淺談卷煙營銷中數據的驅動力

杜昌杰 山東臨沂煙草有限公司臨沭分公司

一、行業發展現狀

隨著零售行業的不斷發展，數據的價值不斷被挖掘。這些看不見、摸不著的0和1正在深刻變革著零售行業。在當前環境下，如何獲取數據、如何利用數據是每個企業最關心的問題之一。煙草企業作為一個特殊的行業，將企業的運轉交由數據驅動，是克服自身局限，提高企業活力的好思路。通過終端獲取數據、云端應用數據，實現數據化的生產經營。

二、從市場中取真數

數據驅動的前提是獲取有價值的數據，下大力氣分析虛假的數據毫無意義。煙草企業具有強大的市場掌控力，相比其他行業，在數據采集過程中具有巨大的優勢。

（一）建設加盟終端

參考連鎖加盟的方式，創立符合企業價值觀的連鎖品牌，制定具體的管理要求，實現店內人員、商品、設施的統一，以標準化的管理實現強有力的品牌價值輸出。加盟品牌的創立，可以在轄區市場中起到優秀示范的作用，讓零售客戶看到連鎖加盟的優勢。

煙草企業需要為加盟終端提供定制化的POS管理系統，全面接管店鋪的人員、商品、資金的管理，在數據獲取的過程中實現全流程管控。通過對數據信息的直接收集，避免了信息傳遞過程中的丟失和失真。同時，利用POS管理系統，可以通過會員管理來實現消費習慣的跟蹤，實現消費群體的精準定位，及時捕捉市場反饋的信息。

（二）共贏的 “拿”數據

數據信息的“拿”與“用”不僅僅是煙草企業自己的事情，對加盟終端來說，如何掌控好自己的數據，保護好自己的商業秘密，是十分敏感的事情。煙草企業在提供軟件服務的工程中，必然要制定合理的信息保護機制，防止零售客戶經營信息的泄露。同時，煙草企業提供的軟件系統必須要為加盟終端提供基本的數據分析服務，最好再結合自身的大數據分析系統，為終端客戶提供更加智能的數據分析服務。只有讓終端客戶看到加盟后的利益，他們才愿意將經營數據交由煙草企業保管。

（三）簡單而高級的數據獲取

數據采集工作看似簡單卻十分復雜。在數據獲取的過程中，需要注意三點。

一是合理分配工作內容。人工采集真實性高而效率低，軟件系統效率高但真實性無法保證。煙草企業在數據收集的過程中，必然要對兩種采集方式進行合理安排，例如，客戶的個人信息需要客戶經理面對面采集，經營信息需要通過軟件系統自動獲取。同時，信息采集過程中要尊重客戶意愿，明確數據采集的底線。

二是科學的驗證體系。若想讓數據發揮出應有的作用，首先要保證數據的真實性。數據清洗是分析工作開始的前提，如果依靠人工篩選，顯然無法滿足需求。通過合理的現狀分析，找出數據篩選的依據，依靠軟件系統實時監控數據。這其中的關鍵便是判斷的閾值，需要制定者具有豐富的工作經驗和足夠的理論知識。

三是不追求零誤差。信息采集的過程中，誤差不可避免。在效率與誤差之間，應該做出取舍。只要確定數據聚類后不對分析結果產生影響，企業可以容許相關數據的差錯。例如，消費者的收入、年齡、電話號碼等敏感信息，常常存在誤差，但消費習慣無法造假，由此產生的分析結果依然可用。

三、從數據中找真相

數據“拿”來以后，需要讓其產生價值，驅動企業經營業務。對煙草企業來說，數據用的好，不僅能夠創造效益，更能履行好國家賦予的責任。煙草企業如何用好數據，可以從以下四個方面入手。

一是收斂的分析結果。對采集來的數據，需要利用已有的“公式”建立合理的分析模型，不建議“自主創造”，“創造”的模型很有可能符合特定的結果卻無法面面俱到。而“公式”化的數據模型雖然有誤差，但堅實的營銷理論卻能讓他應對各種各樣的問題，進而實現數據誤差的收斂，將結果引向正軌。例如，在客戶分類時，企業可以使用以下幾類算法：基于劃分的方法(Partitioning Method)、基于層次的方法(Hierarchical Metllod)、基于密度的方法(Density——Based)、基于網格的方法(Grid——Based)和基于模型的方法(Model——Based)等。[1]企業可以根據實際情況選擇合適的算法來對客戶進行聚類分析。

二是正確的分析數據。在數據采集過程中，有些數據十分豐富，有些數據十分稀少。在對數據進行分析時，要選擇正確的分析方式，不能“一招鮮”式的分析。對于銷售訂單這種量大的數據，必然要與客戶個人信息采取不同的分析方式，否則很容易出現數據算不出結果的情況。同時，數據分析時必須是多維分析，不能孤立的看問題，必要時可以借助SPSS等工具進行分析。

三是辯證的應用分析。一份高質量的數據分析結果有助于經營現狀的提升，他拋擺脫了情感的制約，對企業經營來說具有指導意義。數據不等于品牌的實力和影響力。其次，數據不能取代經驗。特別是在中國的市場中，很多行業并不是循序漸進發展的，存在著眾多裂變式、爆發式、跳躍式發展的機遇。[2]在按照數據分析結果開展各項工作的過程中，企業不能忽視骨干人員的經驗，只有將二者結合起來互為參考，才能更好的解決問題。

四是持續改進的操作。在數據營銷的過程中，必然存在各種各樣的問題，發現問題后最好的方式就是及時調整分析方式，采取PDCA的工作方式進行持續改進的分析。數據分析結果的應用不是終點，只有構建出“拿”數據與“用”數據的生態循環，才是數據驅動力發揮的保障。