文/涂莉媛天津市煙草公司第三分公司
“總量控制、稍緊平衡，增速合理、貴在持續”是煙草行業實現平穩可持續發展的基本遵循。從2024年天津地區“元春”的銷售情況來看，高端、高價位卷煙仍然面臨嚴峻的態勢，部分市場表現不佳的品牌持續在低位徘徊，需求端結構性矛盾更加突出，部分客戶因此出現了焦慮情緒和觀望心態。因此，企業亟須構建智能化的市場狀態評估體系，提高對市場狀態研判的精準度，以改善需求預測和貨源投放工作，促進自身實現可持續、高質量發展。
影響當前市場狀態評估質量的主要因素
終端數據應用率低。當前天津地區“津誠”云POS(銷售終端)使用客戶1.23萬戶，可以作為采集數據樣本。但是，因為數據資源的交互性差，導致這些數據并沒有得到有效應用，最終出現了“信息封鎖”和“信息隔離”的現象。
數據評估缺乏智能化工具和算法。近年來，行業始終把建立健全市場狀態監測與調控機制、提升市場狀態調控水平放在重要位置，也相繼出臺了一系列有關樣本管理的標準化文件和管理辦法，但始終缺乏較為科學的智能化預測分析工具和模型算法。當前，在行業經濟運行過程中，數據的采集、分析和應用應該是一個連續的小循環。然而，現狀卻是這些環節之間的聯系相對較弱，狀態較為割裂。
基于LSTM的多層神經網絡模型
如何預測卷煙市場狀態
隨著ChatGPT爆火出圈，AI(人工智能)屢次登上熱搜榜。深度學習是人工智能最受歡迎和最有影響力的子領域之一，其主要原理是通過構建復雜的神經網絡模型，自動從海量數據中挖掘有效特征，以完成各種復雜的任務，主要有卷積神經網絡(Convolutional Neural Networks)、循環神經網絡(Recurrent Neural Networks)和遞歸神經網絡(Recursive Neural Networks)幾種分類。
由于卷煙市場的狀態具有復雜性和非線性特性，傳統的預測方法往往無法有效應對，于是我們采用LSTM(長短期記憶)神經網絡模型預測卷煙市場的狀態。LSTM模型，作為一種先進的人工智能模型，主要依托循環神經網絡(RNN)建立，它能夠學習并記憶長期的依賴關系，因此在經濟預測和商業預測中得到了廣泛應用。LSTM模型內部的每個單元都裝有三個門函數，即輸入門、遺忘門和輸出門。通過這三扇門的協同作用，LSTM能夠評估當前的信息是否具備價值，而后會將有價值的信息保留，將無價值的信息丟棄。在模型中輸入天津地區2020—2023年的卷煙市場歷史狀態數據，具體包括社會庫存、零售價格和訂單數據等，隨后會輸出預測市場狀態的指標。因此，特征抽取被視為構建神經網絡模型的核心步驟。它主要由以下兩部分組成：
專家特征抽取部分。專家特征抽取是指使用傳統的數據分析方法預測卷煙的銷售量，這些方法主要依賴兩種信息，即宏觀經濟數據和節假日信息。宏觀經濟數據，是指從官方統計網站上獲取的數據。節假日信息，包括一年中各種節假日的具體情況，這些節日可能會影響人們的購買行為。比如，在春節期間，人們可能會購買更多的卷煙作為禮物或是自己使用。然而，傳統的時間序列預測方法在處理這些信息時會存在一些問題。例如，它們通常會將一年中的不同季節轉化為0和1的變量，但這種方法描述季節性波動的能力較弱，也無法根據同期數據進行調整。更重要的是，傳統方法無法處理節假日日期的變化。比如，春節的日期每年都會變，傳統的0和1變量無法隨著時間的變化進行調整。因此，我們讓模型使用同期數據來表示節假日信息的波動，這樣就可以更好地捕捉節假日對卷煙銷售的影響。
機器特征抽取部分。主要通過應用LSTM深度神經網絡，從銷售數據中提取時間序列特征。每次輸入最近8周的歷史銷售數據，通過LSTM處理并輸出兩個時間序列特征值。隨后，將整個LSTM網絡結構視為反向傳播(BP)神經網絡中的兩個神經元，然后將這兩個時間序列特征值輸入BP神經網絡進行進一步的計算和推導。其中，會使用一個滑動窗口策略構建神經網絡模型的訓練樣本。具體來說，將每8周作為一個周期，并以1周為單位滑動，從歷史數據中選擇連續8周的機器抽取和專家抽取的特征作為一個訓練子集。這些特征被輸入到神經網絡模型中進行計算，計算出的誤差會被反饋到模型中以調整神經元的權重。然后，將下一個滑動窗口(即第2至9周)的特征作為一個新的訓練子集，繼續對神經網絡模型進行訓練和調整。這個過程一直持續到所有的樣本都經過模型訓練，可以有效解決訓練樣本數量不足的問題，提高了模型的穩定性和預測精度。在預測階段，只需要基于最近8周的歷史數據計算機器和專家抽取的特征，將這些特征輸入到神經網絡模型中，模型的輸出就是下一周的卷煙市場狀態預測值。最后，針對每個卷煙品牌或品規分別訓練模型，從而能夠預測出品牌或品規的卷煙市場狀態。
多層神經網絡模型的主要應用方向
分層分類調控。一是總量調控，通過設定預排供應量來評估和調整卷煙市場狀態，以確保其能維持平衡。二是區域調控，即實時監測各分公司和有限公司的狀態，預測其卷煙市場狀態，并據此調整貨源投放。三是品牌規格調控，通過精準預測品牌狀態并根據區域進行精準投放，調控可以細化到具體的業態和客戶類別。
指導貨源銜接。為了保持市場狀態處于稍緊平衡狀態區間，需要設定合理的目標狀態值，預測下一輪次或下一月的貨源預排量，并結合全市需求預測計劃，統籌安排貨源供應，同時與工業企業做好貨源銜接。
精準貨源投放。通過監測特定品牌和品規的市場情況，并使用模型預測其目標狀態值，進而提前預估銷售量，從而進行精準貨源投放。
隨著人工智能技術的快速發展，LSTM多層神經網絡將進一步幫助煙草企業掌握市場動態，推動其從依賴經驗進行決策轉向以數據驅動決策，這對于推動行業的高質量發展具有重大價值。未來，煙草企業擴大數據資源體系，并加強與地方統計、金融、通信等部門的合作，可以強化數據驅動營銷的能力，提升運營管理效率和效果。
提示:文章內容僅供閱讀,不構成投資建議,請謹慎對待。投資者據此操作,風險自擔。
