商务智能在零售促销优化中的实践

    促销在企业的市场营销战略中扮演着非常重要的角色。随着市场竞争的日趋激烈，企业纷纷采取形式各样的促销手段以激发消费者的购买欲望。据权威部门统计，国内零售企业的促销活动费用在所有营销开支中占75%或更多的比例，每年的促销开支都以12%的速度递增。促销作为一种最直接同时也最有效的市场营销工具，被越来越多的零售企业广泛采用。然而，很多零售商进行促销策划时，存在很大的盲目性，缺乏深入有效的分析和论证，在促销策略的选择方面也很随意，导致促销投资回报率很低，这一定程度上加重了零售企业的负担。

    另一方面，商务智能得到了理论界以及IT界的普遍重视。商务智能（Business Intelligence，简称BI）的概念最早是Gartner Group的Howard教授于1996年提出来的。Gartner Group将商务智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以辅助企业决策为目的的技术及其应用。如今，商务智能的概念已经不仅仅只是软件产品或工具，已经升华为一种管理思想，体现的是一种理性的经营决策的能力。商业智能已经成为继ERP之后最重要的技术变革。越来越多的跨国零售巨头纷纷引入商业智能软件，用于解决复杂的决策问题。特别是在促销优化领域，商务智能技术得到了学术界和应用界的广泛关注，人们开始寻求利用先进的商务智能技术追踪客户的购买行为，优化零售企业的促销决策，以提高促销决策的针对性以及有效性。

    1 基于商务智能技术的促销优化研究

    1.1 需求预测

    1.1.1 促销产品销量预测

    企业的销售活动是以研究综合性市场营销活动及其规律为目标，通过识别客户的需求以及消费偏好，将其转化为产品与服务，再通过有效的促销手段、分销渠道、价格策略等来最大限度地满足顾客需求。由于现代企业的市场营销环境日益动态复杂等，会很大程度地影响产品的需求，进而影响企业的市场营销决策以及库存控制策略等。如何及时、准确的对促销产品的需求进行预测，是营销决策者们必须面对的一道难题。

    传统的基于统计分析的预测方法（如多元回归、移动平均、ARMA等），这些预测方法对于处理复杂的、具有随机性的时间序列时，暴露出很大的局限性。随着机器学习和数据挖掘技术的发展，许多更加有效的预测模型和算法被广泛应用到产品需求预测领域，包括神经网络、支持向量机、遗传算法以及其它一些元启发式算法。这些预测方法在处理多维、模糊、非线性信息时，比传统的时间序列预测方法具有更好的预测效果。需求预测的常用方法及优缺点些随机性因素例如季节性、消费偏好、市场促销活动比较见表1。

    表1 常用的需求预测方法

   表1 常用的需求预测方法

    1.1.2 库存补货优化

    需求的不确定性是现代企业供应链管理中最具挑战性同时又必须要去面对的一个问题。产品的季节性特征、购物架的空间布局、企业的促销活动以及其它一些随机因素等都会造成需求的较大波动。特别是零售企业的促销活动，会使该类型产品的需求在短时间内急剧上升，企业需要在库存成本与因缺货造成的机会损失之间权衡，如何有效管理库存并最大化收益水平是企业必须面对的一个挑战。

    许多学者利用预测性建模技术以及启发式算法，对零售企业的库存补货优化问题进行了研究。Chi等基于机器学习及演化算法，建立智能的供应商管理补货系统，具有很高的自适应能力和预测精度。Huang等基于BP神经网络构建CPFR优化模型，支持SKU 粒度级的需求预测以及库存控制。此外，另外一些学者利用遗传算法对零售产品的库存优化问题进行了研究。

    1.2 促销产品分析

    1.2.1 产品分类管理

    产品分类管理（Product assortment），是把所经营的商品分为不同的类别，并把每一类商品作为企业经营战略的基本活动单位进行管理的一系列相关活动。通过品类管理，零售企业的决策者可以很好的理解每一单品的营销情况，包括销量情况、库存周转、净利润水平、交叉销售效益、客户选择倾向等，零售商可以据此决定门店的商品组合及空间布局从而制定更加有效的价格策略以及促销策略。

    对于产品分类的定量研究模型主要是引入的关联系数和相互作用参数以及其它参数来度量不同产品之间的相互依存度（interdependency）。然而传统基于统计分析的模型由于受到产品和品类数量的制约，在日益动态复杂的市场营销环境中缺乏适用性和可扩展性。关联规则在搜索大型交易数数据库以及分析客户购物篮时表现出很大的优越性，被广泛用于零售企业品类设计和交叉销售挖掘等。同时由于遗传算法强大的并行处理能力以及全局寻优能力，利用遗传算法来优化零售企业的产品分类问题。

    1.2.2 产品生命周期管理

    产品所处的不同生命周期会有力的影响着产品的市场竞争能力以及盈利能力，进而影响到企业的营销策略。产品生命周期理论（Product Life Cycle，PLC），是由美国哈佛大学教授雷蒙德·弗农首次提出的。费农认为：产品生命是指市场上的的营销生命，产品和人的生命一样，要经历形成、成长、成熟、衰退这样的周期。美国的波兹（Booz）、阿隆（Alen）等根据产品不同市场时期的销售变化，将产品生命周期划分为引入期、成长期、成熟期和衰退期。

    产品生命周期管理是商务智能技术的一个重要应用领域。学术界的许多学者围绕着该问题进行了研究。郭国印，Kusiak等对PLM 的体系结构及其数据挖掘技术在PLM 中的应用进行了较完整的阐述。Philip等利用GA-RBF模型对短生命周期产品的销量进行了预测。Seo以及吴秀丽等利用人工神经网络模型对产品生命周期成本进行了研究，并且把该模型应用到产品的概念设计。其中部分经过验证的预测模型和算法，已被引入到ERP软件（如Oracle、SAP等）的PLC设计中。

    1.2.3 购物架布局管理

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!