浅谈卷烟营销中数据的驱动力

杜昌杰 山东临沂烟草有限公司临沭分公司

一、行业发展现状

随着零售行业的不断发展，数据的价值不断被挖掘。这些看不见、摸不着的0和1正在深刻变革着零售行业。在当前环境下，如何获取数据、如何利用数据是每个企业最关心的问题之一。烟草企业作为一个特殊的行业，将企业的运转交由数据驱动，是克服自身局限，提高企业活力的好思路。通过终端获取数据、云端应用数据，实现数据化的生产经营。

二、从市场中取真数

数据驱动的前提是获取有价值的数据，下大力气分析虚假的数据毫无意义。烟草企业具有强大的市场掌控力，相比其他行业，在数据采集过程中具有巨大的优势。

（一）建设加盟终端

参考连锁加盟的方式，创立符合企业价值观的连锁品牌，制定具体的管理要求，实现店内人员、商品、设施的统一，以标准化的管理实现强有力的品牌价值输出。加盟品牌的创立，可以在辖区市场中起到优秀示范的作用，让零售客户看到连锁加盟的优势。

烟草企业需要为加盟终端提供定制化的POS管理系统，全面接管店铺的人员、商品、资金的管理，在数据获取的过程中实现全流程管控。通过对数据信息的直接收集，避免了信息传递过程中的丢失和失真。同时，利用POS管理系统，可以通过会员管理来实现消费习惯的跟踪，实现消费群体的精准定位，及时捕捉市场反馈的信息。

（二）共赢的 “拿”数据

数据信息的“拿”与“用”不仅仅是烟草企业自己的事情，对加盟终端来说，如何掌控好自己的数据，保护好自己的商业秘密，是十分敏感的事情。烟草企业在提供软件服务的工程中，必然要制定合理的信息保护机制，防止零售客户经营信息的泄露。同时，烟草企业提供的软件系统必须要为加盟终端提供基本的数据分析服务，最好再结合自身的大数据分析系统，为终端客户提供更加智能的数据分析服务。只有让终端客户看到加盟后的利益，他们才愿意将经营数据交由烟草企业保管。

（三）简单而高级的数据获取

数据采集工作看似简单却十分复杂。在数据获取的过程中，需要注意三点。

一是合理分配工作内容。人工采集真实性高而效率低，软件系统效率高但真实性无法保证。烟草企业在数据收集的过程中，必然要对两种采集方式进行合理安排，例如，客户的个人信息需要客户经理面对面采集，经营信息需要通过软件系统自动获取。同时，信息采集过程中要尊重客户意愿，明确数据采集的底线。

二是科学的验证体系。若想让数据发挥出应有的作用，首先要保证数据的真实性。数据清洗是分析工作开始的前提，如果依靠人工筛选，显然无法满足需求。通过合理的现状分析，找出数据筛选的依据，依靠软件系统实时监控数据。这其中的关键便是判断的阈值，需要制定者具有丰富的工作经验和足够的理论知识。

三是不追求零误差。信息采集的过程中，误差不可避免。在效率与误差之间，应该做出取舍。只要确定数据聚类后不对分析结果产生影响，企业可以容许相关数据的差错。例如，消费者的收入、年龄、电话号码等敏感信息，常常存在误差，但消费习惯无法造假，由此产生的分析结果依然可用。

三、从数据中找真相

数据“拿”来以后，需要让其产生价值，驱动企业经营业务。对烟草企业来说，数据用的好，不仅能够创造效益，更能履行好国家赋予的责任。烟草企业如何用好数据，可以从以下四个方面入手。

一是收敛的分析结果。对采集来的数据，需要利用已有的“公式”建立合理的分析模型，不建议“自主创造”，“创造”的模型很有可能符合特定的结果却无法面面俱到。而“公式”化的数据模型虽然有误差，但坚实的营销理论却能让他应对各种各样的问题，进而实现数据误差的收敛，将结果引向正轨。例如，在客户分类时，企业可以使用以下几类算法：基于划分的方法(Partitioning Method)、基于层次的方法(Hierarchical Metllod)、基于密度的方法(Density——Based)、基于网格的方法(Grid——Based)和基于模型的方法(Model——Based)等。[1]企业可以根据实际情况选择合适的算法来对客户进行聚类分析。

二是正确的分析数据。在数据采集过程中，有些数据十分丰富，有些数据十分稀少。在对数据进行分析时，要选择正确的分析方式，不能“一招鲜”式的分析。对于销售订单这种量大的数据，必然要与客户个人信息采取不同的分析方式，否则很容易出现数据算不出结果的情况。同时，数据分析时必须是多维分析，不能孤立的看问题，必要时可以借助SPSS等工具进行分析。

三是辩证的应用分析。一份高质量的数据分析结果有助于经营现状的提升，他抛摆脱了情感的制约，对企业经营来说具有指导意义。数据不等于品牌的实力和影响力。其次，数据不能取代经验。特别是在中国的市场中，很多行业并不是循序渐进发展的，存在着众多裂变式、爆发式、跳跃式发展的机遇。[2]在按照数据分析结果开展各项工作的过程中，企业不能忽视骨干人员的经验，只有将二者结合起来互为参考，才能更好的解决问题。

四是持续改进的操作。在数据营销的过程中，必然存在各种各样的问题，发现问题后最好的方式就是及时调整分析方式，采取PDCA的工作方式进行持续改进的分析。数据分析结果的应用不是终点，只有构建出“拿”数据与“用”数据的生态循环，才是数据驱动力发挥的保障。