工商零消大数据助力烟草行业客户价值预测与精准服务

工商零消大数据助力烟草行业客户价值预测与精准服务

韩冰

内蒙古自治区烟草公司巴彦淖尔市公司

内蒙古自治区巴彦淖尔市015000

摘要：在互联网背景下，大数据正在以前所未有速度颠覆人们探索世界的方法。随着大数据技术的发展，客户需求越来越个性化，客户体验要求越来越高。要准确把握需求响应的实时性，利用大数据与人工智能技术对客户进行准准分类及价值预测，以此提供精准服务。

关键词：大数据；客户价值预测；精准服务

随着大数据技术的发展，客户需求越来越个性化，客户体验要求越来越高。要准确把握需求响应的实时性，利用大数据与人工智能技术对客户精准分类及价值预测，进而提供精准服务。为加快烟草工商业互联网+营销数字化转型，本文详细论述了工商零消大数据助力烟草行业客户价值预测与精准服务。

一、大数据价值

大数据技术能推动精准营销发展，还能加强对零售户数据的分析和收集，对市场做出比较客观准确预测，而且有利于相关数据库的建立，通过数据库能分析客户偏好，还能为客户提供相关订货指导，为客户提供更具体服务指导。同时，大数据技术也能对配送、仓储环节数据进行分析，通过分析优化配送路线，促进物流环节的优化。并且不同地域客户的需求也会不同，大数据技术可加强对零售客户分类和评级，通过分级为客户提供个性化指导，加强客户与烟草企业有效沟通，帮助客户经理及时了解客户动态。

二、工商零消大数据架构

工商零消大数据是一个采集营销数据、量化零售客户行为、分析市场态势、评估品牌培育潜力的大数据系统，包括数据层、模型与运算层、应用层、公共支撑部分。

1、数据层。从外部数据源抽取数据并完成规范化转换。以相关数据作为主要数据源，辅以其它来源数据。通过数据清洗、融合、关联等预处理，将不同来源的数据精简除重，转换成后续数据建模和分析过程可接收格式。

2、模型与运算层。重点完成工商零消大数据的汇总、存储、建模和分析输出。通过关系型数据库与分析型数据仓库共同构建数据服务引擎，采用数据融合、聚类运算、特征曲线拟合及空间运算等多种数据运算方法，生成关联分析、市场态势、行为聚类分析及潜力评估等多种应用模型，为业务流程中的各种数据统计、预测、评估及可视化等功能模块提供可靠数据处理与应用模型支撑。

3、应用层。应用层是本系统数据中心和用户界面，面向营销人员、数据分析及系统管理人员，以服务页面的形式为相关人员提供对应功能，包括与大数据应用相关的数据统计、专题分析、“大数据驾驶舱”等。可根据使用者定义的具体条件实施相应的数据运算分析，完成零售客户需、购、销行为聚类，市场态势评估及专题数据统计分析等功能。

4、公共支撑。为实现系统总体功能所需用户和数据标识规范、信息安全管理、网络和设备管理及运维管理等。

三、客户价值预测模型

以客户属性为细分标准，以销售量为基础，参考其它特征数据及市场状态指数，结合人工智能对客户价值进行智能分析及预测，得到客户价值预测模型。其中，客户基本属性可分为档次、销量、品牌宽度、店面形象、经营能力等。客户分类评定要求为：通过分析影响客户分类的因子，为实现客户分类目标，有效提供精细化服务与精准监管，团队成员通过头脑风暴法来查找影响客户分类定性、定量、异常因子。

1、客户评价分类参与人员。包括营销部主任、管理人员、市场经理、信息专员、终端专员、客户专员，各岗位人员根据客户评价分类流程及时间要求，对客户进行评价分类。

2、客户评价分类周期。客户分类评价周期通常为每季度一次，评价在每个季度的上旬进行。通过定性、定量、异常指标，对一季度内客户的实际经营情况全面检查。

3、客户分类评价流程

①客户基础信息维护。客户专员：评价周期前，客户专员根据客户分类评价指标逐项梳理，对所有客户关键基础信息重新维护，特别是被确定为分类有效因子的关键基本信息必须全面准确维护。信息专员：每季度首月前5日(节假日顺延)，负责分析客户在评价期(上一季度)的实际经营数据，包括一二类销量、销售额、品牌宽度等，并对客户相关基础信息进行后台维护。

②评价基础资料收集整理。信息专员：在评价周期截止日，负责从相关系统导出相关定量销售数据，结合客户分类周期定性数据，并使用加权指标得分从违法违规、不规范经营行为的客户中减去相关扣分项，以获得客户综合评定分值。根据所有客户得分对应的客户类别分值区间，形成季度客户初始类别。

③异常客户类别调整

⑴客户存在违法违规记录的取值周期。根据客户分类评定周期计算，依据内管和专卖部门提供的违法违规数据为时间节点，取值周期为就近三个月。

⑵对涉嫌不规范经营行为的客户核定过程。客户专员对客户的系统数据及实际经营情况进行判断排查，一旦发现异常情况，信息专员负责汇总收集客户名单，并传递给内管部门跟进。

⑶涉嫌不规范经营行为的客户类别恢复条件。在每个客户分类评定周期，异常类别客户始终保持合法经营，不会出现异常情况，在下一评定周期中，可根据客户综合评定得分结果恢复其相应初始类别。

根据上述客户分类评定要求，查找影响客户分类的定性、定量、异常因子。通过筛选和分析，对各种因子逐一比对，选择有效因子构建客户价值预测模型，对各项因子设置不同权重及分值。以客户销售额、一二类销量、品牌宽度等关键业绩指标为基础，辅以客户入网时间、经营者状态、合规性等反映客户增长的潜在指标，综合考虑客户的规范经营情况及示范效应，从多角度、多维度为客户进行价值预测。

客户价值的基本算法是：客户预测值=定性因子得分+定量因子得分-违法违规扣分-核定不规范经营行为扣分。

四、客户价值体系标签模型

以数据营销为主线，构建智能数据支撑体系，以服务营销为支线，精准界定差异化零售客群，设计客户标签体系，建立客户价值体系标签模型。

基于综合评定结果，构建分层分类模型，将客户分为三大类：核心、潜力、常规客户，以及对应细分客户类别。

结合客户价值体系标签模型，对某地区客户进行准准分类，为不同标签的客户匹配不同服务方案。

1、核心客户。这类客户综合评定得分高，经营业绩好，长期遵纪守法，高度重视经营利润，有自我提升诉求及进一步提升空间，更积极利用电子信息技术开展经营工作，需更多服务项目，高度依赖客户专员的服务工作，并与服务人员高度合作。对公司而言，这类客户具有很高的当前和潜在价值，被视为黄金客户。公司拥有此类客户越多，市场越稳定，企业发展潜力越大。因此，应投入重要的服务资源来维护及发展此类客户，主动及时地了解客户服务需求，提供最佳服务项目，实施最优服务策略。

2、潜力客户。这类客户具有理想的综合评分，经营业绩良好，有改进空间，营业收入在总收入中占很大比例，可配合服务人员执行各种任务。对公司来说，这类客户的潜在价值高于当前价值，通过及时有效的服务，可将这类客户中的一部分发展升级为核心客户。因此，公司需投入相对丰富的服务资源，建立便捷高效的沟通渠道，加强对这类客户的情感维护，增加访问频率，提供个性化服务，推动他们向核心客户迈进。

3、常规客户。这类客户经营相对稳定，长期来看销量和销售结构波动小，经营利润在店铺整体经营利润中所占比例低。受市场环境、店主文化水平、消费者购买力等因素影响，客户自我提升观念淡薄，提升空间有限。这类客户对客户专员的服务需求少，当有服务需求时，习惯于通过电话咨询客户专员。对公司来说，这类客户是最广泛的客户群体，是企业生存发展基础。应通过有规律拜访服务，与客户建立互信和依赖，从而改变客户经营观念，释放其经营潜力，逐步向潜在客户和核心客户靠拢。

参考文献：

[1]徐斌.基于客户价值的卷烟零售客户分类研究与应用[J].价值工程,2019,38(25):89-90.