编者按
产物生命周期经管在数字经济发展过程中是必不可少的，在零售快消行业可用来指导产物的以销定采和精准投放，在IT行业可帮助软件应用等产物的开发进程经管，同时还也会对环境经管产生影响，对建筑业在节能减排、减轻环境污染层面起到帮助作用。
因此，及时把控产物生命周期进程，用数据智能技术赋能经管至关重要。百分点数据科学实验室鉴于产物生命周期理论在多个行业的落地实践，总结了如何准确把握产物生命周期的四个阶段及辨认方法论。
众所周知，一种产物在商场上的销售情况和获利能力并非是一成不变的，因此，任何一家企业的产物不可能永远畅销，但企业可以尽量延长产物盈利的周期，并且在主流产物进入衰退期时，及时研发补充新的产物。
在企业数字化转型过程中，产物生命周期经管是数据和产物开发经管的支柱，企业可以通过产物生命周期来判别一项新产物在该商场的销售状况，从而确定企业在该产物上的商场战略。
一、把控产物生命周期四个阶段
产物生命周期是产物在商场运动中的经济寿命，其反映了一个特定商场对某一特定产物的需求随光阴变动的规律。
产物生命周期表现了产物从进入商场到退出商场的全过程。从初入商场时薄弱的知名度，到逐渐积累用户快速增长，再到用户基本饱和，开始在高位稳中有降，最后逐渐衰退淡出商场的过程即为一个产物完整的生命周期。
生命周期的转变由消费者需求、商场环境、营销决策和品牌知名度等影响因素所决定。生命周期的每个阶段会表现不同的特征。具体来看，生命周期可分为四个阶段：导入期、成长期、成熟期和衰退期，其特征如下：
图1 传统“S型曲线”及其生命周期特征
一般而言，产物生命周期经管的总体原则是缩短投入期、延长成长期、提升成熟期和争取在衰退期获利。具体政策如下图：
图2 产物生命周期经管原则
例如，TCL准确地把控液晶电视产物的生命周期，制定了相应的广告推广、渠道扩增政策。1996年，在导入期的TCL通过电视广告的形式大规模宣传其液晶电视的“高品质”特征；在产物成长期，为了抢占更多的商场份额，TCL于2002年开始实施向农村商场推广的政策，实现了渠道形式的扩增；随着产物进入成熟期，TCL于2005年在北京推出“我消费、我环保——回收你家中的电子垃圾”的环保促销活动，树立企业环保形象的同时，增加销售、促进废旧品的回收再造。
二、突破三大难点，准确辨认产物生命周期
行业中常用的辨认生命周期阶段的方法有曲线拟合法和模糊辨认法。生命曲线又称“S型曲线”，其表现的是销量随光阴变动的趋势：
图3 传统“S型曲线”
产物销量是表现产物发展最为直观、最具代表性的指标之一。鉴于曲线拟合的方式，可通过销量等指标来辨认生命周期的变动节点及当前时点所处的生命周期阶段。
曲线拟合法还可以结合销量预测模型，预测未来生命周期阶段是否可能出现变动。例如，巴斯模型（也称产物扩散模型）常用来分析商场对产物初期的推广效果、商场接受程度和最终的消费者应用过程。整个过程从产物销量及其相关系数入手，着重分析产物最初进入商场后的销售情况及扩散效果，即产物的导入期和成长期。对于处于这两个生命周期的产物，可以应用巴斯模型来预测未来销量，并结合曲线拟合的方法来预测产物在近期是否会发生生命周期的变动。
值得注意的是，虽然曲线拟合和预测的过程是应用数学函数解读营业逻辑的过程，但数学函数严谨客观，而营业逻辑受主观认知影响，因此，如何合理地辨认产物特征并利用数学逻辑解读营业，是辨认生命周期的难点，具体表现在以下三个方面：
（1）曲线的选择
• 困难描述：“S型曲线”是最标准的生命曲线，但并非所有产物都符合S型。一些品规在导入期销量有小幅度的下降，并且导入期较长，直至进入成长期开始才有销量的提升；而有些品规不存在明显的导入期，一入市销量便持续升高。不同类型的品规的生命周期表现了不同的形式，不能应用统一的曲线进行解释。
• 应对政策：通过引入四种曲线对不同形状的产物生命曲线进行拟合，进而更好地适应多种特征的产物。本文参考的曲线有如下四种，除传统的三次函数以外，还可以引入修正的指数函数、逻辑函数及线性函数：
图4 四种函数及其超参数解释范围
选择拟合误差最小的曲线作为最优曲线，并以最优曲线的超参数定义生命周期阶段。不同曲线对应的超参数范围所对应的生命周期阶段如上图所示。
（2）拟合的方式
• 困难描述：由于生命周期曲线是一条经过抽象化了的典型曲线，各行业按照实际销售量绘制出来的曲线远不如这样光滑规则，用于拟合曲线的光阴序列数据往往存在着周期性和趋势性，因此，应用季节性较强的数据拟合曲线会导致计算误差。
• 应对政策：在拟合曲线之前，可以将光阴序列进行拆分，拆分为趋势性、季节性和随机性，并应用提取出的趋势性拟合四种曲线。此时曲线的误差会降低，受特殊值的影响减弱，证明选择的曲线更为合理。
图5 从上到下分别：原始序列、趋势序列、季节序列、随机序列
（3）结果的调整
• 问题描述：在应用最适合的曲线拟合数据后，需要根据超参数范围判别其所处生命周期阶段。但此时可能出现超参数解释和营业解释有偏差的问题，其主要原因是，应用超参数划分的生命周期阶段是运用严谨的“数学公式”解读的结果，而营业解释是带有一定主观性的，因此，如果仅采用超参数划分生命周期，就会影响模型结果的可解释性。
• 应对政策：在对系列中全部产物进行拟合曲线求解超参数后，再分别对每个曲线每个周期所包含的产物数据做光阴序列聚类，其目的是对“数学公式”研判的生命周期结果按数据形状进行主观调整。本文采取的光阴序列聚类方法为DTW+KMeans聚类法。其中DTW（Dynamictime Warping）法是用于衡量不等长光阴序列间距离的算法，对于长短不一或光阴不对齐的光阴序列，传统的欧氏距离无法有效计算两个光阴序列间的距离，特别是在峰值的时候。因此，应用鉴于DTW法计算的距离对光阴序列做KMeans聚类更为合理。
图6 传统欧氏距离计算方法（左）与DTW距离计算方法（右）
以香烟月度工业销量数据为例，对于被三次函数判别为衰退期的香烟，其聚类结果如下图所示，左图所表现的香烟在销量达到最大值后有明显的下降趋势，营业解读上也属于已衰退的品规，而右图所表现的香烟虽也过了销量的最大值点，但降幅不大，甚至还有回升的可能，营业上仍处于成熟期的品规，因此将这类香烟的生命周期由衰退期调整为成熟期。
图7 被三次函数判别为“衰退期”品规的聚类结果
三、产物生命周期的创新应用场景
生命周期理论被广泛应用于各行各业，产物生命周期分析可以从新产物定价、产物成本控制政策，到产物与广告投放政策与风格制定等环节帮助企业制定决策。一般来说，产物生命周期主要有两个应用目标：
（1）现有品规的经管
生命周期被视为产物的标签，可跟踪公司产物组合中各个生命周期阶段品规数量的变动情况。例如，某烟草公司的10个产物在半年光阴里，衰退期品规由1个变为3个，此时公司便需要重点关注品规衰退的原因，是一上市销量就逐渐走低的“猝死”，还是在发展一段光阴后才衰亡，进而采取以新品替代或对已衰退品规进行改良的应对措施。
在烟草行业，每年一月的“元春商场”是香烟销量的爆点，但除了明显的周期性以外，不同曲线拟合的销量形状各不相同。其中逻辑函数拟合较好的曲线在销量明显变动后有进入平台期的趋势，指数函数拟合较好的曲线销量呈现持续快速增长或下降的趋势，三次函数拟合较好的曲线销量趋势有方向的变动，线性函数拟合较好的曲线销量涨幅或降幅保持不变。以下是某烟草公司产物销量的拟合情况：
图8 四种曲线拟合的销量示例
（2）同类企业的的对比关注
商场中同类公司或同类品牌的发展情况可作为竞品比对。关注其他公司推新速度与销量情况的同时，还应关注其产物生命周期情况，以此来判别同类公司所做的尝试是否成功，进而更新、调整自己的营销政策。
生命周期理论在零售快消等行业可用来指导产物的汰换、以销定采、精准投放，帮助产物研发政策；在烟草行业帮助工商、商业香烟投放政策以及定价政策，帮助工商协同与全品规流程化经管；在IT行业帮助软件应用等产物的开发进程经管。此外，产物生命周期的概念也可以应用于“需求生命周期”，即通过及时感知和辨认个人或企业的某种特定需求（如娱乐、教育、运输、社交、交流信息等）来判别其需求的生命周期阶段。例如，通过追踪某视频网站的浏览量变动来判别此网站所处的生命周期阶段等。
同时，产物生命周期也会对环境经管产生影响。“生命周期成本法”结合环境成本这一特殊元素，对环境成本进行确认、核算和披露，对每个生命周期阶段引起的环境成本进行计量，最终达到节约环境成本的目的。在建筑领域，由于建筑物是一种生命周期很长的产物，从原材料的开采、产物制造、应用到建筑拆除等维度对建筑物进行生命周期阶段划分，并纳入环境影响因素，可对建筑业在节能减排、减轻环境污染层面起到帮助作用。
因此，产物生命周期理论在数字经济发展和企业数字化转型过程中都是必不可少的，应及时把控产物生命周期进程，用数据智能技术赋能企业经管。
参考资料
[1]吴杰民. 鉴于生命周期的产物价值研究[D].武汉理工大学,2007.
[2]吴金海. 消费文化视野下的产物生命周期——一个消费社会学的探究[J]. 社会发展研究,2019,6(04):39-53+239.
[3]李世辉,韩庆兰. 鉴于生命周期成本经管的知识库构建研究[J]. 会计研究,2013(07):35-41+96.
[4]王玉. 工业化预制装配建筑的全生命周期碳排放研究[D].东南大学,2016.
[5]王玉燕. 鉴于产物生命周期理论的直销型闭环供应链的广告政策与定价政策[J]. 系统经管学报,2014,23(03):388-396.
百分点数据科学实验室成立于2015年，以“大数据科学+”为核心理念，致力于机器学习、深度学习及复杂统计理论方法的研究与创新，结合百分点科技集团营业优势，围绕应急风险预测、产业分析、区域经济分析、环境监测、消费者洞察、供应链优化、设备故障监测等营业场景，构建数据科学算法模型，落地智能决策应用、开展产学研合作、培养数据科学人才等。以AI和BI为重要支撑，数据科学实验室已服务数字城市、应急经管、生态环境、公共安全、零售、媒体出版、制造、汽车、金融等众多行业客户，帮助客户降本增效和科学决策。