在客户分类指标的选择中，学者们大多基于客户细分理论，即五维度细分，地理细分、人口细分、行为细分、心理细分和价格–利益细分[1]。王萍[2]、闫相斌[3]等用客户特征变量和购买记录变量来分析客户的购买行为；尹朝阳[4]、李苏建[5]等指出卷烟客户分类要考虑客户销售行为和基本属性等因素；蒋国瑞[6]、万映红[7]等也选择客户行为的频数属性和基本属性对客户进行分类研究。客户分类是客户分析的基础，对分类后的数据进行挖掘更具针对性。学者们对于聚类算法应用于客户细分的探索和实践已有较多案例。如P-median聚类、K-means、SOM、系统聚类、模糊C均值(FCM))聚类等[8]。ChenS.等提出利用模糊层次分析法来评价B2C电商公司的客户价值[9]。叶志龙等改进RFM模型从当前价值、潜在价值、忠诚度三个方面建立适用于线上企业的客户价值评价及分类指标体系[10]。
已有的文献为本文进行零售客户的精准分类提供了有益的借鉴，但仍然存在着一些不足。一是，行业内的文献多从经营维度来对零售客户进行分类，未考虑客户本身的行为特征；二是，部分文献对零售客户分类结果的应用多从投放角度考虑，未考虑客户服务。为此，本文针对诚信互助小组的运营目标设计问卷，对问卷数据进行预处理后保留有效数据，并利用K-means聚类算法进一步细分客户。
3.研究方法
3.1.客户标签库建立–问卷指标的设计
在2018年全国网建(浙江)现场会上，国家局提出：“要将小组建设作为一项基础性、系统性、长期性工作，反复抓，抓反复，使之真正成为密切客我关系、提升渠道掌控力的长效举措。”社区运营化的特征是以共同的兴趣、爱好、利益吸引聚集，做有态度的内容，做圈层化互动，以实现互帮互助，共建共赢。对于现存的诚信互助小组活动参与度与活力不够、组长的作用不突出问题，如何挖掘客户真正需求及潜在价值是关键，根据客户细分理论，一般从外在属性、内在属性、消费行为分类等方面考虑。本文从人像指标、店铺属性、经营属性、行为特征四个维度设计零售客户问卷，通过四个维度的描述，分类并挖掘客户价值，进而指导社区小组运营，引导互助互利互赢。
Table1.Indexsystemofcigaretteretailcustomerquestionnaire
①人像指标：主要从地理位置、性别、年龄段、学历背景、年收入进行衡量，地理位置用于筛选特定样本，性别等指标可直接反应出烟草零售客户的内在属性。②店铺属性：主要从市场类型、业态类型、前柜数量、背柜数量、经营面积指标进行衡量，反映出当前店铺的基本情况。③经营属性：主要从有品吸区、经营偏好、终端类型、扫描系统情况进行衡量，反应出零售户对卷烟销售的经营偏好。④行为特征：评价指标主要为兴趣爱好，是反映小组成员个性化特征的重要指标。
指标体系中背柜数量、前柜数量、卷烟经营面积为定量指标，其余均为定性指标。本次问卷共收回1117份，有效问卷730份，有效率65.4%。
3.2.基于K-means聚类的客户分类方法
本文选择K-means聚类分类法，K-means是一种快速聚类法，算法能够处理大数据，具有高效率的优点，且模型的解释性强，应用广泛。具体实现过程为：事先指定分类数k，算法开始随机从数据集选择k个样本点作为初始聚类点，然后遍历整个数据集的各个样本，将每个样本归到离它最近的初始点所在的类中，之后以各个类的记录的均值中心点取代之前的初始聚类点，如此不断迭代运算，直到目标函数J的取值不再发生变化为止，实现收敛，循环迭代的次数可以人为设定。
本文基于社群运营的五类典型人群“教父型”、“圈子型”、“学习型”、“服务型”、“产品型”，将分类类别定为5。
K-means分类实施步骤如下：
第一步：首先筛选唐山市样本，并对数据进行预处理。考虑数据合理性，卷烟经营面积通常小于70m2，前柜数量通常小于13，背柜数量通常小于8。共剔除无效数据387个，剩余有效数据730个。
第三步：将处理后的15个指标带入K-means分类模型，分类设置为5，迭代10次，得出分类结果。
Table2.Clusteringeffectindicators
3.3.客户特征提取
对客户特征的描述是分类研究的最终目标，客户特征的描述需结合市场实际。社群化运营的关键是小组成员的粘度。围绕“圈层、兴趣、内容、利益”展开研究，“圈层”能反应小组成员的社会交际匹配度，健康的圈层能更大激发出小组成员的有效互动；“兴趣”是维持小组长期共存的重要纽带；“内容”是可以反应小组成员销售行为特征，也是小组培育的出发点；“利益”互帮互助、互利共赢维系的纽带，能体现小组成员经营性特征及方向。
本文运用描述统计法提取分类特征，对各类零售用户的人像指标、店铺属性、经营属性、行为特征四个维度指标进行分析对比。由于数据多为定性指标，适合众数、频率分析来提取关键信息，进行纵向、横向对比分析。
4.基于唐山市零售客户的实证分析
4.1.零售客户分类结果分析
本文基于调查问卷数据，以730个唐山市零售客户为例，通过对数据进行预处理，采用K-means方法完成零售客户的分类，共分成五类，第一类116个、第二类96个、第三类166个、第四类174个，第五类178个。
Table3.Characteristicsofcigaretteretailcustomerclassificationresults
从人像指标看，第一类、第二类客户多为中等收入，第四类用户多为女性群体；从店铺属性看，第四类、第五类用户主要为农网类型，第三类、第四类、第五类多为便利店业态，第一类、第二类客户店铺背柜、前柜及经营面积相对更大更多；从经营属性看，第二类客户更多设有品吸区，第一类、第二类客户的经营偏好偏向卷烟类和酒类。而第四类客户偏向卷烟和其他类，其他主要为日用百货；从行为特征看，第一类客户和第五类客户更多爱好运动，第二类客户爱好旅行，第三类客户爱好阅读，第四类客户爱好其他。
可见第一类零售户主要特征为城网、中等收入、卷烟经营店面较大、爱好运动；第二类零售户较第一类为城网、中等收入、设置有品吸区、爱好旅行；第三类零售户为城网、低收入群、小型便利店铺、爱好阅读；第四类零售户为农网、女性、低收入群、经营卷烟及其他零售品，爱好特别；第五类零售户农网、低收入群、小型卷烟便利店铺、爱好运动。
4.2.各类客户特征分析及服务建议
Figure1.Interestandhobbycharacteristicsofretailersbycategory
可见，第一类零售户除运动外，对文娱和阅读同样感兴趣，第二类人群更偏向旅行及社交；第三类零售户爱好阅读和旅行，第四类零售户爱好其他及社交，第五类零售户爱好运动及文娱。
基于社群运营的典型特征，结合分类结果分析，将五类零售用户分别定义为“产品型”、“教父型”、“学习型”、“兴趣型”、“圈子型”，并针对性提出烟草服务建议。
第一类零售户主要为经营城网的较大烟酒店铺，合作方式为非加盟及合作，终端类型多为普通及一般现代终端，客户经营偏好为烟酒类，近一半零售户设有吸烟品区，爱好运动的中等收入群。这类社群的特点为产品较好，烟类品种丰富，且服务达到一定规模，对于产品型社群，产品承载了功能属性和情感，此类社群的关键是维持较高的参与度，提升小组成员的尊重和认同感。建议从打造新品宣传平台、以共同促进新品上柜的目标，推广优秀产品，聚合社群，刺激营销。运动类爱好特征推荐饮料类服务搭配。
第三类零售户主要为城网偏小型商铺，非烟酒、非娱乐业态类型，无设置吸烟品区，多爱好阅读及旅行。此类群体定位为学习型社群，学习型社群特定是内容为主，用户大多热衷学习知识，因共同需求形成某一特定人群。对于卷烟零售户学习社群，此类群体较为特定，对于产品的热衷需进一步加强为对品牌的认同，但存在壁垒，需激发成员的“上进心”。建议以活动形式激发社群热情及参与度，增强社群小组成员的归属感，通过打造经营技巧，法律法规培训平台，提升客户技能，增强诚信意识，提升客户盈利，通过行业政策宣传、行业发展形势宣传平台，增强客户信心。服务推荐搭配食品、零食类营销。
第四类零售户主要为农网、业态类型有较多的娱乐服务业，基本为无吸烟品区，经营偏好为其他，女性群体，爱好社交、公益及其他。此类群体特征突出，定位为兴趣型社群，是指拥有特殊兴趣爱好的用户群体，群用户比较容易活跃，用户持续稳定，转化效率高。建议提升社群的情怀，营销模式的多样性，挖掘兴趣中的利他因素，结合自身特点特长，形成终极目标，在建群之初就大力宣传。如从日用百货入手，建立服务。建议搭建新兴的线上线下烟草互动聊天群，让大家更多的相聚交流、娱乐，利用活动推广产品来赚取利润。
5.结论
本文首先建立烟草社群零售户的问卷指标，从人像指标、店铺属性、经营属性、行为特征四个维度建立指标体系，共16个二级指标。问卷回收1117份，文本研究唐山市零售户特征，利用K-means聚类将730个零售户划分为五类，模型有效。通过数据的挖掘，实现了零售户的精准分类，诚信互相小组可分为五类典型社群，即“产品型”、“教父型”、“学习型”、“兴趣型”、“圈子型”。研究发现产品型社群主要为城网烟草规模较大的零售户，教父型主要为城网经营中等规模烟酒店的零售户，学习型主要为城网小型超市便利商铺的零售户，兴趣型主要为农网女性经营的零售户，圈子型主要为农网中年经营超市的卷烟零售户。各类客户特征突出。
基于零售客户不同的优势特点，本文提出了针对性的管理服务建议，有利于实现对于零售客户群体的个性化服务，有利于优化企业资源配置，对于培育卷烟品牌，推动卷烟发展水平有积极作用。