基于大数据思维的卷烟零售店微商圈分析研究

在传统商圈划分技术进行分析的基础上，引入大数据分析方法，从注重数据的相关性和实时性出发，重新选择商圈的分析角度，对现有商圈进行微商圈划分。以贵阳烟草2014年1到3月某区域约700个零售户经营活动实际数据进行验证。结果表明，微商圈分类具有较好的应用价值，能为贵阳烟草精细化营销提供支撑。

【关键词】精细化营销 大数据分析 商圈 零售店微商圈

1 引言

商圈就是指店铺以其所在地点为中心，沿着一定的方向和距离扩展，那些优先选择到该店来消费的顾客所分布的地区范围。国家局《关于进一步规范卷烟零售客户分类工作的通知》中烟销网[2008]52号文）将卷烟零售客户按7个业态，城镇、乡村区域，大、中、小规模共划分为42个类别。其中，城镇、乡村区域属于商圈相关的分类维度。在此基础上，有烟草商业公司将商圈进一步细分，分出类似政府区、学校区、商业购物中心、旅游景区等等细分商圈。但在在实际应用中，商圈分析效果往往不尽如人意。鉴于此，本文通过大数据分析方法，进行微商圈的划分研究，以提升商圈分析的实践应用价值。

2 传统商圈划分的局限性分析

传统的商圈调研通常采集数据一般包括，商业环境数据和人流数量数据。存在两个突出的问题：

2.1 在应用层面看

以上数据在商圈应用中，基本是因果关系思维的应用，例如，消费水平，人流量与商品销量、商品档次有因果关系，实践应用中难以量化评估。

2.2 从实施层面看

完全取得以上数据是困难的。虽然商圈细分到类似政府区、学校区等细微程度，但在实际经营中，即使距离很近的两家卷烟零售店，其销售情况也大不相同。因此从环境和人流量信息进行商圈划分难以反映实际应用情况。

为验证以上观点，本文随机选择贵阳市某区的卷烟零售店进行分析（表1）。采用工具为SPSS 19.0软件。

（1）验证方法。假设现有商圈划分符合具有合理性，即相同商圈其销量与金额具有差异。基于此假设采用线性回归方法进行拟合检验。回归方程如下：

lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+ε

lnY表示区域，X1、X2、X3、X4、X5、X6分别一到三月的销量与金额。ε表示非主要因素的影响、随机变化、观测误差和模型数学形式设定偏差等各种因素对因变量Y的影响总和，通常称为随机扰动项，常数βi是待定参数。

（2）检验，选择区域为因变量，销量与金额为自变量，直接带入3个月的销售数据，监测拟合度，如表 2。

3 大数据思维下的微商圈划分

在商业领域，大数据分析并应用它来解决商业问题已经成为趋势，如消费预测等等。应用大数据分析方法划分卷烟零售店的商圈，思路如下：

（1）使用真实不变的稳定数据与可采集的动态变化的实时数据。

（2）着重考虑数据的相关关系，而不考虑因果关系。

（3）通过最直接的结果数据进行预测与数据挖掘。

基于上述三点，采用深挖贵阳烟草现有的卷烟销量数据、卷烟金额数据、卷烟结构数据进行商圈划分。

3.1 基于大数据的微商圈划分

在贵阳市局原有20个商圈的基础上，以某区域内1-3月销售数据为基础，应用卷烟销量数据、卷烟金额数据、卷烟结构数据等直接数据，采用聚类分析的方法，对每一个区域重新进行商圈的细分，形成新的微商圈。微商圈的划分方式如下：

3.1.1 数据准备

（1）增加数据：增加了卷烟结构数据，卷烟销量数据反映量的大小，卷烟销售结构数据反映质的水平，卷烟销售金额是二者结合。

卷烟结构=卷烟金额/卷烟销量

在此基础上，产生三个月的分析数据。

（2）数据标准化处理：由于卷烟销量、卷烟销售金额与卷烟结构三类数据的计量单位不同，必须进行无量纲化处理。本文采用对变量的标准差标准化（z-score标准化），标注为Zscore。

整理后，数据结构如表3。

3.1.2 聚类分析划分微商圈

步骤如下：

（1）选择微商圈细分区域：以区域1为例（54个个案样本），进行微商圈划分；

（2）选择聚类变量与方法：以卷烟销量、卷烟销售金额、卷烟结构为变量指标，分别采用分层聚类法与K-Means聚类法，对区域1进行聚类分析。

第一步，选择分层聚类，形成树形图，可直观反映出区域1的分类情况，如图1所示。

第一层聚类后，将区域1的商圈细分为两类，335号零售店单独为一类，其他零售店为一类，第二层聚类后，将区域1的商圈细分为三类，以此类推最多分为五层九类。

第二步， 在分层聚类的基础上，我们是用K-Means聚类法，将分类定为3类，进行微商圈的划分，分别是1类有8户、2类有45户、3类有1户。各类微商圈数量如表格4。

综上，层次分析法与K-Means聚类法所得到的结果是一致的。和传统的商圈划分相比，这种采用销售数据聚类方法划分微商圈的方法有以下优点：

（1）直接采用现有销售数据，减少了数据采集的费用；

（2）划分更加细致，例如以区域1进行细分，层次分析法最多可将54户零售店分为9类微商圈，甚至细致到了单独的一个零售店代表一类微商圈（示例中的零售店335号）。当然在应用微商圈分类时，也要考虑实际情况，单独为一户零售店划分一个商圈是否存在价值。

（3）商圈细分不单纯地拘泥于地理位置，因此划分结果充分与卷烟销售相关，更便于应用，避免了为细分而细分的弊端。

3.2 微商圈划分效果数据验证

为保证结果的一致性，我们采用与2.2中同样的数据验证方式，检验微商圈的拟合度情况。如表5所示。

（1）R平方=0.821，说明区域1中的3类微商圈的82.1%的变差可以由3个分项指标解释，或者说，3个分项指标可以解释商圈82.1%的变差。

（2）sig值均较低，说明假设显著性，即微商圈划分后，不同的微商圈之间的差异比较明显，其在卷烟销售方面的差别迥异。从系数表格可以得到如下回归方程：lnY=1.822+0.74lnX1-1.27lnX2+0.17lnX3

在上式中，lnY代表分类，X1代表卷烟销量、X2代表卷烟销售金额、X3代表卷烟销售结构。其中，卷烟销量与销售金额对于分类的影响分别是0.74与-1.27（负相关），大于卷烟结构的影响0.17，在实际应用中可忽略。鉴于此，可以判断出三类微商圈的特点。

1类：销售金额相对高，销量相对少，属于高端微商圈；

2类：销售金额与销量水平相当，属于中端微商圈，这类微商圈的零售店最多；

3类：销售金额相对较少，销量相对较多，属于低端微商圈。

综上，在现有商圈基础上，通过大数据的聚类分析，进行进一步的划分，得到新的微商圈。

4 结语

本文应用大数据分析方法思维，以贵阳烟草实际数据为例，在传统商圈划分的基础上，进一步通过聚类方式，进行商圈细分，形成新的微商圈。通过数据验证，相比传统的商圈划分，新的微商圈分类与卷烟销量、卷烟销售金额、卷烟结构三个数据具有高度的相关性，在判别零售户、预测卷烟销量与结构、货源投放等领域具有实际应用的意义。

参考文献

[1]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013（50）：146-169.

[2]樊飒飒. 基于商圈理论的专卖店选址研究[D]. 西安：西安建筑科技大学，2013.

[3]王秀珍。模糊聚类分析法及其应用[J]. 长沙大学学报，1999（42）：46-49.

作者单位

1.贵阳市烟草专卖局 贵州省贵阳市 550004

2.北京蓝泰致铭管理咨询有限公司 北京市 100010

3.昆明理工大学信息工程与自动化学院 云南省昆明市 650550