CN110766424A - 构建市场画像的方法和装置 - Google Patents
构建市场画像的方法和装置 Download PDFInfo
- Publication number
- CN110766424A CN110766424A CN201810824978.8A CN201810824978A CN110766424A CN 110766424 A CN110766424 A CN 110766424A CN 201810824978 A CN201810824978 A CN 201810824978A CN 110766424 A CN110766424 A CN 110766424A
- Authority
- CN
- China
- Prior art keywords
- market
- representation
- attribute
- constructing
- index set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims description 49
- 238000010276 construction Methods 0.000 claims description 19
- 238000012546 transfer Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 238000012356 Product development Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000007619 statistical method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 235000021443 coca cola Nutrition 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 241000190070 Sarracenia purpurea Species 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 235000015895 biscuits Nutrition 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000003651 drinking water Substances 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010013911 Dysgeusia Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002453 shampoo Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种构建市场画像的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;为每个市场属性分别建立市场存量指标集和市场变量指标集,市场存量指标集是反映市场属性的当前市场现状的指标集合,市场变量指标集是反映市场属性的市场变化情况的指标集合;根据市场存量指标集和市场变量指标集构建市场画像。该实施方式能够结合当前市场现状和市场变化情况充分描述物品属性特点,并为物品属性建立独特的“市场画像”,使得品牌商可根据市场画像,全面洞察一个物品的属性及市场属性的市场特点,从多方位了解进入一个细分市场的前景和机会。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种构建市场画像的方法和装置。
背景技术
传统品牌商想要将自己的物品打入一个新兴市场之前,往往都要花费较多的时间和精力去调研市场上什么类型的物品最受消费者欢迎,再根据调研结果构建市场画像,并根据市场画像制定不同的物品策略,更好的满足不同的消费者需求。在这个过程中,最重要的一个环节就是进行品类管理,即对物品进行归类、分级、结合消费者和物品的不同特点进行有针对性的管理。
随着大数据和机器学***台品类管理的成熟度不断提升,对于物品的理解也越来越深刻,相应的对于物品属性的研究也越来越精细化。电商平台上常常提到的物品属性,一般指的物品的特点描述,比如品牌、颜色、尺寸、容量、材质、口味等。这些物品属性背后,每一种属性的属性值其实就是一个细分的消费市场,比如颜色属性,有些人对红色更感兴趣,有些人对黑色更感兴趣,那么对于品牌商来说,了解红色这个细分市场的特点和趋势,对于他们将物品主打到一个细分市场是非常重要,且具有指导意义的。目前,市场上比较流行的品类管理方法都是找到品类里面的物品,并分析不同物品的特点,做得更好的电商网站,会下钻分析物品中的属性特点,并对不同的属性进行归类管理。
在品类管理范畴中,相关的现有技术主要是基于对物品之间存在的关联性和蚕食性(侵占性、替代性)进行分析以构建市场画像,从而找到物品之间的关系,并进而为品牌商提供物品组合的销售建议(例如:什么物品和什么物品搭配销售最好,什么物品和什么物品应避免一起销售互相打架等),也有能够继续深入下钻到物品属性层面分析的,但是缺乏可量化、可指导实践策略的分析方法。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
第一,在构建市场画像时,上述的品类管理方案,分析的基础大多是物品的特点,但是物品的特点又是由不同的属性所构成,仅仅基于物品层面的分析,可以了解到物品自身特点,和其他物品的特点,但是有时候无法解释真正的驱动物品增长的因素是什么,不了解物品的“底层基因”,也就无法真正看透一个细分市场的趋势表现;
第二,即使能下钻到物品属性的层面进行分析以构建市场画像,也只能了解这个属性当前的特点,并不能了解这个属性将会有如何的变化,它和其他属性之间具有什么关系,例如:是互补还是互斥,是变好还是变坏等,这些都是目前的品类管理方案中较为缺失的环节。
发明内容
有鉴于此,本发明实施例提供一种构建市场画像的方法和装置,能够结合当前市场现状和市场变化情况充分描述物品属性特点,并为物品属性建立独特的“市场画像”,使得品牌商可根据市场画像,全面洞察一个物品的属性及市场属性的市场特点,从多方位了解进入一个细分市场的前景和机会。
为实现上述目的,根据本发明实施例的一个方面,提供了一种构建市场画像的方法。
一种构建市场画像的方法,包括:根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;为每个市场属性分别建立市场存量指标集和市场变量指标集,所述市场存量指标集是反映市场属性的当前市场现状的指标集合,所述市场变量指标集是反映市场属性的市场变化情况的指标集合;根据所述市场存量指标集和所述市场变量指标集构建市场画像。
可选地,所述市场存量指标集包括市场消费者忠诚度,所述市场变量指标集包括市场消费者转移度,所述市场画像包括市场稳定画像,并且,根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:根据所述市场消费者忠诚度和所述市场消费者转移度这两个指标构建所述市场稳定画像。
可选地,所述市场存量指标集包括市场销售额占有率,所述市场变量指标集包括市场销售额增速,所述市场画像包括市场销售画像,并且,根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:根据所述市场销售额占有率和所述市场销售额增速这两个指标构建所述市场销售画像。
可选地,所述市场存量指标集包括市场流量,所述市场变量指标集包括市场流量增速,所述市场画像包括市场流量画像,并且,根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:根据所述市场流量和所述市场流量增速这两个指标构建所述市场流量画像。
可选地,所述市场存量指标集包括市场价格弹性,所述市场变量指标集包括市场利润额增速,所述市场画像包括市场盈利画像,并且,根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:根据所述市场价格弹性和所述市场利润额增速这两个指标构建所述市场盈利画像。
可选地,所述市场存量指标集包括市场品牌集中度,所述市场变量指标集包括市场物品数量增速,所述市场画像包括市场集中画像,并且,根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:根据所述市场品牌集中度和所述市场物品数量增速这两个指标构建所述市场集中画像。
可选地,所述市场画像为四象限画像。
可选地,还包括:根据所述市场画像,构建市场吸引力的量化坐标表。
根据本发明实施例的另一方面,提供了一种构建市场画像的装置。
一种构建市场画像的装置,包括:属性拆分模块,用于根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;指标集建立模块,用于为每个市场属性分别建立市场存量指标集和市场变量指标集,所述市场存量指标集是反映市场属性的当前市场现状的指标集合,所述市场变量指标集是反映市场属性的市场变化情况的指标集合;画像构建模块,用于根据所述市场存量指标集和所述市场变量指标集构建市场画像。
可选地,所述市场存量指标集包括市场消费者忠诚度,所述市场变量指标集包括市场消费者转移度,所述市场画像包括市场稳定画像,并且,所述画像构建模块还用于:根据所述市场消费者忠诚度和所述市场消费者转移度这两个指标构建所述市场稳定画像。
可选地,所述市场存量指标集包括市场销售额占有率,所述市场变量指标集包括市场销售额增速,所述市场画像包括市场销售画像,并且,所述画像构建模块还用于:根据所述市场销售额占有率和所述市场销售额增速这两个指标构建所述市场销售画像。
可选地,所述市场存量指标集包括市场流量,所述市场变量指标集包括市场流量增速,所述市场画像包括市场流量画像,并且,所述画像构建模块还用于:根据所述市场流量和所述市场流量增速这两个指标构建所述市场流量画像。
可选地,所述市场存量指标集包括市场价格弹性,所述市场变量指标集包括市场利润额增速,所述市场画像包括市场盈利画像,并且,所述画像构建模块还用于:根据所述市场价格弹性和所述市场利润额增速这两个指标构建所述市场盈利画像。
可选地,所述市场存量指标集包括市场品牌集中度,所述市场变量指标集包括市场物品数量增速,所述市场画像包括市场集中画像,并且,所述画像构建模块还用于:根据所述市场品牌集中度和所述市场物品数量增速这两个指标构建所述市场集中画像。
可选地,所述市场画像为四象限画像。
可选地,还包括吸引力量化模块,用于:根据所述市场画像,构建市场吸引力的量化坐标表。
根据本发明实施例的又一方面,提供了一种构建市场画像的电子设备。
一种构建市场画像的电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例所提供的构建市场画像的方法。
根据本发明实施例的再一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的构建市场画像的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过对物品属性进行拆分以得到市场属性,然后为每个市场属性分别建立市场存量指标集和市场变量指标集,并根据市场存量指标集和市场变量指标集构建市场画像,能够结合当前市场现状和市场变化情况充分描述物品属性特点,并为物品属性建立独特的“市场画像”,使得品牌商可根据市场画像,全面洞察一个物品的属性及市场属性的市场特点,从多方位了解进入一个细分市场的前景和机会。和传统的属性趋势方法相比,能够在观测当前状态的情况下,很好的了解未来市场的变化(包括潜在的竞争对手、潜在的趋势特点等),因此可以更好地应用于品牌商在一个新市场做产品开拓、市场进入、新品开发、老品换代等等场景,为品牌商决策提供丰富的数据分析依据和洞察指引。市场画像所在的四象限坐标轴体系,还可以根据用户的实际需求,决定是否添加新的参数和指标,以用于市场监控和参考,因此具备迁移和复用价值。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的构建市场画像的方法的主要步骤示意图;
图2是本发明实施例的实现原理图;
图3是本发明实施例的属性值编码示意图;
图4是本发明实施例的消费者选择替代性模型的实现原理示意图;
图5是本发明一个实施例的市场稳定画像示意图;
图6是本发明一个实施例的市场销售画像示意图;
图7是本发明一个实施例的市场流量画像示意图;
图8是本发明一个实施例的市场盈利画像示意图;
图9是本发明一个实施例的市场集中画像示意图;
图10是本发明一个实施例的市场吸引力的量化坐标表示意图;
图11是根据本发明实施例的构建市场画像的装置的主要模块示意图;
图12是本发明实施例可以应用于其中的示例性***架构图;
图13是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明提供了一种构建市场画像的方法,能够通过对物品属性特点进行充分分析,并为物品属性建立独特的“市场画像”,帮助品牌商充分了解哪一个物品属性(相当于一个细分市场)在未来更值得进入。
图1是根据本发明实施例的构建市场画像的方法的主要步骤示意图。如图1所示,本发明实施例的构建市场画像的方法主要包括如下的步骤S101至步骤S103。
步骤S101:根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;
步骤S102:为每个市场属性分别建立市场存量指标集和市场变量指标集,市场存量指标集是反映市场属性的当前市场现状的指标集合,市场变量指标集是反映市场属性的市场变化情况的指标集合;
步骤S103:根据市场存量指标集和市场变量指标集构建市场画像。
根据本发明的一个实施例,市场存量指标集包括市场消费者忠诚度,市场变量指标集包括市场消费者转移度,市场画像包括市场稳定画像,并且,
根据市场存量指标集和市场变量指标集构建市场画像包括:
根据市场消费者忠诚度和市场消费者转移度这两个指标构建市场稳定画像。
根据本发明的另一个实施例,市场存量指标集包括市场销售额占有率,市场变量指标集包括市场销售额增速,市场画像包括市场销售画像,并且,
根据市场存量指标集和市场变量指标集构建市场画像包括:
根据市场销售额占有率和市场销售额增速这两个指标构建市场销售画像。
根据本发明的又一个实施例,市场存量指标集包括市场流量,市场变量指标集包括市场流量增速,市场画像包括市场流量画像,并且,
根据市场存量指标集和市场变量指标集构建市场画像包括:
根据市场流量和市场流量增速这两个指标构建市场流量画像。
根据本发明的又一个实施例,市场存量指标集包括市场价格弹性,市场变量指标集包括市场利润额增速,市场画像包括市场盈利画像,并且,
根据市场存量指标集和市场变量指标集构建市场画像包括:
根据市场价格弹性和市场利润额增速这两个指标构建市场盈利画像。
根据本发明的再一个实施例,市场存量指标集包括市场品牌集中度,市场变量指标集包括市场物品数量增速,市场画像包括市场集中画像,并且,
根据市场存量指标集和市场变量指标集构建市场画像包括:
根据市场品牌集中度和市场物品数量增速这两个指标构建市场集中画像。
根据本发明实施例的技术方案,市场画像为四象限画像。
另外,本发明实施例的构建市场画像的方法还可以包括:根据市场画像,构建市场吸引力的量化坐标表。
下面结合具体实施例介绍本发明的具体实施过程。
图2是本发明实施例的实现原理图。如图2所示,为了更为细化地分析不同物品属性的特点,需要先将物品属性进行细分为多个更小粒度的物品属性。具体地,可根据物品属性对应的属性值来对物品属性进行拆分,将每个物品属性拆分为多个物品属性。例如:对于物品“洗发水”来说,其物品属性例如包括:1-净含量、2-使用人群、3-功效、4-适合发质、5-性别以及其他非重要属性(一般地,非重要属性无需进行分析处理)。以物品属性“1-净含量”为例,其对应的属性值例如包括:201-400ml、1L以上、401ml-750ml、750ml-1L、200ml以下,共5个属性值。那么,根据属性值对物品属性进行拆分后,得到的更小粒度的物品属性包括:1-净含量-“201-400ml”、1-净含量-“1L以上”、1-净含量-“401ml-750ml”、1-净含量-“750ml-1L”、1-净含量-“200ml以下”。对于拆分得到的更小粒度的物品属性可定义为“市场属性”,后续通过对这些市场属性进行分析来构建市场画像。
根据本发明的一个实施例,为了更便于对市场属性进行表示,还可以对市场属性进行编码,通过市场属性的编码即可获取对应的市场属性的内容。请参看图3,图3是本发明实施例的市场属性编码示意图。如图3所示,以物品属性“1-净含量”为例,对其进行拆分得到的5个市场属性的编码分别为:1001、1002、1003、1004、1005。同理可得其他物品属性拆分得到的市场属性的编码。
为了更好地构建市场画像,需要用发展的眼光来量化评价市场画像,因此,在得到市场属性之后,将为每个市场属性,分别建立市场存量指标集和市场变量指标集,其中,市场存量指标集是反映市场属性的当前市场现状的指标集合,市场变量指标集是反映市场属性的市场变化情况的指标集合。根据本发明的实施例,市场存量指标集合市场变量指标集所包括的内容如下表1所示。
表1
A—市场存量指标集 | B—市场变量指标集 |
A1:市场消费者忠诚度 | B1:市场消费者转移度 |
A2:市场销售额占有率 | B2:市场销售额增速 |
A3:市场流量 | B3:市场流量增速 |
A4:市场价格弹性 | B4:市场利润额增速 |
A5:市场品牌集中度 | B5:市场物品数量增速 |
由表1可以看出,市场存量指标集A主要包括5个子集:{A1:市场消费者忠诚度、A2:市场销售额占有率、A3:市场流量、A4:市场价格弹性、A5:市场品牌集中度}。市场变量指标集B主要包括分别与市场存量指标集A相对应的5个子集:{B1:市场消费者转移度、B2:市场销售额增速、B3:市场流量增速、B4:市场利润额增速、B5:市场物品数量增速}。
下面具体介绍市场存量指标集A和市场变量指标集B中的各个指标是如何得到的。
A1:市场消费者忠诚度,用于衡量当前市场上的消费者对某市场属性是否有强烈的选择偏好。例如:对物品“可口可乐”来说,由物品属性“规格”拆分得到的市场属性为“规格-大瓶”,假设消费者对该市场属性的选择偏好很强烈,也就是说,消费者极少选择小瓶规格的可口可乐,那么,消费者对该市场属性的忠诚度即很高。具体地,市场消费者忠诚度可以通过消费者选择替代性模型进行量化。
市场消费者忠诚度的计算方法是:通过统计用户在设定的时间段内的购买数据,然后获取购买物品时对应的浏览路径,然后基于转移概率矩阵来求得消费者对不同物品的选择概率。计算市场消费者忠诚度所需要统计的字段如表2所示。其中,针对电商而言,SKU(Stock Keeping Unit,库存量单位)是指一款物品,每款都有一个SKU,便于电商品牌识别物品。
表2
图4是本发明实施例的消费者选择替代性模型的实现原理示意图。如图4所示,消费者由物品A可以转移到物品A、B、C、D四个物品,其中,A→A、A→B、A→C、A→D分别表示消费者从物品A转移到其本身、物品B、物品C、物品D并进行了消费,每次转移都进行记录,同理可得消费者由物品B转移到物品A、B、C、D,由物品C转移到物品A、B、C、D,由物品D转移到物品A、B、C、D的转移次数所形成的矩阵。图4中描述的是一个Customer_id(一个消费者)在一段会话时间(Date)内,根据会话标识Session_id对应的访问路径进行分析而得到的该消费者进行物品选择的过程,通过将很多(如:N)个消费者的N段会话的内容聚合起来,即可以从中学习得到消费者在A、B、C、D四个物品中的选择概率。选择概率越高,则表明其市场消费者忠诚度越高。
A2:市场销售额占有率,用于衡量具有某市场属性的某类物品的销售额在当前市场的同一类物品的整体销售额中的占比。例如:对“水杯”这类物品来说,由物品属性“颜色”拆分得到的市场属性为“颜色-红色”,那么,具有该市场属性的红色水杯的销售额占比可以由“红色水杯的销售额/所有水杯的整体销售额”计算得到。在计算市场销售额占有率时,需要统计的字段如表3所示。
表3
A3:市场流量,用于衡量某市场属性在当前市场所吸引的浏览和访问次数。其中,这里的浏览和访问次数可以使用独立访问人次(UV,unique visitor)来衡量,也可以用页面访问次数(PV,page view)来衡量,还可以使用两者来综合衡量。例如:以使用独立访问人次来进行市场流量的衡量为例,1升装的饮用水(市场属性为“规格-1L”)在一定时间范围内有1000人次访问,那么,该市场属性所带来的市场流量即为1000。在统计市场流量时,需要统计的字段如表4所示。
表4
A4:市场价格弹性,用于衡量具有某市场属性的物品的价格在当前市场是否敏感,价格敏感度高则对应价格弹性大。其中价格弹性可以根据公式“价格变化率/销量变化率”求得。具体地,假设Q表示价格,P表示销量,则价格变化率可根据公式(Q-Q0)/Q0得到,销量变化率可根据(P-P0)/P0得到。其中,Q0和P0表示在预定时间段最初的价格和销量,根据公式[(Q-Q0)/Q0]/[(P-P0)/P0]即可求得预定时间段内的价格弹性。
在具体实现时,可通过获取历史订单数据中具有该市场属性的物品的所有价格及对应的销量,在预定时间段内取得N组数据以后,使用Spark和Python程序算法包中包含的回归模型、随机森林模型进行拟合,在多个拟合结果中选择置信度最高的模型所生成的结果,作为物品的价格弹性,并得到物品的价格弹性表。其中,价格弹性表中记录的物品的价格弹性可保持每日动态更新,并且结合实际销量和价格变化情况,以使得模型可以保持学习优化,以及在一定时间范围内对原始价格弹性进行检验和更新。
在计算市场价格弹性时,需要统计的字段如表5所示。
表5
在计算物品的价格弹性的基础上,将多个不同的物品,根据它们是否符合一个市场的特点(比如:都是同一品牌,都是红色,都是大尺寸等)进行聚类,并基于聚类结果进行价格弹性的计算。
聚类算法例如可以采用渐进式优化办法,因为原始数据的完善程度不同,价格弹性可以使用多种方法来进行拟合学***均等运算,其中,权重是每个物品的销量比例,即可最终求得这个市场属性的价格弹性。
A5:市场品牌集中度,用于衡量具有某市场属性的物品的品牌参与情况,集中度是否高。例如:具有市场属性“口味为香甜味”的物品“饼干”,其对应的市场品牌集中度为0.85。市场品牌集中度可以通过统计同一品类下所有物品的市场销售额,然后根据HHI指数(Herfindahl-Hirschman Index指数,赫芬达尔—赫希曼指数,是一种测量产业集中度的综合指数)进行计算得到。
表6
市场属性编码 | 品牌信息 | 品牌销售额 | 品类销售额 |
Attr_id | brand(关联物品-品牌明细表) | Gmv_brand | Gmv_cid3 |
B1:市场消费者转移度,用于衡量购买过具有某物品属性的物品的消费者从当前市场属性转移到其他市场属性,以及从其他市场属性转移到当前市场属性的净销售额。其中,市场属性之间的转移例如,从具有市场属性“规格-大瓶”的物品“可口可乐”转移到具有市场属性“规格-小瓶”的物品“可口可乐”;又如,从具有市场属性“品牌-百事可乐”的物品“饮料”转移到具有市场属性“品牌-芬达”的物品“饮料”。
以消费者由市场属性J转移到市场属性K为例介绍市场消费者转移度的计算过程。首先,统计消费者在预定时间段(例如:最近一年)内的购买行为数据;然后对消费者的购买行为数据进行统计分析:假设消费者在首次下单的时候购买了具有市场属性J的物品,在二次消费行为中购买了具有市场属性K的物品,那么,此时消费者即由市场属性J转移到了市场属性K,并获取由市场属性J转移到市场属性K的销售额,同理可获取消费者由市场属性K转移到市场属性J的销售额;最后,计算消费者由市场属性J转移到了市场属性K的销售额,与消费者由市场属性J转移到了市场属性K的销售额之差,计作消费者在市场属性J和市场属性K之间转移的过程中的销售额净值,并且,当销售额净值为负数时,表明由市场属性J转移到了市场属性K的转移度低,当销售额净值为正数时,表明由市场属性J转移到了市场属性K的转移度高。
B2:市场销售额增速,用于衡量具有某市场属性的物品的当前市场销售额的环比和同比增长速率。其中,环比,表示连续2个单位周期内的量的变化比;同比一般情况下是今年第n月与去年第n月的比较。例如:具有某市场属性“颜色-红色”的物品“水杯”的销售额增长速率为环比13.3%,同比18.5%。其中,一个单位周期的长度例如为一个月或一年,具体可根据实际应用场景进行灵活设定。具有某市场属性的物品的市场销售额的环比增长速率的计算过程为:(本期销售额-上期销售额)/上期销售额;同比增长速率的计算过程为:(本期销售额-同期销售额)/同期销售额。
B3:市场流量增速:用于衡量具有某市场属性的物品的当前市场流量的环比和同比增长率。例如:具有某市场属性“规格-1L”的物品“饮用水”的浏览人数增长率环比为24.6%,同比为27.8%。其中,一个单位周期的长度例如为一个月或一年,具体可根据实际应用场景进行灵活设定。具有某市场属性的物品的市场流量的环比增速的计算过程为:(本期市场流量-上期市场流量)/上期市场流量;同比增速的计算过程为:(本期市场流量-同期市场流量)/同期市场流量。
B4:市场利润额增速:用于衡量具有某市场属性的物品的当前市场利润额的环比和同比增长率。例如:具有某市场属性“品牌-品牌1”的物品“手机”的市场利润额增长率环比为5.6%,同比为21.1%。其中,一个单位周期的长度例如为一个月或一年,具体可根据实际应用场景进行灵活设定。具有某市场属性的物品的市场利润额的环比增速的计算过程为:(本期市场利润额-上期市场利润额)/上期市场利润额;同比增速的计算过程为:(本期市场利润额-同期市场利润额)/同期市场利润额。
B5:市场物品数量增速:用于衡量具有某市场属性的物品的当前市场物品数量的环比和同比增长率。例如:具有某市场属性“口味-香甜味”的物品“饼干”的市场物品数量的增长率环比为23.2%,同比为12.5%。其中,一个单位周期的长度例如为一个月或一年,具体可根据实际应用场景进行灵活设定。具有某市场属性的物品的市场物品数量的环比增速的计算过程为:(本期市场物品数量-上期市场物品数量)/上期市场物品数量;同比增速的计算过程为:(本期市场物品数量-同期市场物品数量)/同期市场物品数量。
在得到用于反映市场属性的当前市场现状的市场存量指标集A和用于反映市场属性的市场变化情况的市场变量指标集B之后,即可根据市场存量指标集A和市场变量指标集B构建市场画像。同样地,市场画像也包括与A和B相对应的5个方面。假设市场画像为集合C,那么,市场画像集C即包括5个子集:{C1:市场稳定画像、C2:市场销售画像、C3:市场流量画像、C4:市场盈利画像、C5:市场集中画像}。
C1:市场稳定画像,根据“A1:市场消费者忠诚度”和“B1:市场消费者转移度”这两个指标构建。
市场稳定画像用于描述一个市场属性所对应的细分市场的稳定性。消费者忠诚度越高,表明该市场属性的消费者越忠诚,即对应的细分市场也越稳定。转移度越高,表明该市场属性的消费者容易向其他市场属性转移,即对应的细分市场越容易被蚕食(侵占、替代)。
如图5所示,是本发明一个实施例的市场稳定画像示意图。根据本发明的一个实施例,可根据市场消费者忠诚度和市场消费者转移度构建一个四象限的市场稳定画像,以将整个市场划分为:发育成熟、成长性良好、市场衰退和市场未发育四种类型。其中,本发明实施例的四象限的市场稳定画像在构建时,可根据之前统计分析得到的市场消费者忠诚度和市场消费者转移度这两个指标的指标值来确定四象限坐标系的原点位置。一般地,可以这两个指标的指标值的中间平均值作为坐标原点。品牌商可以通过“市场稳定画像”了解所要进入的细分市场是否足够稳定。
C2:市场销售画像,根据“A2:市场销售额占有率”和“B2:市场销售额增速”这两个指标构建。
市场销售画像用于描述一个市场属性所在的细分市场的销售表现,市场销售额占有率越高,表明该市场属性的市场份额越大。市场销售额增速越高,表明该市场属性对应的细分市场未来销售潜力越大。
图6是本发明一个实施例的市场销售画像示意图。如图6所示,根据本发明的一个实施例,可根据市场销售额占有率和市场销售额增速构建一个四象限的市场销售画像,以将整个市场划分为:新兴市场、明星市场、衰退市场和成熟市场四种类型。其中,本发明实施例的四象限的市场销售画像在构建时,可根据之前统计分析得到的市场销售额占有率和市场销售额增速这两个指标的指标值来确定四象限坐标系的原点位置。一般地,可以这两个指标的指标值的中间平均值作为坐标原点。品牌商可以通过“市场销售画像”了解所要进入的细分市场是否足够有销售成长潜力。
C3:市场流量画像,根据“A3:市场流量”和“B3:市场流量增速”这两个指标构建。
市场流量画像用于描述一个市场属性所在的细分市场的受关注程度,市场流量越高,表明该市场属性的越流行。市场流量增速越高,表明该市场属性对应的细分市场未来流行潜力更大。
图7是本发明一个实施例的市场流量画像示意图。如图7所示,根据本发明的一个实施例,可根据市场流量和市场流量增速构建一个四象限的市场流量画像,以将整个市场划分为:潜力市场、热点市场、衰退市场和成熟市场四种类型。其中,本发明实施例的四象限的市场流量画像在构建时,可根据之前统计分析得到的市场流量和市场流量增速这两个指标的指标值来确定四象限坐标系的原点位置。一般地,可以这两个指标的指标值的中间平均值作为坐标原点。品牌商可以通过“市场流量画像”了解所要进入的细分市场是否足够有足够的流行成长空间,是否会受到更多关注,能够吸引更多人流,等等。
C4:市场盈利画像,根据“A4:市场价格弹性”和“B4:市场利润额增速”这两个指标构建。
市场盈利画像用于描述一个市场属性所在的细分市场的盈利能力,市场价格弹性越高,表明该市场属性的市场越容易通过价格取得销量的提升。市场利润额增速越高,表明该市场属性对应的细分市场盈利空间越大。
图8是本发明一个实施例的市场盈利画像示意图。如图8所示,根据本发明的一个实施例,可根据市场价格弹性和市场利润额增速构建一个四象限的市场盈利画像,以将整个市场划分为:利基市场、明星市场、萌芽市场和竞争市场四种类型。其中,本发明实施例的四象限的市场盈利画像在构建时,可根据之前统计分析得到的市场价格弹性和市场利润额增速这两个指标的指标值来确定四象限坐标系的原点位置。一般地,可以这两个指标的指标值的中间平均值作为坐标原点。品牌商可以通过“市场盈利画像”了解所要进入的细分市场是否有销量提升和利润提升的盈利空间。
C5:市场集中画像,根据“A5:市场品牌集中度”和“B5:市场物品数量增速”这两个指标构建。
市场集中画像用于描述一个市场属性所在的细分市场的拥挤程度和竞争性,市场品牌集中度越高,表明该市场属性的市场竞争者越少,垄断性越明显,品牌间竞争性越弱。市场物品数量增速越高,表明该市场属性对应的细分市场的总体空间越大。
图9是本发明一个实施例的市场集中画像示意图。如图9所示,根据本发明的一个实施例,可根据市场品牌集中度和市场物品数量增速构建一个四象限的市场集中画像,以将整个市场划分为:竞争市场、垄断-竞争市场、成长市场和垄断市场四种类型。其中,本发明实施例的四象限的市场集中画像在构建时,可根据之前统计分析得到的市场品牌集中度和市场物品数量增速这两个指标的指标值来确定四象限坐标系的原点位置。一般地,可以这两个指标的指标值的中间平均值作为坐标原点。品牌商可以通过“市场集中画像”了解所要进入的细分市场是否有很强的竞争性和开拓空间。
根据前面所介绍的内容,即可通过对物品属性进行拆分以得到市场属性,然后为每个市场属性分别建立市场存量指标集和市场变量指标集,并根据市场存量指标集和市场变量指标集构建市场画像,能够结合当前市场现状和市场变化情况充分描述物品属性特点,并为物品属性建立独特的“市场画像”,使得品牌商可根据市场画像,全面洞察一个物品的属性及市场属性的市场特点,从多方位了解进入一个细分市场的前景和机会。和传统的属性趋势方法相比,能够在观测当前状态的情况下,很好的了解未来市场的变化(包括潜在的竞争对手、潜在的趋势特点等),因此可以更好地应用于品牌商在一个新市场做产品开拓、市场进入、新品开发、老品换代等等场景,为品牌商决策提供丰富的数据分析依据和洞察指引。市场画像所在的四象限坐标轴体系,还可以根据用户的实际需求,决定是否添加新的参数和指标,以用于市场监控和参考,因此具备迁移和复用价值。
下面结合图10以上述五个市场画像中的“市场稳定画像”为例来说明本发明的市场画像的应用场景。图10是本发明一个实施例的市场吸引力的量化坐标表示意图。
在本发明的实施例中,将某品类E的物品的物品属性“品牌”,根据该物品属性对应的属性值(例如包括:品牌1、品牌2、品牌3、品牌4、品牌5、品牌6、品牌7、品牌8、品牌9、品牌10)进行拆分,可以得到10个市场属性(例如包括:品牌-品牌1,品牌-品牌2,……,品牌-品牌10)。之后,分别计算这10个市场属性对应的市场消费者忠诚度和市场消费者转移度,计算结果以金额(万元)为单位。
然后,以市场消费者忠诚度(简称“忠诚度”)的指标值为横轴,以市场消费者转移度(简称“转移度”)的指标值为纵轴,以这两个指标的指标值的中间平均值为坐标原点,基于“市场稳定画像”来构建四象限的市场吸引力的量化坐标表。构建的市场吸引力的量化坐标表如图10所示。
从图10中可以看出,在品类E中,如果将每一个品牌看作为一个细分市场,那么从图中可以明显看出,品牌1是最稳定的(即:市场属性1是最稳定的),因为其市场消费者忠诚度最高,且市场消费者转移度最低,表明品牌1的消费者不容易被转移到其他品牌去。相反,品牌6这个品牌的物品(即:具有市场属性6的物品),其市场消费者忠诚度较低,且市场消费者转移度较高,说明这个品牌容易被其他品牌替代。
进一步地,还可以通过将图10中的属性“品牌”替换为属性“颜色”、“材质”等等,进而从中了解到究竟哪一个细分市场更稳定,这将有助于品牌商或商家及时、充分了解自己后续的产品资源应该重点往哪个市场投入,以及投入之后会有什么效果。
图11是根据本发明实施例的构建市场画像的装置的主要模块示意图。如图11所示,本发明实施例的构建市场画像的装置1100主要包括属性拆分模块1101、指标集建立模块1102和画像构建模块1103。
属性拆分模块1101用于根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;
指标集建立模块1102用于为每个市场属性分别建立市场存量指标集和市场变量指标集,市场存量指标集是反映市场属性的当前市场现状的指标集合,市场变量指标集是反映市场属性的市场变化情况的指标集合;
画像构建模块1103用于根据市场存量指标集和市场变量指标集构建市场画像。
根据本发明的一个实施例,市场存量指标集包括市场消费者忠诚度,市场变量指标集包括市场消费者转移度,市场画像包括市场稳定画像,并且,画像构建模块1103还可以用于:
根据市场消费者忠诚度和市场消费者转移度这两个指标构建市场稳定画像。
根据本发明的另一个实施例,市场存量指标集包括市场销售额占有率,市场变量指标集包括市场销售额增速,市场画像包括市场销售画像,并且,画像构建模块1103还可以用于:
根据市场销售额占有率和市场销售额增速这两个指标构建市场销售画像。
根据本发明的又一个实施例,市场存量指标集包括市场流量,市场变量指标集包括市场流量增速,市场画像包括市场流量画像,并且,画像构建模块1103还可以用于:
根据市场流量和市场流量增速这两个指标构建市场流量画像。
根据本发明的又一个实施例,市场存量指标集包括市场价格弹性,市场变量指标集包括市场利润额增速,市场画像包括市场盈利画像,并且,画像构建模块1103还可以用于:
根据市场价格弹性和市场利润额增速这两个指标构建市场盈利画像。
根据本发明的再一个实施例,市场存量指标集包括市场品牌集中度,市场变量指标集包括市场物品数量增速,市场画像包括市场集中画像,并且,画像构建模块1103还可以用于:
根据市场品牌集中度和市场物品数量增速这两个指标构建市场集中画像。
根据本发明实施例的技术方案,市场画像为四象限画像。
另外,本发明实施例的构建市场画像的装置1100还可以包括吸引力量化模块(图中未示出),用于:根据市场画像,构建市场吸引力的量化坐标表。
根据本发明实施例的技术方案,通过对物品属性进行拆分以得到市场属性,然后为每个市场属性分别建立市场存量指标集和市场变量指标集,并根据市场存量指标集和市场变量指标集构建市场画像,能够结合当前市场现状和市场变化情况充分描述物品属性特点,并为物品属性建立独特的“市场画像”,使得品牌商可根据市场画像,全面洞察一个物品的属性及市场属性的市场特点,从多方位了解进入一个细分市场的前景和机会。和传统的属性趋势方法相比,能够在观测当前状态的情况下,很好的了解未来市场的变化(包括潜在的竞争对手、潜在的趋势特点等),因此可以更好地应用于品牌商在一个新市场做产品开拓、市场进入、新品开发、老品换代等等场景,为品牌商决策提供丰富的数据分析依据和洞察指引。市场画像所在的四象限坐标轴体系,还可以根据用户的实际需求,决定是否添加新的参数和指标,以用于市场监控和参考,因此具备迁移和复用价值。
图12示出了可以应用本发明实施例的构建市场画像的方法或构建市场画像的装置的示例性***架构1200。
如图12所示,***架构1200可以包括终端设备1201、1202、1203,网络1204和服务器1205。网络1204用以在终端设备1201、1202、1203和服务器1205之间提供通信链路的介质。网络1204可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备1201、1202、1203通过网络1204与服务器1205交互,以接收或发送消息等。终端设备1201、1202、1203上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备1201、1202、1203可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器1205可以是提供各种服务的服务器,例如对用户利用终端设备1201、1202、1203所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的构建市场画像的方法一般由服务器1205执行,相应地,构建市场画像的装置一般设置于服务器1205中。
应该理解,图12中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图13,其示出了适于用来实现本发明实施例的终端设备或服务器的计算机***1300的结构示意图。图13示出的终端设备或服务器仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图13所示,计算机***1300包括中央处理单元(CPU)1301,其可以根据存储在只读存储器(ROM)1302中的程序或者从存储部分1308加载到随机访问存储器(RAM)1303中的程序而执行各种适当的动作和处理。在RAM 1303中,还存储有***1300操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。
以下部件连接至I/O接口1305:包括键盘、鼠标等的输入部分1306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1307;包括硬盘等的存储部分1308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1310上,以便于从其上读出的计算机程序根据需要被安装入存储部分1308。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1309从网络上被下载和安装,和/或从可拆卸介质1311被安装。在该计算机程序被中央处理单元(CPU)1301执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括属性拆分模块、指标集建立模块和画像构建模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,属性拆分模块还可以被描述为“用于根据物品属性对应的属性值对物品属性进行拆分以得到市场属性的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;为每个市场属性分别建立市场存量指标集和市场变量指标集,所述市场存量指标集是反映市场属性的当前市场现状的指标集合,所述市场变量指标集是反映市场属性的市场变化情况的指标集合;根据所述市场存量指标集和所述市场变量指标集构建市场画像。
根据本发明实施例的技术方案,通过对物品属性进行拆分以得到市场属性,然后为每个市场属性分别建立市场存量指标集和市场变量指标集,并根据市场存量指标集和市场变量指标集构建市场画像,能够结合当前市场现状和市场变化情况充分描述物品属性特点,并为物品属性建立独特的“市场画像”,使得品牌商可根据市场画像,全面洞察一个物品的属性及市场属性的市场特点,从多方位了解进入一个细分市场的前景和机会。和传统的属性趋势方法相比,能够在观测当前状态的情况下,很好的了解未来市场的变化(包括潜在的竞争对手、潜在的趋势特点等),因此可以更好地应用于品牌商在一个新市场做产品开拓、市场进入、新品开发、老品换代等等场景,为品牌商决策提供丰富的数据分析依据和洞察指引。市场画像所在的四象限坐标轴体系,还可以根据用户的实际需求,决定是否添加新的参数和指标,以用于市场监控和参考,因此具备迁移和复用价值。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (18)
1.一种构建市场画像的方法,其特征在于,包括:
根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;
为每个市场属性分别建立市场存量指标集和市场变量指标集,所述市场存量指标集是反映市场属性的当前市场现状的指标集合,所述市场变量指标集是反映市场属性的市场变化情况的指标集合;
根据所述市场存量指标集和所述市场变量指标集构建市场画像。
2.根据权利要求1所述的方法,其特征在于,所述市场存量指标集包括市场消费者忠诚度,所述市场变量指标集包括市场消费者转移度,所述市场画像包括市场稳定画像,并且,
根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:
根据所述市场消费者忠诚度和所述市场消费者转移度这两个指标构建所述市场稳定画像。
3.根据权利要求1所述的方法,其特征在于,所述市场存量指标集包括市场销售额占有率,所述市场变量指标集包括市场销售额增速,所述市场画像包括市场销售画像,并且,
根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:
根据所述市场销售额占有率和所述市场销售额增速这两个指标构建所述市场销售画像。
4.根据权利要求1所述的方法,其特征在于,所述市场存量指标集包括市场流量,所述市场变量指标集包括市场流量增速,所述市场画像包括市场流量画像,并且,
根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:
根据所述市场流量和所述市场流量增速这两个指标构建所述市场流量画像。
5.根据权利要求1所述的方法,其特征在于,所述市场存量指标集包括市场价格弹性,所述市场变量指标集包括市场利润额增速,所述市场画像包括市场盈利画像,并且,
根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:
根据所述市场价格弹性和所述市场利润额增速这两个指标构建所述市场盈利画像。
6.根据权利要求1所述的方法,其特征在于,所述市场存量指标集包括市场品牌集中度,所述市场变量指标集包括市场物品数量增速,所述市场画像包括市场集中画像,并且,
根据所述市场存量指标集和所述市场变量指标集构建市场画像包括:
根据所述市场品牌集中度和所述市场物品数量增速这两个指标构建所述市场集中画像。
7.根据权利要求1-6中任一所述的方法,其特征在于,所述市场画像为四象限画像。
8.根据权利要求1所述的方法,其特征在于,还包括:根据所述市场画像,构建市场吸引力的量化坐标表。
9.一种构建市场画像的装置,其特征在于,包括:
属性拆分模块,用于根据物品属性对应的属性值对物品属性进行拆分以得到市场属性;
指标集建立模块,用于为每个市场属性分别建立市场存量指标集和市场变量指标集,所述市场存量指标集是反映市场属性的当前市场现状的指标集合,所述市场变量指标集是反映市场属性的市场变化情况的指标集合;
画像构建模块,用于根据所述市场存量指标集和所述市场变量指标集构建市场画像。
10.根据权利要求9所述的装置,其特征在于,所述市场存量指标集包括市场消费者忠诚度,所述市场变量指标集包括市场消费者转移度,所述市场画像包括市场稳定画像,并且,
所述画像构建模块还用于:
根据所述市场消费者忠诚度和所述市场消费者转移度这两个指标构建所述市场稳定画像。
11.根据权利要求9所述的装置,其特征在于,所述市场存量指标集包括市场销售额占有率,所述市场变量指标集包括市场销售额增速,所述市场画像包括市场销售画像,并且,
所述画像构建模块还用于:
根据所述市场销售额占有率和所述市场销售额增速这两个指标构建所述市场销售画像。
12.根据权利要求9所述的装置,其特征在于,所述市场存量指标集包括市场流量,所述市场变量指标集包括市场流量增速,所述市场画像包括市场流量画像,并且,
所述画像构建模块还用于:
根据所述市场流量和所述市场流量增速这两个指标构建所述市场流量画像。
13.根据权利要求9所述的装置,其特征在于,所述市场存量指标集包括市场价格弹性,所述市场变量指标集包括市场利润额增速,所述市场画像包括市场盈利画像,并且,
所述画像构建模块还用于:
根据所述市场价格弹性和所述市场利润额增速这两个指标构建所述市场盈利画像。
14.根据权利要求9所述的装置,其特征在于,所述市场存量指标集包括市场品牌集中度,所述市场变量指标集包括市场物品数量增速,所述市场画像包括市场集中画像,并且,
所述画像构建模块还用于:
根据所述市场品牌集中度和所述市场物品数量增速这两个指标构建所述市场集中画像。
15.根据权利要求9-14中任一所述的装置,其特征在于,所述市场画像为四象限画像。
16.根据权利要求9所述的装置,其特征在于,还包括吸引力量化模块,用于:
根据所述市场画像,构建市场吸引力的量化坐标表。
17.一种构建市场画像的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810824978.8A CN110766424A (zh) | 2018-07-25 | 2018-07-25 | 构建市场画像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810824978.8A CN110766424A (zh) | 2018-07-25 | 2018-07-25 | 构建市场画像的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110766424A true CN110766424A (zh) | 2020-02-07 |
Family
ID=69327190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810824978.8A Pending CN110766424A (zh) | 2018-07-25 | 2018-07-25 | 构建市场画像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766424A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200612B (zh) * | 2020-10-14 | 2024-01-09 | 红云红河烟草(集团)有限责任公司 | 一种基于卷烟市场数据的分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040243432A1 (en) * | 2001-11-13 | 2004-12-02 | Revenue Management Systems, Inc. | Method for assigning retail units to economic markets |
CN1581146A (zh) * | 2003-08-07 | 2005-02-16 | ***通信集团公司 | 市场竞争强度评估方法 |
US20140019210A1 (en) * | 2012-07-12 | 2014-01-16 | Jose Luis Beltran Guerrero | Determining product price |
JP2014215715A (ja) * | 2013-04-23 | 2014-11-17 | 日本電信電話株式会社 | 市場情勢変化分析装置及び方法 |
CN106779835A (zh) * | 2016-12-12 | 2017-05-31 | 章哲成 | 一种基于零售户的卷烟品牌市场竞争力测定方法 |
KR101850753B1 (ko) * | 2017-04-27 | 2018-05-31 | 한국과학기술정보연구원 | 유사기업 선정 기반의 시장 규모 및 예상 매출액 추정 장치 및 방법 |
-
2018
- 2018-07-25 CN CN201810824978.8A patent/CN110766424A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040243432A1 (en) * | 2001-11-13 | 2004-12-02 | Revenue Management Systems, Inc. | Method for assigning retail units to economic markets |
CN1581146A (zh) * | 2003-08-07 | 2005-02-16 | ***通信集团公司 | 市场竞争强度评估方法 |
US20140019210A1 (en) * | 2012-07-12 | 2014-01-16 | Jose Luis Beltran Guerrero | Determining product price |
JP2014215715A (ja) * | 2013-04-23 | 2014-11-17 | 日本電信電話株式会社 | 市場情勢変化分析装置及び方法 |
CN106779835A (zh) * | 2016-12-12 | 2017-05-31 | 章哲成 | 一种基于零售户的卷烟品牌市场竞争力测定方法 |
KR101850753B1 (ko) * | 2017-04-27 | 2018-05-31 | 한국과학기술정보연구원 | 유사기업 선정 기반의 시장 규모 및 예상 매출액 추정 장치 및 방법 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200612B (zh) * | 2020-10-14 | 2024-01-09 | 红云红河烟草(集团)有限责任公司 | 一种基于卷烟市场数据的分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103823908B (zh) | 基于用户偏好的内容推荐方法和服务器 | |
Li et al. | Offensive pricing strategies for online platforms | |
Yang et al. | Big data market optimization pricing model based on data quality | |
Miklošík | Changes in purchasing decision-making process of consumers in the digital era | |
EP2631851A1 (en) | Digital consumer data model and customer analytic record | |
CN110348921B (zh) | 门店物品选取的方法和装置 | |
US11295154B2 (en) | Physical item optimization using velocity factors | |
CN112215448A (zh) | 分配客服的方法和装置 | |
CN113781139A (zh) | 物品推荐方法、物品推荐装置、设备和介质 | |
CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
CN112749323A (zh) | 一种构建用户画像的方法和装置 | |
CN114581140A (zh) | 一种广告投放楼盘的推荐方法、装置及电子设备 | |
CN114493786A (zh) | 一种信息推荐方法及装置 | |
CN112100511B (zh) | 一种偏好程度数据获得方法、装置以及电子设备 | |
CN110766424A (zh) | 构建市场画像的方法和装置 | |
CN116681463A (zh) | 销量预测方法、***、设备及存储介质 | |
Chen | [Retracted] High‐Concurrency Big Data Precision Marketing and Advertising Recommendation under 5G Wireless Communication Network Environment | |
CN106484701A (zh) | 一种基于业务对象的信息展示方法和装置 | |
CN115249140A (zh) | 用于放置库存物品的智能计算机功能及可视化 | |
CN110738538B (zh) | 识别相似物品的方法和装置 | |
CN110347923B (zh) | 一种可回溯的快速裂变式构建用户画像的方法 | |
CN111784091B (zh) | 用于处理信息的方法和装置 | |
CN109583922B (zh) | 分析购买需求的方法和装置 | |
CN113159877A (zh) | 数据处理方法、装置、***、计算机可读存储介质 | |
CN113449175A (zh) | 热点数据的推荐方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |