來(lái)源：數(shù)據(jù)猿  作者：萬(wàn)智華

面對(duì)車企困局，大數(shù)據(jù)提供六大服務(wù)實(shí)現(xiàn)價(jià)值變現(xiàn)

伴隨汽車行業(yè)的發(fā)展，中國(guó)汽車產(chǎn)量由2007年的0.57億輛，到2015年1.72億輛保有量，汽車銷量8年間增長(zhǎng)了10倍，2015年中國(guó)成為世界第一大汽車產(chǎn)銷大國(guó)，但是產(chǎn)值增長(zhǎng)的同時(shí)利潤(rùn)率卻急速下滑。如何打破營(yíng)銷困局，成為車企亟待解決的問(wèn)題。擺在車企面前最迫切的問(wèn)題諸如：我的消費(fèi)者去哪了？如何提升與消費(fèi)者的溝通效率？如何更好的為消費(fèi)者服務(wù)？如何盤活企業(yè)沉睡的CRM資源？

消費(fèi)者模式下，以往汽車的銷售是一錘子買賣，車賣出后，車企與消費(fèi)者的關(guān)系也結(jié)束了。當(dāng)車企面臨市場(chǎng)困局時(shí)，如何才能更大的盤活用戶資源，并找到那些有購(gòu)車意愿甚至有汽車后市場(chǎng)需求的用戶，再與用戶建立緊密的聯(lián)系，這對(duì)于車企來(lái)說(shuō)很艱難，但尤為重要，通過(guò)大數(shù)據(jù)可以快速幫企業(yè)達(dá)成目標(biāo)，為車企開啟用戶價(jià)值循環(huán)模式。

比鄰弘科全面整合企業(yè)內(nèi)部數(shù)據(jù)和企業(yè)外部數(shù)據(jù)（企業(yè)內(nèi)部數(shù)據(jù)包括Crm、dms車企路演、車展、市場(chǎng)活動(dòng)、電視節(jié)目等所有留資用戶；全網(wǎng)外部數(shù)據(jù)是通過(guò)檢測(cè)用戶瀏覽內(nèi)容、評(píng)論、移動(dòng)設(shè)備、汽車自媒體、汽車評(píng)論、車型提問(wèn)、品牌口碑、搜索等抓取的潛在用戶）。

利用大數(shù)據(jù)挖掘技術(shù)，以消費(fèi)者為核心，為企業(yè)提供用戶洞察、擴(kuò)大銷售線索量、冷線索激活、車主信息補(bǔ)全、觸媒習(xí)慣分析、線索級(jí)別判斷等六大服務(wù)，將多場(chǎng)景、多維度、多種行為的數(shù)據(jù)與企業(yè)CRM數(shù)據(jù)、消費(fèi)者留資等信息有機(jī)融合，實(shí)現(xiàn)對(duì)用戶的全面了解，使之成為有價(jià)值的資產(chǎn)。

不管什么行業(yè)都會(huì)產(chǎn)生大量數(shù)據(jù)，即用戶資料，用戶資料會(huì)隨著企業(yè)的規(guī)模不斷變大甚至可以用海量來(lái)形容，比如車企、房產(chǎn)、金融、教育等，這些數(shù)據(jù)在企業(yè)手里是成本還是資產(chǎn)？如果是資產(chǎn)意味著數(shù)據(jù)可以變現(xiàn)，能掙錢，能流通。如果是成本則一定是花錢建系統(tǒng)，養(yǎng)工程師，躺在服務(wù)器上費(fèi)電還得伺候著。

那么比鄰是如何幫汽車企業(yè)將數(shù)據(jù)資產(chǎn)轉(zhuǎn)化成數(shù)據(jù)資本的呢？比鄰數(shù)據(jù)利用機(jī)器學(xué)習(xí)算法，對(duì)以消費(fèi)者為中心的數(shù)據(jù)關(guān)聯(lián)體系進(jìn)行深度學(xué)習(xí)，發(fā)現(xiàn)消費(fèi)者價(jià)值，促使數(shù)據(jù)資產(chǎn)轉(zhuǎn)換數(shù)據(jù)資本，將大數(shù)據(jù)處理過(guò)的數(shù)據(jù)資本交由銷售環(huán)節(jié)轉(zhuǎn)換，實(shí)現(xiàn)數(shù)據(jù)資本變現(xiàn)，同時(shí)，數(shù)據(jù)回流到企業(yè)內(nèi)部繼續(xù)壯大豐滿數(shù)據(jù)資產(chǎn)。

就這樣，原本躺在服務(wù)器里費(fèi)電的資料被大數(shù)據(jù)技術(shù)盤活，形成了不斷有新鮮資源補(bǔ)充的數(shù)據(jù)資產(chǎn)、數(shù)據(jù)資本和資金的生態(tài)閉環(huán)，并為企業(yè)生態(tài)鏈條上的市場(chǎng)部、銷售部、衍生業(yè)務(wù)部、售后服務(wù)部、生產(chǎn)部等的各個(gè)環(huán)節(jié)提供強(qiáng)大的數(shù)據(jù)服務(wù)支撐。資料到資產(chǎn)再到資金的不斷轉(zhuǎn)化與循環(huán)，協(xié)助企業(yè)構(gòu)建全新生態(tài)循環(huán)體系，幫助企業(yè)實(shí)現(xiàn)銷售變現(xiàn)的同時(shí)，全方位提升競(jìng)爭(zhēng)力，突破市場(chǎng)困局。

觀看汽車大數(shù)據(jù)精準(zhǔn)營(yíng)銷視頻

大數(shù)據(jù)如何對(duì)汽車用戶數(shù)據(jù)進(jìn)行技術(shù)處理？

如何將汽車數(shù)據(jù)資料變?yōu)閿?shù)據(jù)資產(chǎn)，并實(shí)現(xiàn)最終的變現(xiàn)？這其中最重要的是數(shù)據(jù)處理過(guò)程，比鄰弘科將企業(yè)內(nèi)部數(shù)據(jù)和全網(wǎng)抓取的外部數(shù)據(jù)源源不斷輸入大數(shù)據(jù)中心進(jìn)行處理。完成全部數(shù)據(jù)采集之后，開始進(jìn)行大數(shù)據(jù)技術(shù)處理。

第一步數(shù)據(jù)清洗，將超出正常范圍、邏輯不合理、自相矛盾的數(shù)據(jù)，無(wú)效值、缺失值清洗掉。

第二步數(shù)據(jù)融合，以消費(fèi)者為中心，使用關(guān)聯(lián)規(guī)則和設(shè)備指紋技術(shù)，將設(shè)備號(hào)、郵箱、社會(huì)學(xué)特征、興趣、行為、商品等數(shù)據(jù)信息有機(jī)關(guān)聯(lián)，并實(shí)現(xiàn)結(jié)構(gòu)化。

第三步脫敏，刪除所有敏感信息、隱私信息，最大限度保護(hù)消費(fèi)者隱私。

經(jīng)過(guò)三步處理的數(shù)據(jù)全部存儲(chǔ)到數(shù)據(jù)倉(cāng)庫(kù)，以備機(jī)器學(xué)習(xí)算法學(xué)習(xí)使用，機(jī)器學(xué)習(xí)算法以統(tǒng)計(jì)學(xué)為理論基礎(chǔ)，對(duì)已知訓(xùn)練數(shù)據(jù)做特征工程提取，利用統(tǒng)計(jì)分析算法，獲得規(guī)律，再運(yùn)用規(guī)律對(duì)未知數(shù)據(jù)做預(yù)測(cè)分析。

訓(xùn)練過(guò)程中淘汰準(zhǔn)確率低的模型，而保留高準(zhǔn)確率模型。如提取消費(fèi)能力標(biāo)簽，建立消費(fèi)能力預(yù)測(cè)模型；提取車型瀏覽標(biāo)簽，建立車型偏好判別模型；提取不同購(gòu)車階段行為標(biāo)簽，建立購(gòu)車階段預(yù)測(cè)模型。最終通過(guò)模型組合，形成新的預(yù)測(cè)模型，擴(kuò)展預(yù)測(cè)能力。未知數(shù)據(jù)經(jīng)過(guò)比鄰數(shù)據(jù)平臺(tái)的清洗、融合、脫敏、存儲(chǔ)、預(yù)測(cè)，不斷發(fā)掘出數(shù)據(jù)中潛在價(jià)值。

以汽車大數(shù)據(jù)購(gòu)買習(xí)慣為例，比鄰數(shù)據(jù)針對(duì)樣本用戶在電商類網(wǎng)站的購(gòu)買三大周期：前（瀏覽，搜索），中（瀏覽、比價(jià)、提問(wèn)），后（比價(jià)、下單），通過(guò)機(jī)器學(xué)習(xí)（數(shù)據(jù)挖掘）得到的特征對(duì)購(gòu)買習(xí)慣數(shù)據(jù)有更本質(zhì)的刻畫，從而建立相應(yīng)的購(gòu)買習(xí)慣預(yù)測(cè)模型。

模型建立后，通過(guò)比鄰數(shù)據(jù)專利算法進(jìn)行訓(xùn)練模型，比如品牌關(guān)注、瀏覽至購(gòu)買時(shí)長(zhǎng)、比價(jià)權(quán)重、頻次、優(yōu)惠權(quán)重、購(gòu)買額度、退貨頻次等等這些分類對(duì)模型進(jìn)行調(diào)整，最終預(yù)測(cè)出用戶是理性消費(fèi)？沖動(dòng)性消費(fèi)？習(xí)慣性消費(fèi)？還是經(jīng)濟(jì)性消費(fèi)等。通過(guò)大數(shù)據(jù)車企能清晰地知道用戶的消費(fèi)意識(shí)、網(wǎng)絡(luò)軌跡、喜好、性格等。如此一來(lái)，當(dāng)汽車企業(yè)對(duì)自己的用戶有了深入了解之后，就能有的放矢的開展諸如銷售、產(chǎn)品推廣、促銷、活動(dòng)、服務(wù)改進(jìn)、優(yōu)化媒體策略等營(yíng)銷動(dòng)作，就不愁銷量，不愁KPI了。

觀看視頻：比鄰弘科大數(shù)據(jù)技術(shù)處理

大數(shù)據(jù)核心價(jià)值在于利用預(yù)測(cè)模型解析用戶并挖掘用戶價(jià)值

當(dāng)企業(yè)內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)源源不斷輸入，并由大數(shù)據(jù)技術(shù)處理存入數(shù)據(jù)倉(cāng)，最終這些數(shù)據(jù)資料實(shí)現(xiàn)到資金的轉(zhuǎn)化的最重要一步是通過(guò)預(yù)測(cè)模型對(duì)未知用戶全面解析和精準(zhǔn)預(yù)測(cè)。

當(dāng)用戶經(jīng)過(guò)預(yù)先設(shè)定的各類分析模型，比如社會(huì)階層分類模型、生活態(tài)度分析模型、車型偏好判別模型、消費(fèi)觀預(yù)測(cè)模型、購(gòu)車階段預(yù)測(cè)模型，最終輸出解析結(jié)果，比鄰不僅可以豐富潛在消費(fèi)者的標(biāo)簽還可以準(zhǔn)確預(yù)測(cè)消費(fèi)者計(jì)劃購(gòu)車時(shí)間并給出線索級(jí)別，形成兩類用戶：一類是無(wú)購(gòu)車意向的用戶，屬于低級(jí)別線索數(shù)據(jù)帶著豐富的標(biāo)簽直接回流大數(shù)據(jù)中心，實(shí)現(xiàn)對(duì)企業(yè)內(nèi)部數(shù)據(jù)的補(bǔ)充；另一類是有明確購(gòu)車意向的人，稱為高級(jí)別線索，交由精準(zhǔn)營(yíng)銷環(huán)節(jié)進(jìn)行觸達(dá)，帶來(lái)源源不斷的現(xiàn)金回報(bào)。與此同時(shí)這一部分成為車主，回流到比鄰數(shù)據(jù)平臺(tái)。

用戶分析最重要的價(jià)值是CRM信息補(bǔ)全，面對(duì)企業(yè)CRM中單薄的消費(fèi)者信息，很難發(fā)掘價(jià)值，大數(shù)據(jù)挖掘技術(shù)可以補(bǔ)全這些信息，讓原本模糊的用戶畫像逐漸清晰，個(gè)體用戶分析最終還會(huì)聚集成清晰的群體特征。群體特征包含觸媒習(xí)慣特征，保養(yǎng)維修服務(wù)特征，購(gòu)車金融服務(wù)特征，車型偏好群體特征。

群體特征分析可以產(chǎn)生不同的價(jià)值。如觸媒習(xí)慣群體特征數(shù)據(jù)流向車企市場(chǎng)部門，幫助企業(yè)危機(jī)公關(guān)、策略制定，媒體渠道投放選擇，營(yíng)銷推廣高效精準(zhǔn)。車型偏好群體特征數(shù)據(jù)流向車企產(chǎn)品部門，幫企業(yè)優(yōu)化產(chǎn)品優(yōu)化與再定義、品牌定位、產(chǎn)品改進(jìn)、競(jìng)品確定。購(gòu)車金融服務(wù)特征數(shù)據(jù)流向銷售部門，對(duì)企業(yè)營(yíng)銷、溝通策略制定提供支持，幫企業(yè)管理用戶需求，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。保養(yǎng)維修服務(wù)群體特征數(shù)據(jù)流向企售后服務(wù)部，有針對(duì)性的客戶關(guān)懷，保留用戶，延長(zhǎng)利潤(rùn)曲線，帶動(dòng)車后市場(chǎng)。

比鄰?fù)ㄟ^(guò)對(duì)海量數(shù)據(jù)的采集、分析、建模、預(yù)測(cè)，將原本沒有價(jià)值的數(shù)據(jù)通過(guò)關(guān)聯(lián)、豐滿、解析變成有價(jià)值的數(shù)據(jù)資產(chǎn)，再經(jīng)由模型分析，形成個(gè)體用戶畫像與群體特征分析，對(duì)企業(yè)的銷售部、售后服務(wù)部、衍生業(yè)務(wù)部、市場(chǎng)部等多個(gè)部門提供決策支持，提升企業(yè)核心競(jìng)爭(zhēng)力，運(yùn)籌帷幄，未卜先知。

當(dāng)汽車企業(yè)打破固有思維，用大數(shù)據(jù)視角看待精準(zhǔn)營(yíng)銷，重新審視和定義企業(yè)與用戶的關(guān)系，會(huì)發(fā)現(xiàn)企業(yè)可以通過(guò)大數(shù)據(jù)構(gòu)建一個(gè)周而復(fù)始無(wú)限循環(huán)的價(jià)值生態(tài)鏈，從而建立新市場(chǎng)形勢(shì)下的營(yíng)銷突圍模式，即使在汽車市場(chǎng)下行環(huán)境下，也依然能為企業(yè)帶來(lái)源源不斷的價(jià)值增長(zhǎng)，市場(chǎng)困局將不再是問(wèn)題。

觀看大數(shù)據(jù)汽車用戶解析與預(yù)測(cè)

汽車大數(shù)據(jù)價(jià)值變現(xiàn)實(shí)戰(zhàn)案例

以車企冷線索激活為例，冷線索是車企通過(guò)線上線下的市場(chǎng)活動(dòng)、車展、試駕等獲取到的用戶留資，在一個(gè)推廣期后車企花費(fèi)高昂的費(fèi)用獲得50萬(wàn)用戶留資。車企對(duì)這部分資料進(jìn)行激活需要花費(fèi)250萬(wàn)，激活成功線索2500條，產(chǎn)生500輛購(gòu)買。當(dāng)車企找到比鄰數(shù)據(jù)，比鄰?fù)ㄟ^(guò)大數(shù)據(jù)對(duì)這50萬(wàn)用戶進(jìn)行數(shù)據(jù)分析，監(jiān)測(cè)跟蹤激活成本只需125萬(wàn)，同樣產(chǎn)生2500條線索，1500輛購(gòu)買節(jié)省成本125萬(wàn)，產(chǎn)生的購(gòu)車用戶是車企的3倍。

結(jié)語(yǔ)：

比鄰弘科作為大數(shù)據(jù)時(shí)代的參與者、實(shí)踐者，是一家被海銀資本、藍(lán)色光標(biāo)投資的大數(shù)據(jù)企業(yè)服務(wù)公司，公司致力于幫助企業(yè)把海量數(shù)據(jù)資料變現(xiàn)，為企業(yè)構(gòu)建全新的生態(tài)價(jià)值系統(tǒng)。

比鄰數(shù)據(jù)擁有多年在汽車大數(shù)據(jù)領(lǐng)域的實(shí)戰(zhàn)經(jīng)驗(yàn)，并于2016年7月28日榮獲大數(shù)據(jù)世界獎(jiǎng)“優(yōu)秀汽車行業(yè)解決方案”。比鄰一直專注深耕幾個(gè)核心領(lǐng)域，除汽車外，還有母嬰、金融、房產(chǎn)等領(lǐng)域。比鄰數(shù)據(jù)擁有業(yè)內(nèi)領(lǐng)先的數(shù)據(jù)算法工程師20多位，申請(qǐng)大數(shù)據(jù)相關(guān)發(fā)明專利超50個(gè)，持續(xù)收集高質(zhì)量的已知樣本用戶數(shù)據(jù)，合作包括電商O2O、求職招聘、調(diào)查問(wèn)卷、社交開放平臺(tái)、自媒體等；數(shù)據(jù)維度包括脫敏后的購(gòu)物行為、評(píng)論、社交動(dòng)態(tài)等；日均處理作業(yè)2000/天；實(shí)時(shí)采集數(shù)據(jù)：10TB+/天；實(shí)時(shí)查詢數(shù)據(jù)規(guī)模：1000億級(jí)。

互聯(lián)網(wǎng)的高速迭代發(fā)展，推動(dòng)身處其中的互聯(lián)網(wǎng)行業(yè)變革同時(shí)，也在顛覆其外的傳統(tǒng)行業(yè)轉(zhuǎn)型升級(jí)，比鄰弘科率先通過(guò)大數(shù)據(jù)技術(shù)推動(dòng)汽車等傳統(tǒng)行業(yè)的用戶數(shù)據(jù)精準(zhǔn)落地與價(jià)值變現(xiàn)。當(dāng)下大數(shù)據(jù)技術(shù)趨于成熟，正是傳統(tǒng)行業(yè)借助大數(shù)據(jù)精準(zhǔn)營(yíng)銷實(shí)現(xiàn)價(jià)值變現(xiàn)的突破口，信息時(shí)代瞬息萬(wàn)變，知己知彼方能百戰(zhàn)百勝，得用戶者得天下。

注：本文由 比鄰弘科 授權(quán)數(shù)據(jù)猿發(fā)布。

歡迎更多大數(shù)據(jù)企業(yè)、愛好者投稿數(shù)據(jù)猿，來(lái)稿請(qǐng)直接投遞至：tougao@datayuan.cn 

來(lái)源：數(shù)據(jù)猿