基于POI数据的卷烟消费者行为研究
陈 浩1, 王诗航2, 顾祖毅1, 杨钱钱2, 高 林3, 李 典1
(1.广西中烟工业有限责任公司, 南宁 530001; 2.四川大学 商学院, 成都 610065;3.山东青岛烟草有限公司, 山东 青岛 266072)
摘要 :随着新零售时代的来临,如何利用大数据分析技术对卷烟消费者行为进行研究分析,成为了烟草企业寻求有效精确营销和产品投放策略的关键之所在。通过POI数据分析技术,对某卷烟企业在QD地区的消费者数据进行了实证分析,研究了消费者购买行为的区域聚集规律以及地点和时段偏好。研究为大数据时代下烟草企业的消费者行为分析提出一条新途径,同时对卷烟消费者行为具体研究结论对卷烟企业的产品投放和营销策略提供了参考。
关键词 :新零售;卷烟消费者行为;POI分析
随着移动互联网技术的不断发展以及国家对于“互联网+”的高度重视,整个零售业正在进行一场如火如荼的网上商店革命、全渠道商店革命和智能商店革命,各个企业前赴后继地加入到这次新零售业革命浪潮。在新零售来临的大环境下,随着卷烟市场需求总量的下降,行业竞争越来越激烈,运用利用新技术对消费者行为进行研究分析,寻求有效的精确营销和产品投放策略,对于卷烟企业来说具有非常重要的意义。
白酒酿造属于开放式固态发酵,工艺参数无法像液态发酵那样进行过程控制,因此仅以单一指标评价会使窖泥质量得分评价出现偏差。
卷烟消费者行为研究,是指对卷烟消费者为获取、消费卷烟所采用的各种行动以及事先决定这些行动的决策过程的定量研究和定性研究。结合行业所处的技术环境,合理运用大数据相关技术,将消费者数据与目标市场数据结合,对数据进行深入分析,不仅有利于精准挖掘消费者行为偏好,正确引导消费需求,最大化营销效果,也有利于提高产品投放的精准度,抓住卷烟企业长远发展的生命线。
近年来,对POI(Point of Interest)数据的应用越来越受到学术界和产业界的广泛关注。POI中文译作兴趣点,主要指一切能够被抽象为点的地理实物,特别是为人们生产生活服务的各项服务设施[1]。在地理信息系统中,POI可以是一栋房子、一间商铺、一个公交站等任何一个具有一定特性或功能的具体地理地点。POI数据记录了这些兴趣点的地理坐标信息,该类型数据凭借其覆盖面广、分类明确、精度高、实时性强等特点,在城市规划、商业选址等方面得到了广泛的研究。例如,刘辉[2]等基于POI将微博数据格网化,从大数据分析角度为城市规划布局的优化提供了辅助决策。周垠[3]等基于POI数据信息,分析了成都市龙泉驿区的商业网点集聚现状与路网可达性的关系,为商业网点的优化布局提供了参考。池娇[4]等利用城市的建筑物POI数据来识别城市的功能区划分。张美芳[5]结合面向公众服务的长沙市主城区商业机构兴趣点(POI)数据,采用核密度分析法及空间自相关分析法,分析了长沙市零售业的空间布局与集聚特征。段亚明[6]等以重庆主城区40余万条POI数据为基础,识别城市总体及不同职能的多中心结构及其影响范围。
通过对已有研究的文献分析,可以看出利用POI数据对零售业消费者行为分析的研究并不多。具体到烟草行业,尚未见到有学者将POI数据用于卷烟消费者行为分析。本文以某卷烟企业为例,将该企业在QD地区的消费者扫码数据和QD地区的POI数据结合分析,期望找出该企业卷烟品牌消费者购买行为的时间和空间规律,以期为未来企业的产品投放和营销提出指导。
1 数据来源和研究方法
1 .1 数据来源
(Ⅰ)每一位消费者至多从属于一个较近的POI兴趣点;
图1 POI数据统计
1 .2 研究方法
4)科教文化服务。在有明确含义的小类中,扫码量较高的小类依次是培训机构、幼儿园、小学、中学、学校附近。通过进一步分析,我们发现这些学校类场所扫码主要集中在每天上午8~10点及下午16~18点区间内,且幼儿园、小学附近扫码量明显高于中学及技校来,可以推测是由于家长接送孩子所导致的。
本研究中所使用的POI数据使用百度地图、高德地图等开放平台API接口收集。研究中共收集了QD地区23万条POI数据,共计14个大类,112条二级分类,771条三级分类。十四个大类包括:餐饮、风景名胜、商务住宅、公共设施等(见图1)。与此同时,本文采集了某卷烟商品2017年下半年度在QD的共计69万条扫码数据,该数据记录了消费者购买香烟后扫描包装二维码的扫码点经纬度及扫码具体时间。
(Ⅱ)每一个POI兴趣点的辐射范围为100米。
求食益:李渔认为米养脾、麦补心,应兼食补充,各取所长;为使饮馔得益,饮食不可过多、过速;吃饭时要注意情绪心境,大悲大怒时不可食。求食益,与现代营养学的观点无不合拍。
在上述两个假设的条件下,以100米距离作为阀值,筛选出满足该阀值且距离消费者扫码点最近的POI兴趣点,作为从属于该消费者该次消费行为的POI兴趣点。本文使用了Python作为编程语言进行数据处理,在阀值条件下最终得出满足条件有效数据302 962条。
本文在该有效数据的基础上,首先对购买行为的区域聚集进行了分析,然后以POI大类和POI大类所对应小类为指标进行频次统计,观察用户扫码地点偏好趋势;最后,结合扫码时间,对各分类各时段扫码频次分别与总扫码趋势相对比,挖掘消费者对不同POI分类的扫码时段偏好。
2 结果分析
2 .1 区域聚集分析
图2是根据已匹配扫码点的各类POI数据绘制的热力图,该图显示了与扫码行为关联的POI点区域聚集情况。从图中可以看出,如交通设施服务、科教文化服务、商务住宅、体育休闲服务、公共设施等依托于城市发展的POI点,大多集中在QD市各城区中心,尤其以主城区最为集中。因此在主城区内进行产品投放,可优先考虑这些POI地点。而在城郊区域,公司企业、餐饮服务、生活服务、政府机构及社会团体、住宿服务、金融保险服务(观察数据中郊区大多以ATM机、邮政储蓄所为主)、购物服务(郊区以超市便利店为主)仍然具有一定的市场。企业相关人员可根据POI点具体分布情况,制定相应的投放策略和营销规划,以进一步打开产品市场,提升产品的销量。
图2 POI地理空间分布热力图
2 .2 消费地点偏好分析
6)生活服务类。生活服务大类发现大量扫码点集中在美容美发店附近,其次则依次为维修站点、摄影冲印、洗衣店以及中国各大通讯公司营业厅。
图4绘制了排名前20的POI小类扫码频次分布。在所有小分类中,公司、住宅小区、中餐厅等地点扫码量名列前三,这与之前的结果相符。其次则依次为美容美发店、公交车站相关、停车场、科教文化场所、培训机构、幼儿园、超市等扫码量较为集中。除幼儿园外,可以考虑针对这些场所展开一些相应的营销活动。
3)餐饮服务类。餐饮服务大类中,以中餐厅附近扫码人数最多,除中餐厅以外,则以快餐厅、地方/特色风味餐厅、火锅店、海鲜酒楼等地点扫码数量较为集中。
总体来说,两者在很多项目中难分伯仲,E-M1 II在高感画质主观上比G9有优势。对于自动对焦系统,两者的表现都很出色,虽然G9的连拍速率和缓存容量略高一筹,不过实际使用中差别极小。如果将两者与APS-C画幅的D500进行对比,我们发现无论对焦系统的响应,还是连拍能力甚至是取景的流畅度,这两台无反相机都没有败下阵来,这样的结果超过了我们的预期,我们也会在之后更多持续关注M4/3系统的后续发展。
1)公司企业类。在有明确含义的小类中,扫码量较高的小类依次是工厂、机械电子、商业贸易、广告装饰、建筑公司,推测扫码用户在机械制造及建筑装饰等第二产业地点可能较为集中。
我在小说中并不倾向给出结论。即使是有所违背逾越和挑战的感情,尽处也隐藏多面难辨的人性暗涌。深邃,错落,明暗对半。这同时也是一种美。
2)交通设施服务类。交通设施服务大类中,以公交车站相关地点及各类停车场扫码人数最为集中,停车场中又以公共停车场附近扫码人数最多。
现代木结构与中国传统木结构在用材、结构以及艺术表达等方面有着各自的逻辑,各有优劣,但二者皆是运用木材为人类营造庇护之所,终是殊途同归。首先,中国传统木结构秉承天人合一,向法自然的思想,而现代木结构建筑也是当下绿色环保型建筑的典范。其次,中国传统木结构与现代木结构,都是可装配可拆卸,极具灵活多变性的轻量化结构[1]86。再次,中国传统木结构规范化模数化的用材制度,具有现代木结构预制加工和模块化的影子,而以“间”为基本单元的空间通用式设计又与现代木结构开放可变的弹性设计相类似[1]90。综上所述,二者具备相互借鉴、协同发展的条件。
本文将POI数据与消费者扫码数据相结合,使扫码点与POI兴趣点相匹配,以挖掘消费者购买行为的位置信息。为将消费者扫码点与POI兴趣点联系起来,本文作出如下两个合理假设:
5)商务住宅类。商务住宅大类未发现较明显的集中趋势,在有明确含义的小类中以商务住宅相关、产业园区、宿舍等地点扫码量相对较高。
该部分结果来源于在POI大类和POI小类的划分的基础上,对扫码点所对应的POI类别进行频次统计,从中挖掘消费者购买行为主要地点偏好。
图3 POI大类及小分类扫码点频次分布
图3给出了POI大类及排名前六大类下的小分类扫码点频次分布。从图中可以发现,公司企业大类扫码量最高,其次依次为交通设施服务、餐饮服务、科教文化服务、商务住宅及生活服务。下面,依次对这六个排名靠前的大类中的小分类进行分析:
综上所述,临床护理甲亢合并2型糖尿病患者时,通过护理干预的开展,可有效改善患者甲状腺功能,降低血糖水平,预防疾病进展,减少相应并发症,并改善预后,提高患者的生活质量。
图4 扫码点频次较高POI小类数目统计
图5 POI大类扫码时段趋势分析(仅展示部分大类)
2 .3 消费时段偏好分析
除了区域聚集分析及扫码地点偏好分析外,扫码时段的偏好同样具有极高的参考价值。本小节对各POI大类及扫码频次排名前十二位的POI小类,进行了各时段扫码数量统计分析。分析中以每两小时为一个时间段节点,并且分周末和工作日分别进行分析,结果如图5和图6所示。
通过各分类与所有扫码点分时段总趋势对比,发现各POI大分类、POI小分类扫码量时段分布情况与总体分布趋势大致相同。但同时也发现一些分类在部分时间段上具有一定的分布特点。例如,交通设施大类中,周末上午时段峰值较工作日晚了一到两个小时,大约集中在上午八点至上午十一点左右;餐饮服务大类工作日期间扫码量早高峰较为明显,大约集中在上午八点左右,周末从上午八点开始扫码量分布总体较为平稳,且下午时段峰值较工作日晚了一到两个小时,持续时间较长,大约集中在下午五点到八点。
同样,对于POI小分类与总趋势的对比也可以发现类似结论。例如,公司周末下午时段峰值较总体趋势和工作日晚了一个小时左右;住宅小区工作日扫码量晚高峰明显,且扫码量高于早高峰,周末上午时段扫码峰值比总趋势和工作日晚了一个小时;中餐厅周末时段从上午八点开始,扫码量一直保持较为平稳,并在下午七点左右达到当天扫码高峰等趋势。
2 .4 分析结论
结合消费者的地点偏好和时段偏好分析,可以得出以下关于卷烟消费者行为的有趣结论。
图6 POI小类扫码时段趋势分析(仅展示部分小类)
该卷烟品牌用户可能大多为在职人士。以上午八点和下午六点两个时段的峰值来看,进一步推断该卷烟消费者购买行为可能大多发生在上下班途中,且购烟行为很可能集中在公司、商务住宅、出行交通设施或就餐餐厅附近;关于就餐餐厅附近的行为可以分别从早晚饭时间的峰值和中午十二点左右的扫码小峰值处得到一定的映证,而周末相对平滑的扫码行为趋势也可以进一步有力佐证这一推测;对于科教文化场所,较为意外地发现了幼儿园、中小学等兴趣热点,推测这些扫码行为很可能发生在家长接送子女上学途中。
生物识别是指利用人体生理特征或行为特征,进行身份鉴别的技术,包括掌静脉识别、指纹识别、人脸识别、虹膜识别、声纹识别等。生物识别技术与互联网技术相结合,将成为城轨创新支付方式的重要推动力。随着人工智能技术的不断成熟,生物识别的准确率将大幅提高,生物识别技术将广泛应用于各种认证和智能终端。生物识别技术不仅可以改善乘客的支付体验,还可提高城轨的安防水平。
而对于生活服务中,也较为意外地发现了美容美发店这一兴趣热点,可以进一步发掘美容美发店消费行为与购烟行为的联系;在政府机构及社会团体附近周末两天所发生的扫码行为已经非常接近工作日时间五天的扫码总量,进一步分析其周末的扫码聚集点很多集中在乡镇以下级别政府及事业单位和社会团体相关地点,因此可以推断周末团体活动的举办等群体行为对于卷烟的销量和消费者扫码行为也具有一定的影响。
3 结论
本文以POI数据技术为基础,将某卷烟消费者扫码数据和POI数据相结合,通过兴趣点空间热力图,分析了扫码行为的POI点区域聚集情况。通过扫码点分POI类别统计和扫码时段趋势分析,挖掘用户购买地点及时段偏好。本文从一个新颖角度对卷烟消费者行为进行了研究,同时实证分析的结果证明方法的有效性。随着新零售浪潮对卷烟行业发展的进一步推动,势必有更多烟草企业会采集和消费者行为相关的地理位置数据,本文提出基于POI的分析模式值得之后的研究者们借鉴。
参考文献
[1] 李德仁.信息高速公路、空间数据础设施与数字地球[J].测绘学报,1999,28(1): 1-5.
[2] 刘辉,黄新,王京晶.基于位置数据和POI的聚类方法[J].地理空间信息,2017(11):46-49.
[3] 周垠,张诚,崔铭,等.基于空间句法和POI信息的城市商业网点布局研究——以成都市龙泉驿区为例[J].四川建筑,2014(6):15-18.
[4] 池娇,焦利民,董婷,等.基于POI数据的城市功能区定量识别及其可视化[J].测绘地理信息,2016,41(2):68-73.
[5] 张美芳.基于POI数据的长沙主城区零售业空间分布分析[J].经济论坛,2018(7):120-125.
[6] 段亚明,刘勇,刘秀华,王红蕾.基于POI大数据的重庆主城区多中心识别[J].自然资源学报,2018(5): 788-800.
Cigarette Consumer Behavior Analysis Based on POI
CHEN Hao1, WANG Shi-hang2, GU Zu-yi1, YANG Qian-qian2, GAO Lin3, LI Dian1
(1. China Tobacco Guangxi Industrial Co.,Ltd,Nanning 530001,China; 2. Business School,Sichuan University,Chengdu 610065,China; 3. China Tobacco Qingdao Industrial Co.,Ltd,Qingdao Shandong 266072,China)
Abstract : Along with the advent of new retail era, the exploitation of big data for cigarette consumer behavior analysis has become crucial for the tobacco companies which are seeking for superiority in marketing campaign and product delivery strategy. Through POI data analysis technology, this paper makes an empirical analysis on the data of cigarette consumers in QD area, and studies the regional distribution of consumer purchase behavior, as well as the place and time preference. This research has provided a new method of company's consumer behavior analysis, and the research conclusions simultaneously supply a reference to tobacco company's marketing campaign and product delivery strategy.
Key words :new retailing;cigarette consumer behavior;POI analysis
中图分类号 :C93;TS46
文献标志码: A
文章编号: 1671-1807(2019)01-0076-05
收稿日期 :2017-11-07
作者简介 :陈浩(1985—),男,广西柳州人,广西中烟工业有限责任公司,工程师,研究方向:企业数字化转型和创新体系。
标签:新零售论文; 卷烟消费者行为论文; POI分析论文; 广西中烟工业有限责任公司论文; 四川大学商学院论文; 山东青岛烟草有限公司论文;