數據挖掘在“薄利多銷”銷售策略中對折扣力度與商品 銷售額以及利潤率的關系的研究

張澤公 龍彥天

摘 要：本文利用數據挖掘，圍繞“薄利多銷”的營銷策略，通過商品流水及打折信息等數據，構建折扣力度概念，借助Excel和SPSS等工具，由散點圖初步得出了折扣力度與營業額近似是正相關，折扣力度與利潤率近似是負相關。

關鍵詞：數據挖掘;大數據;薄利多銷;最小二乘估計;Excel;SPSS

一、背景

常言道“薄利多銷”。在我們的日常生活中，購物時常常會遇到打折降價的情況，打折促銷是超市商場常用的銷售手段。“薄利多銷”是商家通過降低每個商品的利潤來誘使消費者購買更多商品，增加銷售數量，從而使商家更多盈利的一種擴大銷售的策略。對于富有彈性的商品來說，當該商品的價格下降時，如果銷售量增加的幅度大于售價下降的幅度，商家的總收益還是會上升。這就是為什么在實際經營中“薄利多銷”原則被廣泛使用的原因。

在打折活動中，打折力度也是一個重要概念，它與傳統意義上的折扣數有所區別，打折力度可以用來衡量某一段時間內商家的折扣活動大小，但是現有資料對于打折力度缺少明確定義。本文依據商品銷售額、利潤率、促銷時間等可計算量建立一個算率，用較為直觀的公式來描述每日商家的打折力度。那么，打折力度對商品的銷售額以及利潤率之間有什么關系？如果有關系，是線性相關，還是無關？這些都是值得研究的問題。

數據挖掘是從海量數據中提取隱含在其中的有用信息和知識的過程，通過數據挖掘技術來處理大量的數據內容極大地提高了人們處理信息的效率，從中可以獲取大量有價值的信息和知識來幫助人們進行決策工作。因此，在大數據支撐的現代社會，本文利用數據挖掘，從大量的數據中通過算法搜索隱藏于其中的信息。我們采用某商場2017年4月15日到2018年3月22日的銷售流水數據，利用SPSS和Excel內置中多種數據處理工具，進行數據挖掘、分析打折力度與商品銷售額以及利潤率的關系。

二、采用的基本假設

為了研究數據挖掘在“薄利多銷”銷售策略中對折扣力度與商品銷售額以及利潤率的關系，采用了以下假設：

（1）假設修正后的數據符合常理。

（2）潤率計算中不考慮商場運營中的人工、場地、水電等運營成本。

（3）不考慮商品超出保質期、損壞等造成的損失。

（4）假設一天內打折力度保持不變。

三、數據篩查

某商場2017年4月15日到2018年3月22日的銷售流水數據有上百萬條，各個日期的商品打折明細也有數萬條之多。通過對銷售流水數據的挖掘、分析，我們發現有一些異常的數據，還有一些數據缺失。為了使本研究的結論更具說服力，首先應當對數據的合理性進行檢驗并做出處理。

1.刪除錯誤數據

我們考慮到數據列表給出的原始數據可能會存在相對集中的無關數據，以及一些有違常識的異常數據，因此應當除去與研究問題無關的數據，以減少后面處理數據時的干擾。我們通過SPSS軟件的“降序排列”功能對數據進行了重新排布，發現了一些未完成交易對應的數據組合（原因可能是消費者退貨或者數據記錄出錯）以及一些“商品數量”為負，或者商品條形碼缺失的數據。這些數據會對我們后面的分析計算產生負面影響，所以我們把它們視作無關數據并做了刪除處理。

2.修正異常數據

我們繼續對原始數據進行分析發現，存在一些可能由于數據收集或者記錄偏差而產生的可更正異常數據，如果直接將這些數據刪除，可能導致我們之后的數據分析不準確。為了得到準確的結論，我們應當對這些數據進行修正，以確保數據完整性。This paper uses data mining， around the marketing strategy of “low profit and high sales”， constructs the concept of discount strength through the data of commodity flow and discount information. With the help of Excel and SPSS and other tools， it preliminarily obtains that the discount strength is positively related to the turnover， and the discount strength is negatively related to the profit margin.

利用SPSS處理數據時我們發現，有些商品名稱缺失，但是商品代碼沒有缺失，根據商品代碼與商品名稱一一對應的關系，可以將這部分缺失的異常數據進行補齊，方法是通過Excel里面的VLOOKUP函數在商品清單中將商品名稱與商品代碼一一綁定，再補充到缺失行列中。

四、折扣力度概念的引入

通過對商場銷售流水以及折扣活動記錄的分析，我們引入“折扣力度”這一概念來綜合衡量折扣活動對消費者的吸引力，用字母表示為Dp。

由日常生活經驗可知，打5折的商品比打9折的商品的折扣力度大，亦即折扣力度的一個影響因素是商品折扣數，商品折扣數為商品實際售價與商品定價之比，用Dr表示。用購買數量Sc除以限購數量Lc來表示打折活躍度Da。現假設有兩種商品分別為A、B，兩者的用途相同且可以相互替代。它們有相同的標價，并且同時舉行了打折數相同的折扣活動，但是商品B的成本價高于商品A。這時消費者會更傾向于購買商品B，也就是此時商品B的折扣力度更大。由此可見，當折扣數相同時，利潤率低的商品的折扣力度更大。商品利潤率為商品的利潤總額與商品的成本總額之比，用R表示。此外，消費者在折扣活動中消費的數量也是反映折扣力度的一個重要因素。顯然，消費者購買的限購商品數越多，說明折扣活動對消費者的吸引力越強，折扣力度也越大。綜合以上三種主要因素，我們給出的折扣力度計算公式為：

公式中，分子與分母的值均在0到1之間，其運算結果的方差較小，具有較好的可比較性。對于Da來說，由于實際生活中活動商品的限購數量往往是十分龐大的，因此Da的值在實際中往往較小。考慮到在一天之內商場中可能會有多種商品打折，我們規定某一天之內商場的總折扣力度為當天所有參加折扣活動商品的折扣力度的平均值。

五、折扣力度、利潤率、銷售額的計算及其它們的關系

首先，我們根據更正后的銷售流水記錄計算出該段時間內每日超市的營業額Y。公式為：

公式中Spi為商品i的銷售價格，ni為商品i銷售量，I為當天不同商品銷售總條數。根據此公式我們可以計算出2017年4月15日到2018年3月22日商場每日的營業額如下圖：

由散點圖我們很容易能看出折扣力度與營業額近似是正相關，折扣力度與利潤率近似是負相關。我們可以利用皮爾遜相關性檢驗來驗證我們的結果是否準確：

利用SPSS計算得到營業額與折扣力度之間的p值很小（<0.0001），相關系數R=0.134>0，所以符合正相關。值得注意的是：當折扣力度大于3時，營業額與折扣力度的正相關性不明顯，甚至消失。這說明打折力度不宜過大，打折策略如果選擇得不正確，也會影響商場收益，而這也與我們的直觀感受一致。

同理，利用SPSS計算得到營業額與折扣力度之間的p值很小（<0.0001），相關系數R=-0.449<0，所以符合負相關。

六、討論

我們可以將問題推廣，進一步探討：如果考慮商品的大類區分，打折力度與商品銷售額以及利潤率的關系會有何變化？我們對采集到的數據中所包含的各種商品進行了分類，結果如下圖所示：

價格彈性是衡量商品的供給量和需求量對價格信息的敏感程度的量。當價格彈性系數等于1時，商品銷售量的上升幅度與價格的下降幅度是相同的;當彈性系數在0到1之間時，商品銷售量的上升幅度小于價格下降的幅度，這時我們就說這類商品是缺乏彈性的，或者說價格不敏感;反之，當彈性系數大于1時，商品銷售量的上升幅度大于價格的下降幅度，我們稱這類商品是富有彈性的，亦即是價格敏感的。大多數食品，生活日用品的價格彈性通常比較低，而大多數奢侈品的價格彈性較高。

商品的價格彈性受到多方面因素的影響，這些方面主要包括：商品的可替代性、商品對于日常生活的重要性、消費者的預算、商品的用途等。本文依照以上因素，將各大類的商品粗略地分為價格彈性大和價格彈性小兩大類：

價格彈性大的商品類別包括：進口商品、手機、水產、玩具、運動戶外、鮮花禮品、寵物生活、水果/蔬菜、營養保健。

價格彈性小的商品類別包括：辦公用品、紡織用品、服裝飾品、個洗清潔、烘焙、家居家裝、家用電器、節慶用品、酒水飲料、家居日用、糧油副食、美食、母嬰、情趣用品、日化用品、日配/冷藏、肉品、文化用品、休閑飾品、醫療器械。

使用本文所述的方法對上述兩種類別的商品進行分析后，我們得出了以下結論：

對于銷售額來說：折扣力度對價格彈性大的商品的影響較大，折扣力度越大，商品的銷售額越高，正相關性較為明顯;而對于價格彈性較小的商品來說，兩者之間的正相關性就不是那么明顯。對于利潤率來說，無論是價格彈性大的商品還是價格彈性小的商品，都可以明顯地看到折扣力度與利潤率之間的負相關性;進一步分析可以發現，彈性較大商品的利潤率對折扣力度更加敏感，而彈性較小商品的利潤率的下降會隨著折扣力度的增大而有所放緩。

七、結論

本文通過對采集到的約120萬條商場流水記錄進行數據挖掘，從中篩選出了有效數據約91萬條。通過對這些數據進行整理和分析，我們提出了一個可以較為合理地衡量折扣力度的公式。以此為基礎，我們進一步使用最小二乘法擬合出了每日折扣力度與商場每日銷售額以及日利潤率之間的關系。接著，我們又根據商品的價格彈性將其粗略地分為兩類，并且分析了折扣力度的大小對這兩類商品的銷售額和利潤率的關系。總而言之，本文通過科學的方法證實了所謂“薄利多銷”在實際生活中運用的合理性，本文中新提出的“折扣力度”的概念將為后續的分析和研究提供方便。

參考文獻：

[1]聯商.商場打折的運作策略與藝術[J].商業時代，2018（18）：14-14.

[2]吳依蘭.信息時代下數據挖掘技術的應用探討[J].數據挖掘，2019，9（4）：131-134.

[3]陳珍珍，著.統計學：廈門大學出版社，2002年.

[4]吳喜之.統計學：從數據到結論[M].中國統計出版社，2005.

[5]陳通.宏微觀經濟學[M].天津大學出版社，2003.

作者簡介：張澤公（2000.08- ），男，漢族，河南鄭州市人，北京交通大學理學院，本科在讀，研究方向：力學