基于高维精准画像与深度学习的卷烟零售户动态分档研究

【目的】丰富卷烟零售户考核评价的维度,建立档位动态认定的科学标准,辅助档位调整、分类管理及投放策略制定等营销工作。【方法】提出基于高维精准画像体系和深度学习模型进行档位识别的解决方案,介绍档位标签推演、画像特征指标设计、识别模型搭建、新零售户样本预测及评价、档位动态调整等环节的可行策略,并通过分析特征重要性挖掘到零售户档位的潜在影响因素。【结果】在数值实验部分,基于A、B市场多个投放周期内的营销数据,对比非线性深度学习DXGBOOST模型与线性回归LR模型、梯度提升XGBOOST模型的分类识别效果:相比线性的LR,DXGBOOST算法可将A、B两市零售户档位识别准确率分别提升9.09%和15.43%;相比非线性的XGBOOST,可进一步提升精准档位及档位区间的准确率,降低误判的偏差程度。【结论】实践证明,在保证稳定性的前提下,基于DXGBOOST模型的档位识别方法可以很大程度提升卷烟零售户档位的划分精度,为及时开展科学、精准、智能地营销分析与商业决策提供数据和理论支撑。

转型发展 开拓企业盈利点——依托微信与APP开展现代卷烟网络营销

2006—2015年是我国烟草行业辉煌的十年。2015年全国卷烟销量比2006年增长23．3％，年平均增幅2．4％。2015年全国卷烟销售额比2006年增长193．3％，年平均增幅高达12．7％。这样快速、稳定并持续十年的发展在各行各业中是比较罕见的。

卷烟终端陈列识别方法研究

为解决零售终端货架图片的陈列信息提取劳动强度大、效率低、易出错的问题,针对手持采集设备提出一种陈列识别方法。首先通过目标检测算法定位出图像中的烟盒,然后由轻量化的旋转对齐网络对单个烟盒图像做相似变换,再使用度量学习提取特征向量后在数据库中检索,最后通过设置双阈值和投票机制识别烟盒细类或排除非烟盒。该系统提供一套完整解决方案,通过改进标签平滑策略和设计地理位置信息与纹理特征相融合网络来提升识别算法精度,在自建的351类烟盒数据集上Top1准确率达到93.7%,其中改进方案比基准提高1.5%,在未知烟盒与非烟盒的区分上准确率提高4.5%;应用该方法可以显著提高市场信息采集人员工作效率并为业务分析提供有效帮助。

浅谈销售指标的评价体系

近年来,烟草行业大力开展以＂卷烟上水平＂为目标,以驱动营销为手段的品牌培育工作,通过对消费者隐性需求的挖掘与把握,积极开发新产品,创造需求,引导消费,推动形成市场新空间。开展驱动营销工作的中心任务是把握消费需求,通过对需求变化趋势的研判。

卷烟工商零通用指标筛选模型的构建及应用

为了从工商零多主体多环节的大数据中快速洞察市场形势,构建了一套市场营销的工商零综合指标体系。以工商零各主体的基础信息和日常运行数据作为基础数据源,构建了涵盖日常业务所需的基础信息类指标体系。在此基础上,开发通用指标筛选模型,从基础类指标中抽取和筛选若干末级指标,形成具有市场导向意义的应用类指标和报表。本文以某市零售终端价值评价为例,通过实证分析展现了从基础类指标体系构建应用指标的过程,结果表明:该模型可以选出强相关性、低多重共线性的有效指标,大幅减少计算指标权重时的无效赋权、重复赋权和遗漏赋权问题。该方法可以加速应用指标的构建过程,提升应用指标的实际价值。