零售户卷烟订货推荐系统应用的研究

零售户卷烟订货推荐系统应用的研究

黄小健

盐城市烟草专卖局（公司）

【摘 要】在烟草行业“总量控制、稍紧平衡、增速合理、贵在持续”方针指导下，卷烟货源投放的精准度，无论是对零售户、消费者或是烟草商业企业，都有着非常重大的影响。在发展进入新常态，做到卷烟货源的合理投放，达到供需匹配，从而保证良好的市场状态，本文通过对互联网电商企业推荐算法的研究，结合烟草行业实际，通过构建画像子系统、推荐子系统、反馈子系统三个方面来实现烟草商业的零售户卷烟订货推荐系统。

【关键字】卷烟订货  推荐系统  协同过滤  用户画像

一、前言

东部某省局在全省系统推进卷烟营销高质量发展座谈会上强调“四个必须始终”，其中，把提升零售客户的盈利水平和满意度作为检验营销网建工作的核心标准。要与零售客户建立“经营共同体、利益共同体、文化共同体、发展共同体”，四个共同体。卷烟的货源投放，直接影响着零售户的销售和盈利水平，如何做到货源的精准投放，达到供需匹配，一直是行业上下努力追求的目标。

目前XX烟草商业的卷烟订货方式已经全部实现网上订货模式。然而，在卷烟货源投放方面依然对人员的工作经验有较大的依赖性。与互联网电商企业通过数据驱动，用算法来实现货与人的匹配还有较大差距。

二、卷烟订货系统货源投放现状分析

目前，XX烟草根据卷烟市场化取向改革要求，对货源投放策略方面逐步由根据计划向根据市场转变，由靠经验向靠数据转变。通过卷烟市场信息采集，了解卷烟价格、社会库存等信息。通过营销平台“三面两率”即，货源利用率、需求满足率、订足面、订货率、重购率，考量零售终端订货意愿和需求强度，做市场状态评估。但是仍然暴露出一些不足：

1、订单满足率总体有待提高。品牌规格数较多，订单满足率总体不高，且各区域发展不平衡。比如，从1-11月份订单满足率来看，全省在销品牌规格数为389个，订单满足率34.91%。其中，X市局共销售227个品规，订单满足率平均值为77.47%。Y市局在销品规138个，订单满足率平均值为75.62%，Z市局共销售159个品规，订单满足率平均值为48.29%。

2、零售户订货率有待进一步提高。订货率在客户价值（RFM)模型中也称为复购率，即在可订货周期内实际订货次数与应该订货次数的比率。以Z市局2019年2季度订单率为100%的客户比率为89.08%。

3、消费需求数据不够全面。目前对消费需求数据的来源一方面来自于零售客户在订货时填写的需求量，而这一数据的填写往往来自于零售户的主观判断，数据存在失真。需要通过其他手段进一步采集消费需求。

在新的形式下，行业要构建统一开放、竞争有序的大市场，要把重点品牌做强做优做大。省局也提出要树立“以消费者为核心”的营销理念。因此，需要构建以用户画像、商品画像为基础的卷烟推荐系统，进一步提升货源投放的精准度，使货源与客户档位、商圈、业态等更加匹配，满足消费者需求。另一方面达到限制大户、扶持中小户的目的。

三、卷烟订货推荐系统研究

一套完整的推荐系统至上需要包括数据采集模块、画像子系统、推荐子系统和推荐反馈子系统几个方面。

（一）画像子系统

画像子系统由三个部分组成，分别是消费者画像、零售户画像、卷烟商品画像。

消费者画像重点要考虑的因素从宏观上需要考虑地区经济结构、年龄结构、外籍人口情况。从微观上看需要重点关注学历、收入、消费嗜好、消费心理、新品接受度等指标。

零售户画像可以重点考虑零售户业态、零售户诚信等级、零售商圈类型、商圈流量、消费人群、消费者分级等指标。

卷烟商品画像可分别考虑卷烟品牌静态属性比如价类、口味、包装、品牌文化。品牌动态属性如品牌发展规划、品牌知名度、市场份额、价格动态、毛利率等指标。

（二）推荐子系统

1.算法选择

推荐子系统的核心在于推荐算法的选择，本文选择通过将多种不同算法进行组合的一种方法。具体组合的方法如下：

（1）加权组合

即根据经验值对不同算法赋予不同的权重，对各算法产生的候选集按照给定的权重进行加权，然后再按照权重进行排序，从而产生一个推荐候选集。

（2）分级组合

即优先采用效果较好的算法，当产生的候选集不满足目标值时，再使用效果次好的算法，以此类推，从而产生一个推荐候选集。

（3）过滤组合

即当前算法对前一算法产生的候选集进行再过滤，以此类推，最终产生一个新的推荐候选集。

2.算法应用

（1）个性化首页

主要依据消费者数据来研判，根据零售户所在区域对品牌的偏好，零售终端的商圈类型投放相应品牌的卷烟信息。，比如某零售位于商务区，消费者以写字楼白领为主。可以在该零售户订货首页推荐展示细支烟和新品卷烟。又如某零售户位于工业区，消费者很多河南籍人，就可以向该零售户推荐河南品牌卷烟。

（2）一键订货

主要依据零售户自身的历史订单信息，以及通过聚类分析得到和他类似的零售户的订单信息，经过权重比例得到一个订单。比如将该零售户历史订单进行分析，按复购率从高到底排列，取前50%。再将通过聚类分析后同类零售户的订单进行排列也取前50%，最后将两者结合产生的一个新订单列表，推荐给零售户。

（3）推荐好货

以标签的形式从不同层面做卷烟推荐，比如从烟草公司品牌发展战略角度，按国家重点品牌、省内外品牌等多维度推荐给零售户。从零售户盈利角度，将卷烟按照毛利率大小进行排序推荐给零售户。从消费者角度，按各地区品牌热度推荐给零售户。

（三）反馈子系统

    评价一个推荐系统是否达到预期目标，是否能让零售户盈利，让消费者方便的买到卷烟，需要对推荐子系统进行评估反馈，以便精准投放货源，一般有以下三种方式：

一是离线评估方式：通常做法是将零售户订单历史数据集划分，分成训练集、验证集和测试集三部分，再根据训练模型，验证集上的效果来确定模型的参数，最后得到的模型在测试集上验证准确性等指标。

第二种是在线评估方式：在线评估比离线评估更接近于真实的使用场景，要求也更高，需要在系统运行时根据用户的实际行为与推荐列表进行比较，判断算法性能指标的好坏。在线评估会一般采用A/B测试，即将用户分成两部分，采用不同的推荐算法，通过两部分用户评价指标的差异，判断不同推荐算法的优劣。

第三种是用户调查方式：有些推荐算法需要用户与系统进行交互获得不同的上下文信息，这些真实场景难以通过离线数据模拟，而在线评估也难以对各个环节进行评测，就需要寻找真实用户做调查。比如，在用户与推荐系统交互的过程中，通过预先设计的问卷，获取用户真实的感受。

五、结语

由于推荐系统需要采集用户的信息，如用户的个人信息、用户订单信息等，这些会对用户的隐私带来一定的泄漏风险。需要探索如何在推荐系统不获取用户隐私的前提下做出准确的推荐。烟草行业市场化取向改革进入了新的阶段，需要进一步创新思维，加大技术创新力度，充分利用好云计算、大数据、移动互联网等互联网元素，通过数据赋能业务水平的进一步提高，使行业走向更平衡更充分的高质量发展。

参考文献：

①黄美玲：推荐系统算法实践，电子工业出版社，2019年1月，版1

②美团算法团队：美团机器学习实践，人民邮电出版社，2019年3月，版1

③王力剑：新媒体和电商数据化运营:用户画像+爆款打造+营销分析+利润提升，清华大学出版社，2019年1月，版1

4淘宝推荐算法研究，https://blog.csdn.net/tinyway/article/details/23022221?locationNum=2&fps=1