基于谱聚类和客户生命周期的卷烟消费者价值研究

摘 要：本文选取H省3065家现代终端为研究对象，首先采用谱聚类和轮廓系数法对门店经营模式进行聚类，将零售门店分为三种类型，再基于改进后的客户生命周期模型进行消费者价值测算，同时使用现有价值、潜在价值和忠诚度三个维度确定八种消费者细分类型，并制定差异化的营销策略。最后以加盟终端门店进行模型测试和应用研究，结果证明本文得到了具有较高解释性和区分度的消费者价值评估方案和消费者细分营销策略，能够有效帮助零售门店提升消费者价值和盈利水平。

关键词：客户生命周期；谱聚类；消费者价值分析；卷烟营销；客户分类

一、引言

卷烟消费者价值分析，是零售门店及时响应消费者个性化、差异化需求，提升卷烟盈利水平的重要手段。当前，烟草行业多基于现有价值对消费者进行评估，未能充分释放数据价值。

因此，本文将以H省卷烟消费者为研究对象，以工商零售多源数据为基础，探索构建一套科学合理的卷烟消费者价值分析模型，帮助零售门店精准评估消费者价值，精准分析目标消费客群，指导零售门店有针对性地开展消费者运营及卷烟品牌推介，从而改善卷烟整体动销情况，进而提升门店盈利水平。

二、现状分析

随着电商对线下门店的冲击，加之三年疫情影响，食品、日化等品类的利润空间日益压缩，难以成为门店的利润增长点。卷烟因政策原因受到的冲击较小，成为终端门店盈利的重要组成部分。传统零售门店在销售卷烟时普遍采用等客上门的被动销售模式，难以主动识别目标消费者开展针对性营销，未能最大限度激发消费者的消费潜力。所以，如何基于消费数据挖掘消费者需求，有的放矢进行消费者运营和卷烟精准营销，是提升卷烟动销水平和门店盈利水平的关键。

目前，对消费者价值评估主要采用RFM模型和其他模型相结合的模式，但是RFM模型只根据客户的过去交易行为进行分析，而没有考虑到未来客户的行为和潜力，这可能导致一些潜在高价值客户被忽略。因此，本文选用应用较广的改进后CLV模型和其他模型相结合的模式，以便更加充分地挖掘数据价值，更加全面地评估消费者价值。

三、研究设计

H省目前共有30余万卷烟零售门店，经营业态主要分为便利店、烟酒店、商超等，经营模式各有特点，不同商业模式的门店有差异化消费者运营生态，而门店商业模式是动态变化的，现有标签信息存在时间滞后性，且不够客观。

基于上述分析，本文提出，首先应根据门店的多维经营数据对卷烟经营模式进行聚类，再对不同类型的门店构建消费者价值分析模型，测算消费者CLV值，依据CLV值找出门店核心消费者，并对消费者进行分类运营，并提供差异化服务策略，具体如图1所示。

四、店铺经营模式聚类

1.数据源

本文基于零售门店经营分析的三大维度，即门店经营环境、门店经营状况、门店经营能力，提出零售门店营销模式的ESC属性（见表1）。

为进一步保障数据质量和数据可用性，在H省最早上线营销一体化平台店铺管理系统的省会C市中，以奈曼抽样法挑选终端数据质量评价体系下，数据质量为优秀的3065家零售门店为研究对象，基于门店经营ESC属性和数据获取质量，构建用于区分零售门店经营模式的零售门店经营模式指标体系，如表2所示。

2.特征选取

数据预处理后，为了防止多重共线性对聚类结果产生负面影响，本文使用热力图对现有指标进行多重共线性检验，颜色深浅反映了相关系数的程度，图2结果表明商圈类型、市场类型、业态类型、卷烟动销率和卷烟销售占比之间的相关系数较高，可能存在多重共线性。因此，在进行特征筛选时，本文剔除了相关系数较高的5个变量，避免多重共线性造成过拟合问题。

3.谱聚类过程

（1） 选择k值

轮廓系数法能更全面地考虑聚类内部和聚类之间的距离关系，提供更准确的聚类评估，本文借助轮廓系数法来确定k值，k值越大说明越合理，使用python算法对k取值为[2，14]的整数进行多次迭代，图3结果说明k值为3时轮廓系数最大，聚类效果最好。

（2） 分类结果

确定k值为3后，使用python对所有零售门店样本进行谱聚类分析。聚类结果以及每一类别的特征均值分布情况如图4、图5所示。

（3） 结果分析

类别Ⅰ的门店卷烟订单数、客流量和常客数量较少、人均毛利较低，未形成较鲜明的经营模式和特点。

类别Ⅱ的门店卷烟订单数、常客数量和客流量偏高，但卷烟客单价相对偏低，采用的是人流量大、客单价低的“薄利多销”经营模式。

类别Ⅲ的门店具有较高的客单价和人均毛利，但订单数相对较少，采用运营大客户为主的精品销售路线。

五、门店消费者价值评估

1.数据源

本文在省会C市中，以奈曼抽样法挑选终端数据质量评价体系下长期保持数据质量优秀的零售门店，结合店铺终端销售数据、工商零消费平台数据、消费者基本数据，以每条支付ID对应的消费流水为最小研究样本，对消费者的卷烟消费行为进行为期1年的跟踪。

2.确定模型权重

数据预处理后，为减少主观性对决策结果的影响，本文选用常用于客观赋权的熵权法测算每个指标层的权重，熵权法是根据各指标数值变化对整体的影响，计算指标的熵值，进而确定权重。按照前文聚类结果，对3类经营模式的门店赋予不同权重，并通过加权计算得到消费者CLV得分，用以评估和计量卷烟消费者生命周期价值。

六、分析

消费者的CLV值定量描述了其对零售门店的价值，个体经营的零售门店服务资源有限，需集中资源对头部的卷烟消费者进行差异化运营，因此我们参考二八法则，即“给一个公司带来80%利润的是20%的客户”，挑选出每家门店CLV值排名前20%的消费者作为差异化运营对象。

建立有关消费者现有价值、消费者潜在价值和消费者忠诚度的三维细分模型，在CLV值排名前20%的消费者中，如某消费者的现有价值高于该门店类型的消费者平均现有价值，则定义为高，反之则定义为低，以此类推。基于此，每家门店CLV值前20%的消费者可划分为八种细分类型（如图6所示）。

结合八种细分类型的消费者特点，零售门店可采取对应的消费者运营策略，从而实现企业资源的优化配置和利益最大化，结果明细如表4所示。

七、结语

1.本文创新点

（1） 创新了分析方法：以前烟草行业对卷烟消费者的分析多采用RFM框架，本文通过构建CLV模型，补充分析消费者的潜在价值和忠诚度，为卷烟消费者价值分析研究中提供了更全面、准确的视角。

（2） 整合了多维数据源：从工商零消共同面向消费者的角度入手，本文将店铺管理系统中的到店消费数据与工商零消品牌共育平台运营数据进行整合，充分盘活了工商零消生态圈的数据资源，为零售门店的决策提供了更具实践意义的依据。

（3） 提供了差异化运营策略：本文结合CLV综合得分和三维消费者价值细分模型，将门店消费者分为八个类别，并提供具体的消费者运营策略。策略基于消费者的价值特征和行为习惯，能帮助零售门店补齐短板，优化资源配置、提高收益，并能提高消费者的忠诚度和参与度。

2.不足与展望

（1） 算力限制：由于算力有限，本文仅对C市数据质量较高的部分门店进行数据集分析计算。未来的研究还将扩展到H省的所有门店，纳入更多数据指标，对更广泛的数据集进行分析。

（2） 优化差异化服务策略：本文基于消费者行为特征和细分类型探索制定差异化服务策略，在模型制定阶段，主要基于营销理论和部分零售门店实际经验制定，后续研究将深入门店进行实地调研，并邀请更多卷烟门店参与服务策略的制定，进一步提高运营策略的颗粒度，增强营销策略的实用性。

（3） 深化消费者价值分析模型：由于门店的非烟数据标准化程度不够高，本文仅分析了卷烟消费数据。后续研究将纳入非烟消费数据、消费者行为数据、消费者调研数据等，探索更先进的分析技术，持续提升模型的准确性和预测能力。

参考文献：

[1]林盛，肖旭.基于RFM的电信客户市场细分方法[J].哈尔滨工业大学学报，2006（5）：758-760.

[2]刘朝华，梅强，蔡淑琴.基于RFM的客户分类及价值评价模型[J].技术经济与管理研究，2012（5）：33-36.

[3]龙冰婷.基于改进的RFM模型客户价值分层研究[J].西昌学院学报（自然科学版），2022，36（1）：52-57.

[4]包志强，赵媛媛，赵研，等.基于改进RFM模型的百度外卖客户价值分析[J].西安邮电大学学报，2019，24（1）：105-110.

[5]肖耘，许欢欢，肖雅元，等.基于CLV偏好挖掘模型的数字社区用户偏好挖掘研究[J].农业图书情报学报，2023， 35（2）：45-60.

[6]龙丽琴，谭钦腾，吴青，等.基于零售户关键行为分析的客户识别方法[J].企业改革与管理，2015（1）：30-31.

[7]刘章敏，刘蔷.模糊C均值聚类算法在烟草行业RFM模型中的应用研究[J].新商务周刊，2018（15）：16.

[8]冯喆，侯霄昱，郭子欣.基于改进型RFM卷烟消费者价值细分模型的精准营销策略研究[J].经济师，2019（12）：279-281.

[9]金吉琼，居雷，张易，等.基于用户画像的卷烟消费者特征识别和价值评估[J].烟草科技，2023，56（1）：105-112.

[10]RAMONI M，SEBASTIANI P.Robust Bayes classifiers[J].Artificial Intelligence，2001，125（1/2）：209-226.

[11]GARCIA S，DERRAC J，CANO J，et al.Prototype selection for nearest neighbor classification：Taxonomy and empirical study[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2012，34（3）：417-435.

[12]BERNARD J J，JONI O S，JUNG S J.Data-driven personas for enhanced user understanding：Combining empathy with rationality for better insights to analytics[J].Data and Information Management，2020，4（1）：1-17.

作者简介：李玥（1990— ），女，汉族，本科，中级经济师，研究方向：数智营销方向；汤季蓉（1998— ），女，汉族，硕士，中级经济师，研究方向：应用统计方向；李梦馨（1994— ），女，汉族，硕士，中级经济师，研究方向：产业经济方向；通讯作者：李可（1989— ），女，汉族，本科，中级经济师，研究方向：卷烟营销方向；赵思邈（1986— ），女，汉族，本科，中级经济师，研究方向：品牌营销方向。