文/涂莉媛天津市烟草公司第三分公司
“总量控制、稍紧平衡，增速合理、贵在持续”是烟草行业实现平稳可持续发展的基本遵循。从2024年天津地区“元春”的销售情况来看，高端、高价位卷烟仍然面临严峻的态势，部分市场表现不佳的品牌持续在低位徘徊，需求端结构性矛盾更加突出，部分客户因此出现了焦虑情绪和观望心态。因此，企业亟须构建智能化的市场状态评估体系，提高对市场状态研判的精准度，以改善需求预测和货源投放工作，促进自身实现可持续、高质量发展。
影响当前市场状态评估质量的主要因素
终端数据应用率低。当前天津地区“津诚”云POS(销售终端)使用客户1.23万户，可以作为采集数据样本。但是，因为数据资源的交互性差，导致这些数据并没有得到有效应用，最终出现了“信息封锁”和“信息隔离”的现象。
数据评估缺乏智能化工具和算法。近年来，行业始终把建立健全市场状态监测与调控机制、提升市场状态调控水平放在重要位置，也相继出台了一系列有关样本管理的标准化文件和管理办法，但始终缺乏较为科学的智能化预测分析工具和模型算法。当前，在行业经济运行过程中，数据的采集、分析和应用应该是一个连续的小循环。然而，现状却是这些环节之间的联系相对较弱，状态较为割裂。
基于LSTM的多层神经网络模型
如何预测卷烟市场状态
随着ChatGPT爆火出圈，AI(人工智能)屡次登上热搜榜。深度学习是人工智能最受欢迎和最有影响力的子领域之一，其主要原理是通过构建复杂的神经网络模型，自动从海量数据中挖掘有效特征，以完成各种复杂的任务，主要有卷积神经网络(Convolutional Neural Networks)、循环神经网络(Recurrent Neural Networks)和递归神经网络(Recursive Neural Networks)几种分类。
由于卷烟市场的状态具有复杂性和非线性特性，传统的预测方法往往无法有效应对，于是我们采用LSTM(长短期记忆)神经网络模型预测卷烟市场的状态。LSTM模型，作为一种先进的人工智能模型，主要依托循环神经网络(RNN)建立，它能够学习并记忆长期的依赖关系，因此在经济预测和商业预测中得到了广泛应用。LSTM模型内部的每个单元都装有三个门函数，即输入门、遗忘门和输出门。通过这三扇门的协同作用，LSTM能够评估当前的信息是否具备价值，而后会将有价值的信息保留，将无价值的信息丢弃。在模型中输入天津地区2020—2023年的卷烟市场历史状态数据，具体包括社会库存、零售价格和订单数据等，随后会输出预测市场状态的指标。因此，特征抽取被视为构建神经网络模型的核心步骤。它主要由以下两部分组成：
专家特征抽取部分。专家特征抽取是指使用传统的数据分析方法预测卷烟的销售量，这些方法主要依赖两种信息，即宏观经济数据和节假日信息。宏观经济数据，是指从官方统计网站上获取的数据。节假日信息，包括一年中各种节假日的具体情况，这些节日可能会影响人们的购买行为。比如，在春节期间，人们可能会购买更多的卷烟作为礼物或是自己使用。然而，传统的时间序列预测方法在处理这些信息时会存在一些问题。例如，它们通常会将一年中的不同季节转化为0和1的变量，但这种方法描述季节性波动的能力较弱，也无法根据同期数据进行调整。更重要的是，传统方法无法处理节假日日期的变化。比如，春节的日期每年都会变，传统的0和1变量无法随着时间的变化进行调整。因此，我们让模型使用同期数据来表示节假日信息的波动，这样就可以更好地捕捉节假日对卷烟销售的影响。
机器特征抽取部分。主要通过应用LSTM深度神经网络，从销售数据中提取时间序列特征。每次输入最近8周的历史销售数据，通过LSTM处理并输出两个时间序列特征值。随后，将整个LSTM网络结构视为反向传播(BP)神经网络中的两个神经元，然后将这两个时间序列特征值输入BP神经网络进行进一步的计算和推导。其中，会使用一个滑动窗口策略构建神经网络模型的训练样本。具体来说，将每8周作为一个周期，并以1周为单位滑动，从历史数据中选择连续8周的机器抽取和专家抽取的特征作为一个训练子集。这些特征被输入到神经网络模型中进行计算，计算出的误差会被反馈到模型中以调整神经元的权重。然后，将下一个滑动窗口(即第2至9周)的特征作为一个新的训练子集，继续对神经网络模型进行训练和调整。这个过程一直持续到所有的样本都经过模型训练，可以有效解决训练样本数量不足的问题，提高了模型的稳定性和预测精度。在预测阶段，只需要基于最近8周的历史数据计算机器和专家抽取的特征，将这些特征输入到神经网络模型中，模型的输出就是下一周的卷烟市场状态预测值。最后，针对每个卷烟品牌或品规分别训练模型，从而能够预测出品牌或品规的卷烟市场状态。
多层神经网络模型的主要应用方向
分层分类调控。一是总量调控，通过设定预排供应量来评估和调整卷烟市场状态，以确保其能维持平衡。二是区域调控，即实时监测各分公司和有限公司的状态，预测其卷烟市场状态，并据此调整货源投放。三是品牌规格调控，通过精准预测品牌状态并根据区域进行精准投放，调控可以细化到具体的业态和客户类别。
指导货源衔接。为了保持市场状态处于稍紧平衡状态区间，需要设定合理的目标状态值，预测下一轮次或下一月的货源预排量，并结合全市需求预测计划，统筹安排货源供应，同时与工业企业做好货源衔接。
精准货源投放。通过监测特定品牌和品规的市场情况，并使用模型预测其目标状态值，进而提前预估销售量，从而进行精准货源投放。
随着人工智能技术的快速发展，LSTM多层神经网络将进一步帮助烟草企业掌握市场动态，推动其从依赖经验进行决策转向以数据驱动决策，这对于推动行业的高质量发展具有重大价值。未来，烟草企业扩大数据资源体系，并加强与地方统计、金融、通信等部门的合作，可以强化数据驱动营销的能力，提升运营管理效率和效果。
