摘 要：“互联网+”已经上升为国家战略，在“互联网+”趋势下，传统的油品销售企业应该迅速进行数字化转型，以适应新形势下的市场竞争。数据分析能力是零售企业在进行数字化转型过程中应重点关注的一个方面。文中阐述了数据分析的价值、数据基础、数据来源等方面的理论与方法，并以某油品销售企业的数据分析案例来说明数据分析技术在油品销售企业中的应用。
关键词：互联网；油品销售；数据分析；精准营销
中图分类号：TP39 文献标识码：A 文章编号：2095-1302（2018）09-00-06
0 引 言
2015年3月李克强总理在政府工作报告中提出：制定“互联网+”行动计划，推动移动互联网、云计算、大数据、物联网等与现代制造业结合，促进电子商务、工业互联网和互联网金融健康发展，引导互联网企业拓展国际市场。“互联网+”已上升为国家战略，未来移动互联网、大数据、云计算、物联网、社交媒体等新技术将与传统产业结合，使得每一个企业都是
“互联网企业”。“互联网+”对传统产业价值链升级将产生深远影响，互联网对企业的改造从消费者开始到前端的营销和零售，再到后端的生产制造，一直追溯到上游供应链，不断放大。
在新的成品油供需环境下，油品销售企业利润越来越薄，市场竞争环境愈加激烈，客户需求逐渐多样化，因此企业急需搭上互联网经济发展的快车，实施数字化发展战略，开展互联网时代的业务转型。
1 行业发展趋势
在互联网大潮下，传统零售企业纷纷涉足电子商务，利用互联网拓展销售，强化供应链管理，聚集行业资源，提升企业地位。
按照成品油从炼厂到最终消费者的流通环节，我国成品油销售主要包括批发和零售两大市场。成品油批发环节从炼厂买入成品油，再销售给零售企业；成品油零售则主要通过加油站等零售网点向千家万户供应成品油。此外，中石油和中石化还向终端用户和大型用户直接销售部分成品油。成品油销售产业链如图1所示。
国内各炼油主体销售模式以零售为主，批发、直销为辅。零售端利润空间大，加油站终端成为兵家必争之地。成品油零售环节在产业链中盈利能力较强。成品油零售端利润主要来源于零售价与批发价之间的价差，即批零差。
随着国家成品油经营权放开，民营企业、外资企业积极进军成品油零售市场，两大石油巨头销售垄断地位被打破，市场竞争日趋激烈。同时，随着消费升级，消费者更加追求消费体验，对商家服务提出了更高的要求。在此背景下，油品销售企业必须拥抱“互联网+”，利用大数据，以客户为中心，创新销售模式，包括引入“非油业务”，最大程度满足客户需求，赢得客户信任。中石化推出易捷网上商城，线上与线下相结合。中石油2016年3月与阿里巴巴、蚂蚁金服在北京签署战略合作框架协议，拟在阿里云、电子地图、互联网汽车以及中石油掌上营业厅、互联网支付、电子加油卡和互联网金融等领域开展合作。
2 “互聯网+”趋势下以客户为中心
“以客户为中心”这一理念自其出现开始即受到零售业界的广泛认同，在互联网时代，这一理念依然有效。企业如何做到以客户为中心？具体来说就是形成一个从“认识你的客户”到“触动你的客户”和“赢取你的客户”的客户关系闭环管理。首先，通过基于数据的客户分析和客户分群，获取对客户的洞察力，明确目标客户与目标市场；其次，基于瞄准的客户群体，分析客户的不同需求，通过开发创新的产品和方案来满足客户需求，甚至通过提供超过客户期望的产品和服务来触动客户，从而获取新的客户；最后，基于产品和方案特点，以及与客户交互的特点，设计无缝、灵活、多渠道协同的客户交互方式，将产品和方案交付给客户，在服务过程中使客户获取一致的客户体验，从而保持客户黏性。通过这样的业务闭环，不断筛选、识别有价值的客户，并与其长期保持业务关系。以客户为中心的增长战略如图2所示。
互联网商业模式逐渐改变了终端消费者的消费习惯，消费者越来越“苛刻”，除了要买到好产品，同时还要求“实惠”“方便”“选择多”“买得省心”。个性化营销、一站式服务、整体解决方案、一体化运营等越来越多地成为了企业的共识。研究发现，最能够影响消费者购买决策的促销方式是个性化的店内折扣和通过电子邮件发送的优惠券。研究还发现，虽然传统的促销式个性化互动最容易打动消费者，但建议类互动的影响力也不可低估，不同促销手段的影响力如图3所示。同时，消费者对于不同商品的不同促销方式的接受度也不同。因此，零售商需要与消费者进行多维度、多方式的个性化互动才能有效促进消费者的购买行为。
由于个性化互动具有“定制性”特点，对数据分析的能力要求很高。如何为每位消费者“量体裁衣”提供消费者所需互动不仅考验零售商的数据收集能力，更考验其数据分析能力。
由此可见，强大的数据分析能力是互联网环境下油品销售企业需要重点关注的方面之一。
3 数据分析关注点
3.1 数据价值
通过数据分析可以为油品销售企业带来五个方面的价值：
（1）精准智能营销。可以建立基于大数据的客户360度统一视图，帮助企业理解客户，认识客户个体的特点，感知客户行为模式的变化，准确预测客户的需求。随时随地通过便捷的渠道提供个性化的产品与服务，并且根据客户反馈随时调整策略。
（2）产品创新。通过社交化媒体进行产品与品牌的舆情分析，可以基于数据分析指定品牌和市场战略，通过RFID追踪并分析产品的使用情况，通过对客户的交易和行为的分析认识和把握客户需求，针对需求推出个性化的产品和服务。
（3）优化运营流程。可以打通数据驱动的信息流，辅助供应链优化和渠道整合，实现服务创新和业务流程的整合优化，并实现以客户为中心的高效运营体系和扁平化组织体系。
（4）科学智能决策。通过智能数据分析与挖掘提升决策支持能力，使得决策更加科学、准确、高效。通过及时、高效的数据分析挖掘成果，可有效应对客户与市场环境的各种细微变化。
（5）深入的客户洞察。可以实现客户在企业内的交易交互行为分析，也可以进行客户在企业外的行为活动分析，识别整合客户在企业内外的数据，对客户进行全方位的理解洞察，对客户的行为进行预测，并基于预测优化客户体验。
3.2 数据来源
数据分析与挖掘的对象不仅仅关注企业内部的数据，更要充分融合企业内外的交易和交互数据，这样才能充分挖掘到数据价值。应整合结构化、非结构化、半结构化、实时数据流等各类数据，并进行企业间的数据交换合作。
以中石油公司为例，内部数据库存储了大量的内部运营数据、生产运行数据（包括油气生产数据、油气相关的产运销储贸数据、化验分析数据等）、工程技术数据。“互联网+”时代更为重要的企业和客户互动时所产生的所有数据信息（OLTP）是了解客户行为的原始材料，它们是企業的眼睛和耳朵。
企业内部系统中的客户信息、市场促销、交易数据、结算数据等结构化数据以及企业官网的数据只能达到企业正常营销管理需求的15%的量能，不足以给出一个重要洞察和发现的规律。而其他85%的数据如社交媒体数据、邮件数据、地理位置、智能设备传感器、音视频等不断增加的信息数据等更多以图片、视频等方式或半结构化、非结构化的数据存在，几年前它们可能不被重视，甚至不被企业所采集。而在应用大数据技术后，对该部分数据的分析在竞争激烈的市场中日显宝贵，作用突出。
3.3 数据基础
客户数据识别与整合的基础在于数据的统一化和标准化。应建立一套客户360度视图核心内容，多层次立体化的客户标签体系。
一套完整的客户标签体系通常具备以下几方面内容：
（1）基础属性特征：如年龄、性别、单位等；
（2）终端属性特征：如手机品牌、型号等；
（3）内容喜好特征：如军事、旅游、音乐、游戏等；
（4）业务服务：如理财、存款、贷款、收集银行等；
（5）位置信息：出没规律、出行规律、商圈级别、差旅习惯等；
（6）作息时间：收集开关机时间、固网通话情况、宽带或者上网时频等；
（7）消费习惯：历史消费情况、位置出现规律、付费习惯等；
（8）行为特征：通常是基于其网络行为获取的特征数据，包括下载、浏览、搜索、邮件等；
（9）应用偏好特征：微博、音乐、游戏、阅读等；
（10）社交网络：包括交往人群、圈子影响力等。
3.4 数据分析
在已建立数据基础的前提下，油品销售企业可以利用大量数据进行主题分析。本文主要从营销角度出发，阐述以下几个主题。
3.4.1 通过聚类分析实现客户的差异化分群
客户分群是将全体客户划分为多个组并刻画特征的过程，使得组内客户高度相似，组间客户差异明显，目的是方便为客户提供差异化、专业化的服务及更加精准的营销、销售。
聚类分析模型是目前主要的客户分群方法。主流的聚类算法包括K-means、两步聚类、层级聚类、时间序列聚类、谱聚类以及核聚类等。这些通常是半监督或无监督的数据挖掘方法，即通过数据本身发现可能的业务模式。聚类分析建模过程如图4所示。
3.4.2 客户流失分析预测
与客户打交道的业务就不得不应对由于各种原因而导致的客户流失。这也催生了客户流失分析预测，或者我们称之为生存分析。业务人员希望通过该模型得知何时开始担心客户做出某些重大事件，如终止购买或者进行另一项采购。同时还可以识别哪些因素与这些事件相关。客户流失曲线也可以提供客户和客户生存周期的快照，并回答例如“我们应该在多大程度上担心这位客户会在不久的将来离开？”或者“这位客户最近没有购买行为，是否该开始担心该客户不会再光顾？”等问题。
流失分析利用了客户行为中最重要的一个方面——持续期。客户已经光顾的时间可以为我们提供丰富的信息，尤其是当与某些特定业务相关时。流失分析建模过程如图5所示。
首先通过采集已经定义为流失客户的业务历史数据作为样本，应用逻辑回归、决策树或神经网络算法，基于样本数据训练形成流失模型，进而寻找到流失客户的共同特征。应用该模型对当前还未流失的客户的下一步流失可能性进行打分，打分过程实际体现了当前客户的行为与已流失客户行为的相似程度。对于流失可能性打分较高的客户，预示着他们的行为与曾经流失的客户行为相像，也提醒业务人员将其列为重点关注或挽留的目标客户。
3.4.3 客户购买关联挖掘分析
利用客户购买交易行为数据，发现在一定时间内频繁购买的商品项目。从所有的客户购物交易数据中选取一定时间区间的记录数据，如一年、一个季度等，寻找当用户购买了A商品的基础上，又购买了B商品的人数所占比例，当该比例达到预设的目标水平时，我们就认为这两个商品存在一定的关联性，所以当用户购买了A商品但还未购买B商品时，我们就可以向该类用户推荐B商品。关联分析建模过程如图6所示。
在对关联规则进行分析的过程中，通常使用持度、置信度和提升度判别关联规则的好坏。
国外企业在这方面做的比较好，中石化、中石油等借鉴海外经验率先拓展非油品业务，向综合性服务商转变。将成品油零售业与传统商业逐步融合，积极拓展便利店、快餐、汽车美容等非油品业务，实现“油非”互促，从而提高加油站盈利能力和抗风险能力。根据海外经验，通过战略合作引入外部专业化品牌，或者设立从属于公司品牌的专业化子品牌，就成为石油公司发展非油业务的基本选择。
2002年起，中石化通过与壳牌、BP和埃克森美孚等公司合资经营加油站，开始积累非油品业务经验。2008年，中石化正式创立“易捷”便利店品牌，涉足非油品业务。便利店以自营为主，采用通过广告、快餐等业务以引进知名品牌、场地出租为主的经营模式。但易捷便利店依托加油站限制了其顾客群体及消费次数，单店销售额与市场上的专业便利店还存在不小差距。为了提高公司非油品的经营能力，中石化销售公司于2014年组建了专业的全资子公司，“中石化易捷销售有限公司”在北京揭牌成立。2017年初，易捷便利店脱离中石化加油站，在北京开启第一家对外的独立门店，向便利店零售市场发起冲击，以提升非油品业务的盈利能力。
2002年中石油通过借鉴合资公司的运营模式和经验，开始探索非油品业务。 2007年中石油成立了正式的非油品机构，全面启动非油品业务。2008年，中石油推出“昆仑好客”品牌便利店，开始尝试向综合服务商转变。截至2015年底，中石油全国加油站便利店数量超过1万座，2015年全年实现非油业务收入124.2亿元，占销售板块营业总收入的0.9%。
4 油品销售企业数据分析应用案例
过去10年，随着互联网技术的变革，油品销售行业已发生巨大改变，主要体现在终端零售客户的体验被极大地丰富，一方面客户获取产品信息的渠道不再局限于单一的模式，拥有了更多选择，传统营销手段如报纸、广播和电视等媒体对于客户的影响力被大幅稀释；另一方面，客户进行交易的场所和客户触点也逐渐由单纯的线下转為线上线下混合模式，客户在快速适应或者正在享受以互联网为主要介质的消费互动方式。客户体验的发展如图7所示，实体结合虚拟数字化的消费体验正在成为未来的主流趋势。
在此背景下，研究某国际传统油品销售企业的“触网”转型之路，研究其如何应用数据分析技术提供更为全面的客户体验，进而提升企业效益，对拓展如何攫取数据价值的思路具有借鉴意义。
4.1 该企业数据分析的整体实施过程
该企业将建立数据驱动的精准营销作为目标。如图8所示，其首先整合多方数据形成360度客户视图，基于上述数据计算客户价值，并基于客户价值和行为特征开展分群；基于聚类分析，描述可执行的客户分群的行为特征和需求；基于不同客户群体的共性和公司业务目标，将统计学上聚类分析的结果进行调整和优化；之后，该企业形成了自身客户画像，包括制定各类客户的发展策略（挽留、放弃、开发等）等；基于客户的渠道偏好、交互偏好设计有针对性的渠道和交互策略；针对特定分群设计有针对性的营销方案，持续监控营销活动效果与预期的差异，并及时调整和优化。
通过以上分析与精准营销，该企业预期提升约15%～20%的销售收入。
4.2 通过聚类分析实现客户的差异化分群
图9所示为该企业应用数据分析软件设计并实施相应的聚类分析模型后形成的客户分群结果。具有如下特点：
（1）该企业的高价值客户细分为四个群体：高忠诚度客户、职业司机、常规客户、食品和日常用品购买者。
（2）高价值客户人数约占该企业客户总人数的20%，却为该企业贡献了近60%的油品销量和近75%的非油品销量。该结果暗示了对于高价值客户的营销活动与维系其投资的回报率可能会更高。
（3）在非高价值客户中，44%的客户群体为消费频率较低的客户或新客户，如何挖掘这部分客户的需求，刺激其消费，发现其中的潜在客户同样具有重要意义。
（4）由于比较准确地描述了不同群体的客户消费特点、偏好，该企业可以组织有针对性的营销活动，例如将部分属于非高价值客户群的客户迁移为高价值客户，或针对品牌中立者开展针对性营销，使之发展为品牌追随者。
4.3 形成客户的360视图
该企业对于客户的数据分析结果除了进行精准营销外，还丰富并形成了每一个B2C客户的360视图，真正做到“千人千面”，为基于客户的个性化特点提供个性化服务打好基础。
客户360视图如图10所示。以George先生为例，该企业最终构建的George 360视图包括其位置信息、加油信息、发展潜力、所享受的优惠方案、其接触企业的渠道、消费的频率、需求等。当George再进行某次消费时，业务人员可以及时查看他的360视图信息，最终实现顾问式互动营销，及时挖掘George的潜在需求，提供无缝、舒适的用户体验，进而始终保持该客户的品牌忠诚度，为企业带来持续的口碑和利润提供了无限可能。
5 结 语
“互联网+”时代，移动互联网、大数据、云计算、物联网、社交媒体等新技术都将与传统产业结合，使得每一个企业都是“互联网企业”。在新的成品油供需环境下，传统油品销售企业利润越来越微薄，市场竞争越来越激烈，客户需求越来越多样化。
因此，为更好地满足客户需求，实现精准营销，持续提升效益，油品销售企业必须充分认识到“互联网+”时代数据分析的重要性和紧迫性，切实提升数据分析和应用能力，实施数字化发展战略，创新销售模式，为企业可持续发展奠定良好基础。
参考文献
[1]许佑宏，文迪.转型无缝零售[M].Accenture，2014.
[2]维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革[M].杭州：浙江人民出版社，2013.
[3]戴夫·柯本，特蕾莎·布朗，瓦莱丽·普里查德.互联网新思维：未来十年的企业变形计[M].北京：中国人民大学出版社，2014.
[4] JIAWEIHAN，MICHELINEKAMBER，JIANPEI.数据挖掘概念与技术[M].北京：机械工业出版社，2012.
[5] MICHAELJ A BERRY，GORDONS LINOFF.数据挖掘技术：应用于市场营销、销售与客户关系管理领域应用[M].北京：机械工业出版社，2013.
[6]比约·布劳卿，拉斯·拉克，托马斯·拉姆什.大数据变革：让客户数据驱动利润奔跑[M].北京：机械工业出版社，2014.
[7]麦德奇，保罗B布朗，王维丹.大数据营销 定位客户[M].北京：机械工业出版社，2014.
[8]菲尔·西蒙，漆晨曦.大数据可视化：重构智慧社会[M].北京：人民邮电出版社，2015.
[9] Digital Marketing Customer Analytics[M].Accenture，2015.
[10]腾讯科技频道.跨界开启互联网与传统行业融合新趋势[M].北京：机械工业出版社，2014.
[11]卢辉.数据挖掘与数据化运营实战 思路、方法、技巧与应用[M].北京：机械工业出版社，2013.