率增长能力）全方位来检查门店的盈利能力。图中的得分是整体数字门店之间的对比，得分范围在1-100之间，分数越高表现越好。

3.9 客情能力

同时根据“目前指标”（如均交易人数、日均会员数、会员总数）和“趋势指标”（会员增长能力、会员平均店家数、会员粘性）全方位来检查门店的盈利能力。图中的得分是整体数字门店之间的对比，得分范围在1-100之间，除了会员平均店家数外，分数越高表现越好。会员平均店家数指的是门店会员同时会去其他门店消费的门店数量，所以数字越小越好（和会员粘性的方向刚好相反），表示会员对于门店更加忠诚。以本示例为例，会员平均店家数的均值为0，表示门店会员消费对于在该门店的消费很专一。

4 不足和展望

终端个性化经营指导的前提是对终端经营状态进行全面评估，并寻找存在差距和短板的领域进行有针对性的提醒和改进。为了提升客户的盈利能力，个性化经营指导根据不同客户的经营特点和提升需求，通过与所在商圈和自身情况进行对比分析，成为增加零售客户对商业公司的黏性的重要手段。

本文构建的数字门店个性化经营指导分析账单模型仍存在一些不足之处，针对这些不足之处今后可做进一步探索。

（1）指标选择限制：该模型中涉及了几个确定指标，如时均交易、贩卖能力、盈利能力和客情能力，可根据不同的分类客户对模型搭建做出个性化变式，进一步细化指标定义和计算方法，以提高预测准确性和可操作性。同时也可以尝试使用更先进的机器学习算法和模型优化技术来改进模型性能，这将提供更多洞察力和决策支持，进一步优化门店经营策略。

（2）数据采集期限固定：该模型中规定了数据采集期间为2022年1月1日至9月30日，这可能限制了对门店经营趋势的全面分析，扩大数据样本规模和增加数据多样性可以提高模型的鲁棒性和泛化能力，在实际应用中，应该采取定期、动态、灵活的数据采集期限，以充分反映门店的经营情况。

（3）可视化工具的增强：基于HTML5+CSS3+JavaScript的网页页面提供了良好的可视化方式，但可以进一步增强可视化工具的功能和交互性。例如，添加交互式图表和过滤器，以便客户可以根据自己的需求和关注点对数据进行自定义的查看和分析。

参考文献：

[1] 苏治怡，季文奎，王钰婷. 基于客户个性化经营与员工绩效闭环反馈的大数据系统设计与分析建模[J]. 机电工程技术，2022，51（10）：215-219.

[2] 梁英，莫柳青. “数字化门店”在流通品牌建设中的应用研究[A]. 广西壮族自治区烟草公司柳州市公司.广西壮族自治区烟草公司柳州市公司2022年学术论文汇编[C].：广西壮族自治区烟草公司柳州市公司，2022：24-30.

[3] 冯俊霞，彭剑秋. 经营有“数”  发展有“术”[N]. 东方烟草报，2021-11-23（002）.

[4] 刘鹏宇. 浅谈如何提升零售户卷烟经营指导服务满意度——以柳州市城区局市场部柳南片区卷烟零售户为例[A]. 广西壮族自治区烟草公司柳州市公司.广西壮族自治区烟草公司柳州市公司2021年学术论文汇编[C].：广西壮族自治区烟草公司柳州市公司，2021：206-211.

作者简介：

一作：王君（1978年），男，汉族，籍贯：四川绵阳，专科学历，研究方向：客户服务。

二作：王宗杰（1992年），男，汉族，籍贯：四川内江，职称：中级经济师，本科学历，研究方向：客户服务。