基于大数据的营销策略运用的研究与探索

下载后可任意编辑 《数据采集准确及运用的讨论与探究》 课题结题总结报告 衢州市烟草公司 2024年12月 一、课题背景 数据采集是建立现代卷烟营销体系的重要基础性工作。数据的采集、分析与利用驱动着需求预测、货源组织、货源供应和品牌培育等营销关键业务的开展，是订单供货的起点、工商协同营销的依据、把握市场的前提。 当前，营销层面的数据采集主要是依托社会库存价格信息采集监测体系来采集样本客户的进、销、存、价数据。但由于样本客户素养不一、公司制度机制缺乏约束力、样本代表性低等问题，目前数据采集准确率总体来说还有待提高。而数据的精准与否，将直接关系到采集数据的分析与利用。 为解决当前数据在采集与分析、运用层面的脱节问题，本课题小组将重点讨论如何通过提高数据采集的准确率，进而提高和扩大数据的利用率和应用面。 二、课题开展情况回顾 该课题组由衢州市局营销中心品牌部和江山、开化业务线相关人员组成，自2024年5月启动以来，得到了市局营销中心的大力支持和精心指导。具体课题开展过程如下： 1、课题方案的撰写（5月10日—20日）。课题组成员系统学习了目前国家局、省、市有关数据采集方面的资料，并在此基础上，对影响数据采集准确率的内外在因素进行梳理、分析。同时，通过实地库存盘查、头脑风暴法等对数据采集在货源投放、客户服务等方面的运用前景进行初步论证，最终形成课题讨论方案。 2、准确率提升讨论（5月21日—6月20日）。课题组从样本客户代表性、数据监控模型、新型管理模式三方面入手，探究如何进一步提高数据采集的准确率。具体在提高样本客户代表性上，对信息采集点的数量及分布、选择办法和管理进行了相对科学合理的标准化设定；在数据监控上，探究出了“三化”监控模型（“数据上传率”监控精细化、“每卖必刷”监控可视化、“库存准确率”监控信息化）；在管理模式上，通过“完善数采管理流程、细化客户激励机制、健全内部考核体系”，制定了立体式的考核管理模式。 3、数据运用讨论（6月21日—8月20日）。课题组着重对货源投放、经营指导这两大块进行讨论。货源投放上，建立起数据采集-货源投放联动模型：选定某一时段的几个投放周期为参考，通过监测这个时段零售客户在这几个周期内销售、库存、存销比以及价格的变化，来确定下个周期投放量的一种投放方式。经营指导上，借助数采信息，为客户设计《卷烟零售健康指数体检卡》。一方面有效提高客户的库存、资金和价格管理能力，避开长期滞留零售领域给品牌带来负面影响；另一方面提高客户参加数据采集的主动性和自觉性。 4、方案评估与改进（8月21日—11月20日）。鉴于前期讨论均已理论探究为主，缺乏实践检验。故于10月份选择开化分公司进行小范围试点工作，对部分指标的适用性进行验证。同时，在货源投放、经营指导运用上，对部分指标进行修正，以便数据运用更加科学合理。 三、课题具体讨论内容 （一）提升数据采集准确率 1、提高样本客户代表性 1.1信息采集点的数量及分布 各县级分公司根据市场实际选取5%具有代表性的零售客户作为库存信息的采集点。 根据2024年各县级分公司销量占全市总销量的比重，结合各县级分公司常驻人口占全市人口比重，比重根据7:3设置，确定各县级分公司数采点分布数量。具体数采点的分布应遵循以下原则： 1.1.1要代表重点区域，以城区、集镇为主、城郊结合部为辅、农村为补充。城区、集镇：城郊结合部：农村的比例分配设置为6：3：1。 1.1.2要覆盖不同经营业态。建议食杂店和便利店的比例应大于70%，烟酒店和小型超市的比例在20%左右，大型商场、超市和娱乐场所的比例在10%以下。 1.1.3要覆盖不同经营规模。各业态大、中、小不同规模的数采点数量可参考2：6：2的比例进行选择，能代表各业态市场分布格局。 1.1.4要选择守法经营，一年内无违法、违规经营记录的零售户.零售户自愿作为烟草零售终端数采点，对库存盘点以及信息采集日常工作的配合程度较高；零售户经营品种齐全，其卷烟销量、结构在同类客户中有一定的代表性，能够反映一定区域内、同业态类型的基本市场动态。 1.1.5为保证采集数据的稳定，应将现代终端客户作为首选客户，该类客户在近期内不会有停业风险。为便于采集数据的汇总分析，选择的零售户最好为每周订货一次的零售户。 1.2信息采集点的选择方法 为保证数采点零售客户样本选取的代表性，在选取样本过程中应当通过数据测算进行“事前控制”和“事后检验”。 1.2.1事前控制。目的是通过在选点前进行数据测算，确保所选样本点的个体对整体市场具有代表性。具体操作上，可选择“2024年上半年、2024年下半年、2024年上半年”三个时间段，分别就不同零售业态，分别计算单客户A的总销量及各类烟占所在区域同期销量的比重，则共有三个维度18个比重数据，见下表： 某业态某客户销量占整个区域销量比重 时间 总量 一类 二类 三类 四类 五类 客户A 2024年上半年 w10 w11 w12 w13 w14 w15 2024年下半年 w20 w21 w22 w23 w24 w25 2024年上半年 w30 w31 w32 w33 w34 w35 再将上表中的18个比重数据进行归一化处理（在统计学中，归一化的具体作用是归纳统一样本的统计分布性）， ，其中，得出下表： 某业态某客户经归一化处理后的销量比重 时间 总量 一类 二类 三类 四类 五类 客户A 2024年上半年 q10 q11 q12 q13 q14 q15 2024年下半年 q20 q21 q22 q23 q24 q25 2024年上半年 q30 q31 q32 q33 q34 q35 最后计算上表中18个数据之间的方差D，，其中。将该计算过程应用于辖区全部零售客户（按零售业态加以归类），则每位零售客户对应一个方差值D，将这些方差值进行升序排列，得出下表： 某业态客户群 客户 编码 是否现代终端 是否诚信经营 区域 经营 规模 方差从小到大排序 客户A 客户B … … 上表中方差越小的零售客户，与整体市场的销量及结构走势越接近，越适合作为信息采集点。再结合区域、经营规模等其他约束条件，根据零售业态之间的数量分布要求，从上表中顺序选择，选出初始数采点的样本集合。 1.2.2事后检验。目的是通过对初选数采点样本集合的整体进行数据测算，确保其对整体市场具有代表性。首先进行各县级分公司的检验，然后进行整个地区的总体检验，误差要在既定的范围内方可确认样本点合格。 各县级分公司检验：首先进行销量的检验，考察各县级分公司总样本客户的销量规模及变化趋势是否与当地实际变化趋势一致，误差要在既定范围内。具体操作上，可选择“2024年上半年、2024年下半年、2024年上半年”三个时间段，分别计算总样本客户各时