论文部分内容阅读
摘 要：本文针对运营商门店大数据选品运营策略进行了探讨。通过对门店周边常驻用户及进店客流进行分析，结合用户属性标签、消费水平、互联网偏好、终端库等数据，建立门店用户画像，探讨了手机终端、全品类商品的智能选品策略方法。并对门店选品布局优化、目标客户引流的策略方法进行了探索。
关键词：运营商;门店;大数據;选品;用户画像;模型;算法
当前运营商实体门店众多，门店经营除了开展运营商自有业务外正逐步向综合化实体销售门店转型。通过大数据手段来对门店商品进行选择，挖掘商品目标人群，能极大提升运营商实体门店商品销售的竞争力。本文探讨了使用大数据技术手段进行商品智能选品和运营的策略方法。
一、手机终端选品策略
目前运营商门店主营的商品种类还是各品牌手机终端，在目前运营模式下，手机终端依然是运营商门店的最可靠的销售商品。如果能够对手机终端的选品利用大数据进行分析建模，将有效提升门店效益。针对手机终端建议根据以下策略进行选品：
（一）预测营业厅周边哪些用户可能来门店购买手机
可以使用门店订单信息作为训练数据，是否购买手机终端作为类标号，使用“分类”算法对来门店办理业务的用户进行建模，分析具备什么样属性特征的用户会来门店买手机。建立模型后对营业厅周边居住或工作用户进行模型应用，来判断门店周边用户哪些用户大概率会来买运营商门店购买手机。
（二）预测可能购机用户购买各类手机品牌的可能性
针对有可能来买手机的用户继续进行“分类”算法建模，通过订单中购买各种不同品牌手机的用户数据作为训练数据进行建模，预测门店周边可能来买手机的用户会买哪种品牌手机的概率，另外，汇总出该门店潜在购机用户购买各品牌的整体概率，这样就能得到该门店周边用户对各品牌手机的需求度，该门店手机品牌选品的优先顺序即可以获得。我们还可以利用外部的大数据工具来指导具体型号进货。比如使用百度指数、阿里指数来看当季热卖各品牌手机型号有哪些，据此就可以对手机终端进行选品上架了。
（三）结合用户终端换机时间精准触发可能购机人群购机
我们已经预测购买手机的用户群体，同时还需要知道这些用户什么时间会来购买我们的手机，这样我门才能真正在合适的时间向用户提供合适的商品。可以利用运营商终端库数据，使用“回归”算法建立用户终端换机时间模型来预测用户终端换机的时间，当用户换机时间到了，又很可能购买运营商门店的手机，这个时候可以进行精准营销。比如通过人脸识别或位置定位等技术发现这样的用户进入到门店时，可以对该用户进行相应品牌的手机推荐。
二、全品类商品选品策略
运营商门店如果只是单一的销售手机终端，利润率会越来越低，也不能更好的满足用户的其他商品的需求。而且目前门店销售也是在向综合化方向发展。可以综合利用门店，为来营业厅办理业务或购买手机的用户提供其他所需商品，将充分满足用户需求，提升门店价值。
（一）手机配品配件、智能穿戴、智能家电选品策略。
运营商客户在办理业务时顺带选购的概率较大。对于手机配品配件、智能穿戴、智能家电的选品策略我们建议针对运营商周边用户进行用户画像分析，建立这些用户画像，根据用户的喜好和特征向用户进行商品推荐。比如“健康医疗”画像用户，可以推荐运动手环、智能血压计等商品。另外家中有小孩的客户是运营商门店重要的销售目标群体，可以通过上学放学时间幼儿园、小学附近基站驻留人员的用户数据，建立“家有小孩”用户画像，向他们推送早教、智能机器人、电话手表、智能护眼灯、无人机等商品
（二）其他全品类商品选品策略。
目前，运营商门店在其他全品类商品销售方面经验不多，此类商品选品建议采用“云货架”来进行布置。通过云货架，顾客就能看到和买到全国的商品; 支持用户扫码一键购买;用户拿起爆款商品时，大屏会跳出相应的视频和图片，全方位展示商品价格、详情、使用方法等;通过虚拟“云货架”商品布置，可以共享商品销售、节省门店运营成本、避免积压商品。当“云货架”销售积累一定历史数据后还可以结合联通营业厅周边用户信息，通过大数据“关联规则”和“协同过滤”算法向用户推荐相应商品。
三、大数据手段优化选品布局
建议建设门店客流统计分析及用户轨迹分析系统，对进店顾客进行跟踪，记录行走的轨迹、区域停留时间等信息。由此可以获得该门店中哪些区域属于热区、顾客在店的行走习惯线路等数据。基于停留时间的数据可以分析哪些区域对顾客的吸引力大，停留的时间越长，顾客对产品的感兴趣度越高，对于产品的购买欲望也会越大;基于行走路线的数据分析可以了解顾客习惯于走什么路线，造成冷热区分布不均的原因等。我们可以根据用户停留时间和轨迹信息，更改商品摆放的位置，让更多顾客进厅后经过购买配品配件、智能穿戴、智能家电的地方。同时，培训相关业务员，在顾客购买或办理业务时，提示顾客购买相关产品。当门店购物数据形成一定规模历史数据后，可以建立“关联规则”模型，挖掘门店商品之间的关联关系来优化摆放位置。
四、大数据目标客户引流
当门店商品选品上架之后，如果我们只是“守株待兔”式的等待用户来门店购买，那门店商品的销量肯定不会太好。这时我们可以采用大数据方法，通过大数据建模分析挖掘出精准的营销活动用户群体。然后进行有的放矢的的活动就好了。比如我们可以策划一个“发红包”的活动，采取短信、微信、视频广告（优酷、快手等）等方式向目标客户群体发送红包。用户收到红包之后并不能立刻使用，而是需要到门店来扫码才能领取红包。这样就能实现将目标客户引流入店的目的，客户来门店了，我们的商品销售活动就可以顺利开展了。
关键词：运营商;门店;大数據;选品;用户画像;模型;算法
当前运营商实体门店众多，门店经营除了开展运营商自有业务外正逐步向综合化实体销售门店转型。通过大数据手段来对门店商品进行选择，挖掘商品目标人群，能极大提升运营商实体门店商品销售的竞争力。本文探讨了使用大数据技术手段进行商品智能选品和运营的策略方法。
一、手机终端选品策略
目前运营商门店主营的商品种类还是各品牌手机终端，在目前运营模式下，手机终端依然是运营商门店的最可靠的销售商品。如果能够对手机终端的选品利用大数据进行分析建模，将有效提升门店效益。针对手机终端建议根据以下策略进行选品：
（一）预测营业厅周边哪些用户可能来门店购买手机
可以使用门店订单信息作为训练数据，是否购买手机终端作为类标号，使用“分类”算法对来门店办理业务的用户进行建模，分析具备什么样属性特征的用户会来门店买手机。建立模型后对营业厅周边居住或工作用户进行模型应用，来判断门店周边用户哪些用户大概率会来买运营商门店购买手机。
（二）预测可能购机用户购买各类手机品牌的可能性
针对有可能来买手机的用户继续进行“分类”算法建模，通过订单中购买各种不同品牌手机的用户数据作为训练数据进行建模，预测门店周边可能来买手机的用户会买哪种品牌手机的概率，另外，汇总出该门店潜在购机用户购买各品牌的整体概率，这样就能得到该门店周边用户对各品牌手机的需求度，该门店手机品牌选品的优先顺序即可以获得。我们还可以利用外部的大数据工具来指导具体型号进货。比如使用百度指数、阿里指数来看当季热卖各品牌手机型号有哪些，据此就可以对手机终端进行选品上架了。
（三）结合用户终端换机时间精准触发可能购机人群购机
我们已经预测购买手机的用户群体，同时还需要知道这些用户什么时间会来购买我们的手机，这样我门才能真正在合适的时间向用户提供合适的商品。可以利用运营商终端库数据，使用“回归”算法建立用户终端换机时间模型来预测用户终端换机的时间，当用户换机时间到了，又很可能购买运营商门店的手机，这个时候可以进行精准营销。比如通过人脸识别或位置定位等技术发现这样的用户进入到门店时，可以对该用户进行相应品牌的手机推荐。
二、全品类商品选品策略
运营商门店如果只是单一的销售手机终端，利润率会越来越低，也不能更好的满足用户的其他商品的需求。而且目前门店销售也是在向综合化方向发展。可以综合利用门店，为来营业厅办理业务或购买手机的用户提供其他所需商品，将充分满足用户需求，提升门店价值。
（一）手机配品配件、智能穿戴、智能家电选品策略。
运营商客户在办理业务时顺带选购的概率较大。对于手机配品配件、智能穿戴、智能家电的选品策略我们建议针对运营商周边用户进行用户画像分析，建立这些用户画像，根据用户的喜好和特征向用户进行商品推荐。比如“健康医疗”画像用户，可以推荐运动手环、智能血压计等商品。另外家中有小孩的客户是运营商门店重要的销售目标群体，可以通过上学放学时间幼儿园、小学附近基站驻留人员的用户数据，建立“家有小孩”用户画像，向他们推送早教、智能机器人、电话手表、智能护眼灯、无人机等商品
（二）其他全品类商品选品策略。
目前，运营商门店在其他全品类商品销售方面经验不多，此类商品选品建议采用“云货架”来进行布置。通过云货架，顾客就能看到和买到全国的商品; 支持用户扫码一键购买;用户拿起爆款商品时，大屏会跳出相应的视频和图片，全方位展示商品价格、详情、使用方法等;通过虚拟“云货架”商品布置，可以共享商品销售、节省门店运营成本、避免积压商品。当“云货架”销售积累一定历史数据后还可以结合联通营业厅周边用户信息，通过大数据“关联规则”和“协同过滤”算法向用户推荐相应商品。
三、大数据手段优化选品布局
建议建设门店客流统计分析及用户轨迹分析系统，对进店顾客进行跟踪，记录行走的轨迹、区域停留时间等信息。由此可以获得该门店中哪些区域属于热区、顾客在店的行走习惯线路等数据。基于停留时间的数据可以分析哪些区域对顾客的吸引力大，停留的时间越长，顾客对产品的感兴趣度越高，对于产品的购买欲望也会越大;基于行走路线的数据分析可以了解顾客习惯于走什么路线，造成冷热区分布不均的原因等。我们可以根据用户停留时间和轨迹信息，更改商品摆放的位置，让更多顾客进厅后经过购买配品配件、智能穿戴、智能家电的地方。同时，培训相关业务员，在顾客购买或办理业务时，提示顾客购买相关产品。当门店购物数据形成一定规模历史数据后，可以建立“关联规则”模型，挖掘门店商品之间的关联关系来优化摆放位置。
四、大数据目标客户引流
当门店商品选品上架之后，如果我们只是“守株待兔”式的等待用户来门店购买，那门店商品的销量肯定不会太好。这时我们可以采用大数据方法，通过大数据建模分析挖掘出精准的营销活动用户群体。然后进行有的放矢的的活动就好了。比如我们可以策划一个“发红包”的活动，采取短信、微信、视频广告（优酷、快手等）等方式向目标客户群体发送红包。用户收到红包之后并不能立刻使用，而是需要到门店来扫码才能领取红包。这样就能实现将目标客户引流入店的目的，客户来门店了，我们的商品销售活动就可以顺利开展了。