基于消費數(shù)據(jù)的大型百貨商場會員購買力模型研究

1、    基于消費數(shù)據(jù)的大型百貨商場會員購買力模型研究    孫洪波 摘要：本文主要基于獲取的商場會員信息數(shù)據(jù)、商場銷售流水表、會員消費明細(xì)表、商品信息表，通過oracle數(shù)據(jù)處理與分析，剔除異常數(shù)據(jù)，為后續(xù)處理做準(zhǔn)備。通過分析商場的會員消費特征，會員與非會員消費特征的差異，有針對性的為商場管理者提供營銷建議;建立了基于會員性別、入會時長、年齡和消費頻次的評估會員購買力的多元線性回歸模型，并對模型的每個參數(shù)進(jìn)行了檢驗。abstract： this paper is mainly based on the acquired mall member infor

2、mation data， shopping mall sales flow meter， member consumption schedule and commodity information table. through oracle data processing and analysis， the abnormal data is eliminated to prepare for subsequent processing. by analyzing the characteristics of member consumption of the mall and the diff

3、erence between the consumption characteristics of members and non-members， the marketing suggestions for the mall managers are proposed; the multiple linear regression model for assessing member purchasing power based on the membership gender， the length of membership， the age and the frequency of c

4、onsumption are established and each parameter of the model is tested.關(guān)鍵詞：消費特征;會員信息;銷售流水;購買力模型key words： consumption characteristics;member information;sales flow;purchasing power model：tp311.13                              &#

5、160;   ：a                                  ：1006-4311（2019）18-0243-061  研究背景伴隨著大數(shù)據(jù)以及人工智能的爆炸式發(fā)展，我國零售業(yè)正在從o2o階段邁向線上線下深度融合的omo階段。在這樣的背景下，零售企業(yè)唯有通過不斷創(chuàng)新營銷來提升品牌力和吸引客戶，才能更好地迎接新商業(yè)模式的到來。在大數(shù)據(jù)時代，通過獲取的商場數(shù)據(jù)分析消費特征，并以此為基礎(chǔ)進(jìn)

6、行會員精準(zhǔn)營銷，已經(jīng)是一種很常用的會員營銷手段。在會員管理營銷系統(tǒng)中，為每個會員打上個性化標(biāo)簽，則成一項基礎(chǔ)工作。比如某會員經(jīng)常來店鋪購買零食，則可以給該會員打上“吃貨”、“零食”等標(biāo)簽。在零售行業(yè)中，電商的飛速發(fā)展嚴(yán)重沖擊了零售運營商，造成商場會員的大量流失，促使大型商場通過實施營銷策略重視對現(xiàn)有會員的針對性管理，以此維系與會員之間長久的、穩(wěn)定的關(guān)系，為零售運營商帶來穩(wěn)定的銷售額和利潤。因此，有必要通過分析零售業(yè)會員消費特征和建立會員購買力模型，為零售運營商策略的制定提供數(shù)據(jù)支持。本文以獲取的某大型百貨商場會員的相關(guān)信息為基礎(chǔ)展開。2  研究方法首先，依據(jù)某大型百貨商場會員的相關(guān)信

7、息，分析會員和非會員的消費特征并進(jìn)行比較，以研究會員與非會員群體的差異，得出會員和非會員給商場帶來的經(jīng)濟(jì)效益差異。其次，在分析會員購買力的影響因素的基礎(chǔ)上，利用消費金額刻畫會員的購買力，建立多元線性回歸模型，并對該模型進(jìn)行參數(shù)檢驗。本文主要以oracle數(shù)據(jù)處理為基礎(chǔ)，輔以origin進(jìn)行可視化。解題過程并不需要建立復(fù)雜的數(shù)學(xué)模型。技術(shù)路線如圖1所示。3  模型假設(shè)與準(zhǔn)備假設(shè)既有數(shù)據(jù)，假定會員的購買力只與會員性別、會員消費時的年齡、會員入會的時長以及會員在商場的購買頻次有關(guān)。根據(jù)既有數(shù)據(jù)，假設(shè)會員最后一次消費記錄即為會員的退出日期，否則無法評價會員何時退會。假設(shè)會員入會時年齡小于18

8、歲和大于80歲的數(shù)據(jù)為異常記錄。解題過程的數(shù)據(jù)準(zhǔn)備主要是進(jìn)行數(shù)據(jù)預(yù)處理，本課題的數(shù)據(jù)預(yù)處理工作主要包括：將附件中的數(shù)據(jù)導(dǎo)入oracle數(shù)據(jù)庫中;刪除會員信息表中會員出生年月為空;刪除會員入會日期早于會員出生日期的記錄;刪除會員入會時年齡小于18歲以及大于80歲的記錄;刪除消費數(shù)據(jù)中銷售數(shù)量為負(fù)值的記錄。4  商場會員消費特征分析要分析會員的消費特征，可根據(jù)會員信息數(shù)據(jù)和會員消費明細(xì)表，以會員卡號為數(shù)據(jù)融合字段，從會員的年齡、性別、不同會員的購買力、購買頻次等信息的基本統(tǒng)計特征入手，通過oracle數(shù)據(jù)庫統(tǒng)計相關(guān)信息再進(jìn)行可視化。要比較會員與非會員群體的差異，可根據(jù)銷售流水表和會員消費

9、明細(xì)表，以商品編碼為數(shù)據(jù)融合字段，兩者做差集得出非會員消費明細(xì)，進(jìn)而對兩者的消費特征進(jìn)行比較，以得出會員和非會員給商場帶來的經(jīng)濟(jì)效益差異。首先在會員信息表中添加字段會員入會時年齡，以會員入會登記時間減去會員出生時間即可得到會員入會時的年齡。根據(jù)獲取的年齡結(jié)果，剔除年齡小于18歲和大于80歲的記錄，進(jìn)行會員年齡分布統(tǒng)計以及會員性別統(tǒng)計。通過圖2和圖3可以看出商場會員主要分布在2030歲之間，隨著年齡的增長會員數(shù)量呈現(xiàn)先增后長的趨勢，其中會員數(shù)量分布最多的年齡段為2630歲，該類群體大多為剛畢業(yè)不久的青年人員注重保養(yǎng)和養(yǎng)生，購買力較強，屬于商場重點推銷對象。將會員消費明細(xì)表和會員信息表通過會員卡號

10、進(jìn)行融合，統(tǒng)計不同年齡段、不同性別在消費金額、消費商品上的特征。通過圖4可以看出隨著年齡階段的增長，消費金額同樣呈現(xiàn)先增后減的趨勢，但通過圖5比較可以明顯看出，雖然20-35歲的會員數(shù)量居多，但是其消費金額并非最多的，反之，36歲-55歲的會員雖然數(shù)量并非最多，但其消費金額卻占比較高，充分體現(xiàn)了年輕人由于經(jīng)濟(jì)基礎(chǔ)相對薄弱，其購買力相對較弱，而年長者由于具有足夠的社會經(jīng)驗和經(jīng)濟(jì)基礎(chǔ)，購買了相對較強。通過圖6和圖7可以看出，該商場會員中女性會員占絕大多數(shù)（80.74%），而其消費總金額占比更高，高達(dá)86.52%。男性會員數(shù)量占比19.26%，而其消費金額占比13.48%。所以女性消費者應(yīng)該為該商場

11、的重點推銷對象。為求得會員和非會員信息的消費情況，利用消費流水表統(tǒng)計總消費金額為1222599720.4元，利用會員消費明細(xì)表統(tǒng)計會員總消費金額為1204268449.39元，兩者相減即為非會員消費金額，為18331271.01元。從圖8中可以看出，商場中的銷售來源絕大部分是來源于會員，其中會員為商場帶來的經(jīng)濟(jì)效益高達(dá)98.5%，而非會員僅占1.5%，所以商場應(yīng)重點發(fā)展會員。提取非會員消費明細(xì)表，將非會員消費明細(xì)表與商品信息表通過商品編碼字段進(jìn)行融合，得到含有商品名稱的非會員消費明細(xì)表，再利用會員消費明細(xì)表和非會員消費明細(xì)表，提取會員和非會員在商品類別購買上的差別。會員和非會員在商品購買上也有

12、較大差別，其中會員購買的商品類別有7384類商品，非會員購買的商品類別僅有249類商品，其中排名前50的商品及其銷售數(shù)量如表1所示。從表1中可以清晰看出，購買商品數(shù)量排名靠前的幾件商品中，非會員的主要購買特價和促銷商品較多，而會員購買正價商品較多，體現(xiàn)出明顯的消費觀念差異。此外，購買商品排名情況可為商場管理者在進(jìn)貨、促銷等方面提供建設(shè)性指導(dǎo)參考。通過提取會員和非會員在不同價格區(qū)間上的商品購買數(shù)量，獲取不同價格區(qū)間會員和非會員在商品銷售數(shù)量的差異。從不同價格區(qū)間會員與非會員購買商品數(shù)量的分布上來看，兩者變化趨勢相同，都是價格在0-1000的商品購買數(shù)量最多，隨著價格的升高，購買商品的數(shù)量也相對減

13、少。該分析結(jié)果可指導(dǎo)商場管理者對不同價格區(qū)段的商品進(jìn)行針對性的促銷。利用會員消費明細(xì)表和非會員消費明細(xì)表，提取會員與非會員在一天內(nèi)不同時段購買商品數(shù)量的差異，結(jié)果如圖11、圖12所示。從圖11和圖12中可以看出，會員與非會員同樣是在下午14：00-17：00期間購買商品數(shù)量較多，符合常人的購買習(xí)慣，不同的是，會員在夜間00：00-02：00有少量消費，而非會員在此期間并無任何消費，此外，會員消費開始時間較早，早09：00便開始有消費行為，而非會員此期間仍然沒有消費行為。根據(jù)此分析結(jié)果，商場管理者可重點集中在下午時段進(jìn)行促銷活動。利用會員消費明細(xì)表和非會員消費明細(xì)表，提取會員與非會員在一年內(nèi)不同

14、季節(jié)購買商品數(shù)量的差異，結(jié)果如圖13、圖14所示。從圖13和圖14中可以看出，會員購買商品時在一年內(nèi)分布較均勻，其中1月、3月、5月、8月、11月商品購買數(shù)量相對較多。而非會員1月份和2月份春節(jié)前后購買商品數(shù)量明顯增多，商場管理者可據(jù)此在春節(jié)附近針對非會員做一些對應(yīng)的促銷活動，此外，非會員在4月、8月、11月購買商品數(shù)量相對較多。5  會員購買力多元線性回歸模型要分析會員的購買力，首先應(yīng)獲取會員消費時的年齡、會員的入會時長以及消費頻次等數(shù)據(jù)。首先將會員消費明細(xì)表和會員信息表通過會員卡號字段進(jìn)行融合，然后進(jìn)行統(tǒng)計分析。會員消費時的年齡為消費年月月出生年月之差，會員入會時長為消費年月與入

15、會年月之差，會員消費頻次為會員卡號出現(xiàn)的次數(shù)總和。假設(shè)會員的購買力與會員的性別、消費時的年齡、消費時的入會時長以及消費頻次有關(guān)，建立消費金額與性別、消費年齡、入會時長和消費頻次的多元線性回歸模型進(jìn)行回歸：其中，y為消費金額，即會員購買力，x1為消費年齡，x2為入會時長，x3為性別，x4為消費頻次，b、a、b、c、d為模型參數(shù)，利用origin進(jìn)行回歸后得回歸方程為：其中各個參數(shù)的標(biāo)準(zhǔn)差及統(tǒng)計檢驗結(jié)果如圖15、圖16、圖17、圖18所示。從輸出結(jié)果圖15中可以看出，模型擬合優(yōu)度較好。從輸出結(jié)果圖16中可以看出，在給定的顯著性水平=0.05的情況下，回歸方程顯著性f檢驗的概率p=0遠(yuǎn)小于，說明回歸

16、方程的線性關(guān)系非常顯著。從輸出結(jié)果圖17中可以看出，各個參數(shù)的殘差也基本分布在0值兩側(cè)。6  結(jié)論本文中的會員購買力多元線性回歸模型比較簡單，以面向應(yīng)用為主，并不需要復(fù)雜的理論推導(dǎo)，有利于推廣應(yīng)用。本文所使用的主要工具為oracle，使用簡單的sql語句解決復(fù)雜的實際應(yīng)用，有效避免了復(fù)雜理論模型需要大面積編程的難題，處理易于操作和修改。本文在分析結(jié)果的同時，分別根據(jù)結(jié)果對商場管理者提供了針對性營銷建議，有利于理論研究成果的應(yīng)用轉(zhuǎn)化以指導(dǎo)實際營銷運營。由于在刻畫會員購買力模型時考慮因素不夠充分，導(dǎo)致模型精度不高，后期可重新進(jìn)行自變量的選取，采用向前選擇法、向后選擇法、逐步選擇法等進(jìn)行回

17、歸，以獲取更好的預(yù)測模型。參考文獻(xiàn)：1朱道元，等.數(shù)學(xué)建模案例精選m.北京：科學(xué)出版社，2003.2姜啟源，謝金星，葉俊優(yōu).數(shù)學(xué)模型m.四版.北京：高等教育出版社，2010.3oder r r， price c r. hgms： mathematical modeling of commercial practicec/ american institute of physics， 1976：641-643.4rivera r， burnaev e. forecasting of commercial sales with large scale gaussian processesc/ ie

18、ee international conference on data mining workshops. ieee computer society， 2017：625-634.5king n， bax t j. using grocery store point-ofsale date to correlate consumer purchase habits to nutrition targets：， us20160133140p. 2016.6dorismond j. supermarket optimization： simulation modeling and analysis of