基于譜聚類和客戶生命周期的卷煙消費者價值研究

摘 要：本文選取H省3065家現代終端為研究對象，首先采用譜聚類和輪廓系數法對門店經營模式進行聚類，將零售門店分為三種類型，再基于改進后的客戶生命周期模型進行消費者價值測算，同時使用現有價值、潛在價值和忠誠度三個維度確定八種消費者細分類型，并制定差異化的營銷策略。最后以加盟終端門店進行模型測試和應用研究，結果證明本文得到了具有較高解釋性和區分度的消費者價值評估方案和消費者細分營銷策略，能夠有效幫助零售門店提升消費者價值和盈利水平。

關鍵詞：客戶生命周期；譜聚類；消費者價值分析；卷煙營銷；客戶分類

一、引言

卷煙消費者價值分析，是零售門店及時響應消費者個性化、差異化需求，提升卷煙盈利水平的重要手段。當前，煙草行業多基于現有價值對消費者進行評估，未能充分釋放數據價值。

因此，本文將以H省卷煙消費者為研究對象，以工商零售多源數據為基礎，探索構建一套科學合理的卷煙消費者價值分析模型，幫助零售門店精準評估消費者價值，精準分析目標消費客群，指導零售門店有針對性地開展消費者運營及卷煙品牌推介，從而改善卷煙整體動銷情況，進而提升門店盈利水平。

二、現狀分析

隨著電商對線下門店的沖擊，加之三年疫情影響，食品、日化等品類的利潤空間日益壓縮，難以成為門店的利潤增長點。卷煙因政策原因受到的沖擊較小，成為終端門店盈利的重要組成部分。傳統零售門店在銷售卷煙時普遍采用等客上門的被動銷售模式，難以主動識別目標消費者開展針對性營銷，未能最大限度激發消費者的消費潛力。所以，如何基于消費數據挖掘消費者需求，有的放矢進行消費者運營和卷煙精準營銷，是提升卷煙動銷水平和門店盈利水平的關鍵。

目前，對消費者價值評估主要采用RFM模型和其他模型相結合的模式，但是RFM模型只根據客戶的過去交易行為進行分析，而沒有考慮到未來客戶的行為和潛力，這可能導致一些潛在高價值客戶被忽略。因此，本文選用應用較廣的改進后CLV模型和其他模型相結合的模式，以便更加充分地挖掘數據價值，更加全面地評估消費者價值。

三、研究設計

H省目前共有30余萬卷煙零售門店，經營業態主要分為便利店、煙酒店、商超等，經營模式各有特點，不同商業模式的門店有差異化消費者運營生態，而門店商業模式是動態變化的，現有標簽信息存在時間滯后性，且不夠客觀。

基于上述分析，本文提出，首先應根據門店的多維經營數據對卷煙經營模式進行聚類，再對不同類型的門店構建消費者價值分析模型，測算消費者CLV值，依據CLV值找出門店核心消費者，并對消費者進行分類運營，并提供差異化服務策略，具體如圖1所示。

四、店鋪經營模式聚類

1.數據源

本文基于零售門店經營分析的三大維度，即門店經營環境、門店經營狀況、門店經營能力，提出零售門店營銷模式的ESC屬性（見表1）。

為進一步保障數據質量和數據可用性，在H省最早上線營銷一體化平臺店鋪管理系統的省會C市中，以奈曼抽樣法挑選終端數據質量評價體系下，數據質量為優秀的3065家零售門店為研究對象，基于門店經營ESC屬性和數據獲取質量，構建用于區分零售門店經營模式的零售門店經營模式指標體系，如表2所示。

2.特征選取

數據預處理后，為了防止多重共線性對聚類結果產生負面影響，本文使用熱力圖對現有指標進行多重共線性檢驗，顏色深淺反映了相關系數的程度，圖2結果表明商圈類型、市場類型、業態類型、卷煙動銷率和卷煙銷售占比之間的相關系數較高，可能存在多重共線性。因此，在進行特征篩選時，本文剔除了相關系數較高的5個變量，避免多重共線性造成過擬合問題。

3.譜聚類過程

（1） 選擇k值

輪廓系數法能更全面地考慮聚類內部和聚類之間的距離關系，提供更準確的聚類評估，本文借助輪廓系數法來確定k值，k值越大說明越合理，使用python算法對k取值為[2，14]的整數進行多次迭代，圖3結果說明k值為3時輪廓系數最大，聚類效果最好。

（2） 分類結果

確定k值為3后，使用python對所有零售門店樣本進行譜聚類分析。聚類結果以及每一類別的特征均值分布情況如圖4、圖5所示。

（3） 結果分析

類別Ⅰ的門店卷煙訂單數、客流量和常客數量較少、人均毛利較低，未形成較鮮明的經營模式和特點。

類別Ⅱ的門店卷煙訂單數、常客數量和客流量偏高，但卷煙客單價相對偏低，采用的是人流量大、客單價低的“薄利多銷”經營模式。

類別Ⅲ的門店具有較高的客單價和人均毛利，但訂單數相對較少，采用運營大客戶為主的精品銷售路線。

五、門店消費者價值評估

1.數據源

本文在省會C市中，以奈曼抽樣法挑選終端數據質量評價體系下長期保持數據質量優秀的零售門店，結合店鋪終端銷售數據、工商零消費平臺數據、消費者基本數據，以每條支付ID對應的消費流水為最小研究樣本，對消費者的卷煙消費行為進行為期1年的跟蹤。

2.確定模型權重

數據預處理后，為減少主觀性對決策結果的影響，本文選用常用于客觀賦權的熵權法測算每個指標層的權重，熵權法是根據各指標數值變化對整體的影響，計算指標的熵值，進而確定權重。按照前文聚類結果，對3類經營模式的門店賦予不同權重，并通過加權計算得到消費者CLV得分，用以評估和計量卷煙消費者生命周期價值。

六、分析

消費者的CLV值定量描述了其對零售門店的價值，個體經營的零售門店服務資源有限，需集中資源對頭部的卷煙消費者進行差異化運營，因此我們參考二八法則，即“給一個公司帶來80%利潤的是20%的客戶”，挑選出每家門店CLV值排名前20%的消費者作為差異化運營對象。

建立有關消費者現有價值、消費者潛在價值和消費者忠誠度的三維細分模型，在CLV值排名前20%的消費者中，如某消費者的現有價值高于該門店類型的消費者平均現有價值，則定義為高，反之則定義為低，以此類推。基于此，每家門店CLV值前20%的消費者可劃分為八種細分類型（如圖6所示）。

結合八種細分類型的消費者特點，零售門店可采取對應的消費者運營策略，從而實現企業資源的優化配置和利益最大化，結果明細如表4所示。

七、結語

1.本文創新點

（1） 創新了分析方法：以前煙草行業對卷煙消費者的分析多采用RFM框架，本文通過構建CLV模型，補充分析消費者的潛在價值和忠誠度，為卷煙消費者價值分析研究中提供了更全面、準確的視角。

（2） 整合了多維數據源：從工商零消共同面向消費者的角度入手，本文將店鋪管理系統中的到店消費數據與工商零消品牌共育平臺運營數據進行整合，充分盤活了工商零消生態圈的數據資源，為零售門店的決策提供了更具實踐意義的依據。

（3） 提供了差異化運營策略：本文結合CLV綜合得分和三維消費者價值細分模型，將門店消費者分為八個類別，并提供具體的消費者運營策略。策略基于消費者的價值特征和行為習慣，能幫助零售門店補齊短板，優化資源配置、提高收益，并能提高消費者的忠誠度和參與度。

2.不足與展望

（1） 算力限制：由于算力有限，本文僅對C市數據質量較高的部分門店進行數據集分析計算。未來的研究還將擴展到H省的所有門店，納入更多數據指標，對更廣泛的數據集進行分析。

（2） 優化差異化服務策略：本文基于消費者行為特征和細分類型探索制定差異化服務策略，在模型制定階段，主要基于營銷理論和部分零售門店實際經驗制定，后續研究將深入門店進行實地調研，并邀請更多卷煙門店參與服務策略的制定，進一步提高運營策略的顆粒度，增強營銷策略的實用性。

（3） 深化消費者價值分析模型：由于門店的非煙數據標準化程度不夠高，本文僅分析了卷煙消費數據。后續研究將納入非煙消費數據、消費者行為數據、消費者調研數據等，探索更先進的分析技術，持續提升模型的準確性和預測能力。

參考文獻：

[1]林盛，肖旭.基于RFM的電信客戶市場細分方法[J].哈爾濱工業大學學報，2006（5）：758-760.

[2]劉朝華，梅強，蔡淑琴.基于RFM的客戶分類及價值評價模型[J].技術經濟與管理研究，2012（5）：33-36.

[3]龍冰婷.基于改進的RFM模型客戶價值分層研究[J].西昌學院學報（自然科學版），2022，36（1）：52-57.

[4]包志強，趙媛媛，趙研，等.基于改進RFM模型的百度外賣客戶價值分析[J].西安郵電大學學報，2019，24（1）：105-110.

[5]肖耘，許歡歡，肖雅元，等.基于CLV偏好挖掘模型的數字社區用戶偏好挖掘研究[J].農業圖書情報學報，2023， 35（2）：45-60.

[6]龍麗琴，譚欽騰，吳青，等.基于零售戶關鍵行為分析的客戶識別方法[J].企業改革與管理，2015（1）：30-31.

[7]劉章敏，劉薔.模糊C均值聚類算法在煙草行業RFM模型中的應用研究[J].新商務周刊，2018（15）：16.

[8]馮喆，侯霄昱，郭子欣.基于改進型RFM卷煙消費者價值細分模型的精準營銷策略研究[J].經濟師，2019（12）：279-281.

[9]金吉瓊，居雷，張易，等.基于用戶畫像的卷煙消費者特征識別和價值評估[J].煙草科技，2023，56（1）：105-112.

[10]RAMONI M，SEBASTIANI P.Robust Bayes classifiers[J].Artificial Intelligence，2001，125（1/2）：209-226.

[11]GARCIA S，DERRAC J，CANO J，et al.Prototype selection for nearest neighbor classification：Taxonomy and empirical study[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2012，34（3）：417-435.

[12]BERNARD J J，JONI O S，JUNG S J.Data-driven personas for enhanced user understanding：Combining empathy with rationality for better insights to analytics[J].Data and Information Management，2020，4（1）：1-17.

作者簡介：李玥（1990— ），女，漢族，本科，中級經濟師，研究方向：數智營銷方向；湯季蓉（1998— ），女，漢族，碩士，中級經濟師，研究方向：應用統計方向；李夢馨（1994— ），女，漢族，碩士，中級經濟師，研究方向：產業經濟方向；通訊作者：李可（1989— ），女，漢族，本科，中級經濟師，研究方向：卷煙營銷方向；趙思邈（1986— ），女，漢族，本科，中級經濟師，研究方向：品牌營銷方向。