數據庫營銷：重新定義客戶價值

隨著客戶行為和商務規則的劇烈變化，大規模的廣告、促銷甚至價格戰等傳統營銷模式遇到了諸多挑戰，數據庫營銷能否成為企業致勝未來的營銷新模式

文一數據庫營銷的三個關鍵

談論科學與藝術于市場營銷中孰輕孰重，正如辯論自由與平等于人類社會發展的貢獻度一樣索然無趣。藝術在于靈感和想象，而科學更依賴于積累和發現；藝術更感性和自我，科學則更理性并功利。數百年的市場營銷史為我們揭開一切：（見圖一）

當強大的品牌已經確立，或者各式的營銷手段已經玩膩，我們不得不重新考慮一下自己的職業前途，還能做些什么？或許“社會營銷”是一條不錯的路，它比藝術還要更藝術。過去的“泥腿子”變成現在的“行業巨頭”了，做事便不能如過去一般的粗糙生硬，要加一些高貴的元素在里邊，要潛移默化，潤物無聲。于是便有了公益責任和企業公民的概念，于是便有了救助失學兒童、綠化祖國大好河山、支持國貨、發展體育運動等。哪個知名企業不和“企業社會責任(CSR)”聯姻一下，那簡直是為各方所不容的大事情。

當然，也不能放棄另外一條更注重科學的路。數據庫營銷是一條使市場營銷由科學走向更科學的必由之路。過去市場營銷中科學和藝術的比例是2：8，現在這個比例正相反。

可以簡單地對數據庫營銷概括一下。數據庫營銷是通過收集和積累客戶大量的信息，采取先進的技術對這些信息進行分析，找出規律性的東西，有針對性地采取溝通和營銷策略。

我們常常講要用信息化的手段來武裝市場營銷工作，信息要準確、及時、透明；我們也常常想精準地把握客戶的需求，甚至精準地引導客戶的需求；我們還想在市場營銷中“開源節流”，盡量做大ROI（投資回報率）；我們更想對客戶進行點對點的“眷顧”，精細化的操作。數據庫營銷，為我們開啟一扇無法回避的大門。

數據是基礎

數據是數據庫營銷的基石。我們需要客戶的基礎數據，姓甚名誰，何處高就，如何聯系；我們還需要客戶的特征數據，這就更細了，包括這個人所屬的行業、職責、職位、年齡、學歷、房和車的擁有狀況等等；我們更想了解客戶的交易數據，比如，什么時候購買的產品或服務，花了多少錢，買了多少次，投訴了多少次，維修了多少次等；還有，市場營銷的投放數據也很重要，什么時間在什么地點的什么媒體投放了一個多少錢的什么版式廣告，至少也要試著測算一下ROI，否則老板豈能答應。

通常，企業會把上述的數據放在數據庫里邊，可以是Oracle、IBM DB2或者SQL Server，當然現在國產品牌也不錯；如果要涉及更復雜的管理職能，則需要CRM或者銷售管理系統；如果涉及到多種數據來源的海量數據，我們就必須利用數據倉庫，按照既定的規則和模式，定期抽取、關聯成有益的形式。

這里，我們會面臨一個巨大的挑戰，即企業信息化是永遠無法與社會信息化相提并論的。企業的數據來源有限，更新被動，內容繁雜；渠道和分銷商是不會輕易地將客戶信息拱手奉送的，銷售人員也不情愿把自己剛剛開發的客戶資料貢獻出來，被動的等待將毫無意義。于是第三方的數據提供機構應運而生，他們通過各種渠道整合散落在各類社會機構中的數據資源，通過不斷的更新和加工，在法律和道德允許的范圍內，提供可靠的數據資源。企業信息的社會化，以及社會信息的企業化，同樣令人期待。

數據之門深似海，我們還會遇到更大的挑戰：來自不同渠道、不同格式的數據，如何整合是一個大問題；隨著時間的遷移，數據的準確率不斷下降，如何鑒別不同批次數據的置信度；不同數據源的數據字段定義不同，如何進行規范化處理；不同數據針對同一主體，如何進行查找、合并和刪除冗余數據；對于高危的企業數據（如破產、注銷、吊銷、低信用等級）如何進行識別等，這就是數據清理，建立“單一視角”的客戶數據資源。數據管理正是此類業務的統稱。

總之，只有建立了“多快好省”的數據資源體系，我們才能理直氣壯地大干數據庫營銷。

商業目標為王

商業目標是企業生存的動力，它是需要去量化的，也是我們極盡所能要去量化的。追逐最大化（如市場占有率、客戶忠誠度）或者最小化（如客戶流失率、客戶投訴率）是市場人永遠的目標 。舉個理想的例子：我們手里有20元錢，按整數分別投到廣告、宣傳和活動上，而銷售額就是三者數字上的乘積，該如何確定最優方案？（見圖二）

選擇有幾十種，最優答案只有一種，就是（6，7，7）。從數學上講，這是一個線性規劃問題（更準確地講，是一個整數規劃問題）；從戰略上講，這是一個組合配稱的問題。定位學派大師邁克爾·波特講過“戰略就是一種配稱（Strategy Fit），配稱的最高層次便是各項因素相互組合、加強，直至達到投入最優化（Optimization of Effort）的境界”。

現實的情況總是復雜得多，商業目標的約定也千差萬別，但是從客戶價值的角度來講，目標是惟一的：客戶價值的最大化！貫穿客戶全生命周期的價值分析和管理，可以被我們視為一種科學、周詳的整體方法論。（見圖三）

對處在不同價值階段（或者可以理解成處在不同生命周期階段）的客戶進行研究，自然離不開分析的方法手段，甚至是模型。通常我們可以利用一些為世人所熟知的經典分析方法，或者根據營銷理論、數理統計知識和企業的營銷實踐自創一些分析方法，如果企業的數據是海量的，則也可以利用數據挖掘的種種手段（如分類、預測、關聯規則、聚類等）來搭建動態的模型。（見表一）

需要說明的幾點是，不論什么樣的分析方法都需要大量優質數據的支撐。在金融、電信等產品線較少且信息化程度非常高的行業，數據根本就不是問題；在IT、傳媒等行業，數據資源也是比較豐富的；在其他的行業，數據資源的積累相對就差得多，分析起來難度也就相應地增加。

同時，世界上沒有完美的分析方法、模型，這需要我們客觀地對待和認識。例如，以R(Recency)F(Frequency)M(Monetary value)模型來講，我們可以很快地建立一套打分體系，但是我們會發現，對于具有不同購買速率的產品或客戶來講，分析的結果會讓人大跌眼鏡，一個好的解決辦法就是通過市場調研或統計的方法來獲得更多的購買速率信息，并補充到模型中去。創造一個模型、調整或優化一個模型，需要我們結合實踐經驗、理論模型、市場調研、數據挖掘等多種手段來進行。

直復式營銷為手段

就目前的發展水平來講，數據庫營銷仍主要以直復式營銷（Direct Marketing）作為策劃和執行部分，包括了我們常見的一些點對點的營銷手段：TM（電話營銷）、DM（直郵營銷）、EDM（電子直郵）、FAX（傳真營銷）等，以及目前頗為流行、前景無限的E-Marketing（互聯網營銷）。

應該說明的是，離開了我們前邊提到的優質數據源，離開了明確的商業目標和有效的分析/挖掘方法和工具，簡單地依靠直復式手段來進行市場營銷，收效不會很大。

直復式營銷需要我們的策劃和創意作為支持，更需要一些常規市場營銷手段的支援。舉個策劃的例子，如果你是美國一家冷飲廠商的營銷負責人，希望通過一定的手段提升銷售業績，希望更多的人瀏覽公司的網站并注冊，同時通過網絡調研他們的生活形態和偏好。現在正好趕上一個好機會：2008年總統大選在即，奧巴馬和希拉里是民主黨候選人群中最耀眼的2顆明星，一黑一白，占據所有人的視線。于是你靈機一動，策劃了2款新的冰淇淋產品，一個巧克力的一個奶油的，一黑一白，一個“O”系列，一個“H”系列；你可以通過各種直效的手段來進行推廣這些產品，同時向消費真暗示產品的寓意；你甚至可以在網站上打出動態的冰淇淋產品銷量PK圖，暗示一些支持率之類的意思，結果可能是：銷售的大幅增長，海量的網站瀏覽、注冊和反饋，甚至還可能有一些社會的效應。不管怎么樣，一個好的策劃，就從源頭幫了你很多的忙。

好的策劃，更需要好的實施過程。精準的實施，不但需要規范統一、邏輯嚴謹的實施方法論，也需要在不斷的實施中總結成敗。再舉個發送EDM的例子，現代人生活節奏那么緊張，工作那么繁忙，垃圾郵件那么多，星期幾發送的效果最好呢？星期六、日休息就不算了，一周中的發信成功率基本上是在不斷下降的，到星期五達到最低點；而郵件打開率則正好相反，是在不斷上升的。數據顯示星期三正好是個平衡點，發送成功率和郵件打開率的乘積最大，那好，我們就定星期三發送了！

但是即使我們是在星期三發送了，客戶也打開郵件看了，也許大部分人只瀏覽了幾秒鐘，能記住多少內容呢？根據艾賓浩斯遺忘曲線我們知道，人的記憶在短期內是急速下降的，20分鐘后大概會遺忘42%的內容，一個工作日后，66%的內容已經想不起來了。人的遺忘規律對市場營銷是可怕的，我們必須有補救的措施：對EDM的發送進行追蹤，一旦客戶打開并瀏覽了相關的頁面，說明他對相關的產品服務是感興趣的；那么在20分鐘內，我們可以再給他發一個EDM，內容和美工都做重新的設計，防止客戶產生疲勞感，只要傳達相同的營銷信息即可；或者也可以直接給客戶打個電話。不管怎么樣，通過科學的營銷組合方式，一定會大大增強客戶對公司的印象，預算可能會增加1倍，但是效果可能會增加10倍。

數據庫營銷全過程

首先， 企業需要建立完整的客戶信息數據庫。

通過數據搜集渠道，積累各種業務和客戶數據，如可以通過不同渠道的客戶接觸點來收集客戶的基本信息；當客戶發生購買行為時，記錄客戶每次的購買行為；通過設立企業對外咨詢電話，登記顧客的反饋信息；企業可以在舉辦促銷活動中，有針對性的收集顧客對產品的認知度和相關信息；通過研討會、產品講座、科普報告會等公關活動來整理收集，等等。

完整的客戶信息數據庫實際上就是企業整個市場的縮影。數據庫建立以后，企業的產品開發方向、行銷產品開發方向都可基于這個數據庫作為決策基礎。

第二步，構建客戶消費行為特征變量集。

根據企業客戶消費特征，構建消費行為特征變量集，跟蹤客戶行為模式形成客戶特征快照。特征快照每周或每月更新，以反映客戶最新消費模式。這樣，既實現客戶深入而全面的市場細分，又為數據挖掘模型的構建提供堅實的基礎。

第三步：數據挖掘模型構建。

為了實現全面的分析，要根據需要構建數據挖掘模型，提供分析結果。通常企業可以建立以下模型：

客戶細分模型：基于客戶基本特征和消費行為特征（最近購買時間、購買頻率、消費金額等），將其劃分成不同群組，從而實現客戶分類管理和一對一營銷；

價值評估模型：設定客戶價值評分體系，對所有客戶價值評分，合理評估其價值貢獻，分辨出企業的最佳客戶，并實現客戶價值等級監控以反映客戶狀態遷移；

流失預測模型：對所有客戶流失概率的評分和預警，自動生成流失客戶清單，并分析流失原因；

交叉銷售模型：分析客戶對產品或者服務的偏好，為特定產品群尋找合適的客戶群和為特定的客戶群尋找合適的產品群。

第四步：根據模型分析的結果制定并實施營銷方案。

根據模型分析的結果，配合相應的市場計劃，針對不同的客戶，制定不同的溝通策略和營銷策略，并嚴格執行。執行過程當中，盡可能地收集客戶的反饋信息，以便進行評估。

第五步：營銷效果評估分析。

通過匯總客戶的反饋，對單次營銷效果進行分析，包括成本收益分析、市場活動產生的實時影響等，實現營銷效果評估，以幫助營銷人員改進營銷目標和設計方案，為下一次的營銷方案設計提供依據。如此，形成一個閉環營銷體系。

第六步：模型效果監控和更新。

數據挖掘模型存在一定時效性，市場狀況發生變化或者客戶變遷等都可能導致模型的退化，因此模型效果監控是數據挖掘模型所必需重要部分。

文二數據來自哪里？

通過客戶信息數據庫的建立、管理、分析和挖掘，可以幫助企業選擇最優質的目標客戶群，采取針對性強的營銷活動。在國內，大部分企業在數據庫營銷方法實踐上處于剛剛起步的階段，企業所關注的核心問題是：企業內部所積累的客戶數據資源是非常有限的，如果企業要獲取外部的客戶數據資源來開展營銷活動，那么企業應該如何獲取相應的數據資源？不同渠道的數據有何差異？在通過各種渠道獲取數據資源以后，在整合和利用上會面臨何種挑戰？

B2B客戶信息外部資源情況

B2B客戶信息外部資源的獲取大致分為兩個渠道：政府部門和商業機構。

1. 政府部門方面

政府部門統一收集信息相對于其他任何收集方式具有不可比擬的優勢。主要有如下幾種信息來源于政府渠道：

（1） 工商局的注冊與年檢信息。商業機構在工商局注冊是企業成立的一個程序，年檢也是工商局作為行業管理者的主要職責，每個商業機構都會在工商局存有注冊信息和年檢信息。現在工商部門的信息資源所存在的問題主要有：

第一， 信息分散，沒有集中的數據庫。縣區級、省市級和國家工商局都有信息，這些信息相互之間是不重復的，但是所有這些信息沒有集中管理。

第二， 聯絡信息的準確率低，注冊和年檢信息沒有核查機制，特別是一些大的城市，工商注冊年檢的代辦機構比較多，信息的準確率更低。

第三， 只有經營機構的信息，沒有事業單位、黨政機關等機構的信息，造成了工商局信息的不全面、不完整。

第四， 信息獲取的成本非常高昂。 工商局的信息往往都是按條計算收費，一條信息以幾元或者幾十元的價格對外提供服務，獲取成本非常高。

（2）質量技術監督局的組織機構代碼相關信息。質量技術監督局系統有組織機構代碼的相關資料，它集中了全國大部分區域的數據，而且還包括事業單位和黨政機關。但是這個數據庫存在的問題是只“生”不“死”，存在大量已經不再存在的企業和機構數據，還有就是質量技術監督局沒有強制性的年檢制度，它的聯絡信息和各項背景信息老舊。據統計，三年之內中國注銷掉的企業就超過一百萬，這種變化速度是非常之快的，如果只 “生”不“死”，那么利用這樣的數據做營銷，會浪費大量營銷成本。此外，獲取這些信息的成本高昂，甚至是不可能獲得的。

（3）國家統計系統收集的企業信息。國家統計系統收集數據有兩個途徑：一方面是全國經濟普查，另一方面是對工業企業信息的收集。這些數據信息在當時獲取的時候準確率高、覆蓋面廣，但是都不能及時直接服務于社會。例如，2004年底的普查數據到目前為止還是只存在于政府部門的內部，沒有用于社會服務。

（4）中國人民銀行征信系統收集有大量企業的數據。內容非常豐富和全面，聯絡信息準確率很高。受國家法律限制，這一部分信息無法服務于社會且保密措施最為嚴密，目前社會上也沒有任何人能夠得到銀行征信系統的數據。

2. 商業機構方面

商業機構存在一些可以用來做營銷的數據資源，這些數據處于不斷發展之中，隨著國內商業信息服務業的發展，將有越來越多的營銷數據為企業所用。

（1）媒體方面。媒體擁有訂戶和注冊用戶信息，但其問題是各項信息的填寫不規范，用戶特征信息或者空缺，或者真實性無法檢驗。企業無法利用這類數據有效區分目標客戶、開展營銷活動。此外，數據量比較少，一般都是幾萬條或者是十幾萬條，難以滿足大量信息使用的需求。

（2）電子商務網站。目前電子商務網站很多，但在網站注冊的企業和機構數據比較少。即使最大的電子商務網站阿里巴巴，通過對它的數據進行分析，發現阿里巴巴實際擁有的數據也只有幾十萬到一百萬之間。而根據第一次經濟普查，截止到2004年底，全國有近1，200萬家企業和機構。此外，電子商務的用戶信息更新主要依賴用戶自主更新，但真正能夠自主更新的會員一般不超過總注冊會員數量的三分之一。同時，用戶在注冊時填寫的信息也往往不規范，造成難以與其它信息資源合并。

（3） 商業數據公司。目前商業數據公司普遍沒有自身數據的自主采集渠道，主要是進行匯總整理政府和其他商業機構的信息。絕大部分數據公司缺乏對海量數據進行管理和整合的技術實力和相應的手段，也沒有能力和資金支持對數據進行自我更新。

B2C客戶信息外部資源情況

B2C的信息資源也可以分為兩個方面：一方面是政府部門，另一方面是商業機構。有的信息是據明確的法律規定不可獲得的，有的信息是在沒有相應的規定下通過某種渠道或途徑所獲得的。

1. 政府部門方面

（1） 公安部戶籍信息。目前根據法律法規，公安部可以對外提供基于特定用途的查詢服務，例如，銀行對于貸款買房、買車的個人可以到公安部去查詢相關的信息，但是僅限于戶籍信息。

（2） 公安部車輛登記信息。目前部分省市的車輛登記信息在市場上流通或者市場外部有人也在提供，內容是包括車輛本身和車主的身份證信息及聯系電話。

（3） 中國人民銀行征信系統。目前中國人民銀行征信系統采集了3.4億銀行卡信息，但是這部分數據信息的使用僅限于銀行系統內部的單個查詢或者是經過被查詢人的授權才可以去查詢。

2. 商業機構方面

（1） 保險公司的投保戶信息。這方面的內容是比較多的，信息量也比較大，但是保險公司自己本身沒有直接對外提供信息的正常渠道，它的信息是通過各種各樣的業務合作方式提供使用的。

（2） 電信用戶信息。電信用戶的信息包括身份證信息和電話號碼，它的信息只適合用于電話營銷和短信營銷，對于其他的營銷方式不適合，此外電話消費金額等方面的信息可以用來輔助評估個人的消費行為、收入水平和職業。電信部門自己本身沒有直接對外正常的信息提供渠道。

（3）媒體訂戶信息。媒體的訂戶信息所存在的問題也是信息內容不規范，數據量比較少，媒體信息的使用成本也是非常高的，數據使用一次都花費幾元甚至高達十幾元。

文三客戶價值分析以汽車產業為例

中國汽車行業經過2003年的井噴式發展后，去年在宏觀經濟向好的大背景下，繼續呈現快速發展態勢，產銷量雙雙突破720萬輛。隨著汽車銷售市場的蓬勃發展，汽車售后服務市場的巨大潛力也日益凸顯出來。據有關統計數據顯示，目前我國汽車售后服務市場規模大約是1100億元人民幣；新華信預計，到2010年，我國的售后服務市場規模將達到2000億元人民幣。

隨著新車競爭的加劇，新車銷售利潤持續下降。如今中國汽車行業的新車銷售平均利潤和售后服務平均利潤的比例已經達到3:7，售后市場的激烈角逐也已拉開序幕。廠商的售后服務部門、客戶關系部門都將工作的重心轉向如何延長4S店維修保養客戶的生命周期。如何識別高價值的客戶，如何通過合理的預警機制來降低客戶流失率，如何制定有效的市場策略維系高價值客戶關系甚至贏回部分已經流失的客戶，如何在售后的各個環節通過優質的服務有效保留客戶。這些問題已成為汽車廠商及其經銷商所面臨的亟待解決而又難于解決的問題了。

搭建模型

在解決客戶細分的問題時，客戶價值細分和客戶流失預警是兩個行之有效的有力武器。如何使這兩個武器發揮出最大的威力，一個基礎而必需的步驟是我們需要先把銷售和售后的數據庫做一個有序的清理和整合。有了一個整合清潔的關系型數據庫，客戶價值細分模型和客戶流失預警模型才能夠很好地發揮出“魔力”，幫助汽車廠商和經銷商輕松應對客戶細分和流失預測及預警的問題。

在搭建這兩個適用于汽車行業的模型時，應該綜合考慮多種影響客戶貢獻率、客戶價值的因素和指標。以客戶價值細分模型為例，在搭建這個模型時應綜合考慮以下四大類指標：和人相關的有兩類，一類是車主自己的人口統計學特征和身份背景信息，一類是車主的滿意度、忠誠度方面的指標；和車本身相關的也有兩類：一類是車輛購買的信息，如車型、價格、顏色、購買方式等；另一類是車輛維修保養的具體記錄，如行駛里程、保養間隔、（總）平均單次保養/維修金額、維修頻率、保養頻率等等。這四大類的指標為我們搭建整體的客戶價值細分模型的指標體系奠定了堅實的基礎。 客戶價值細分模型在來自廠商的真實數據的檢驗中，準確度和精確度都得到了良好的驗證。客戶流失預警模型也是參照相同的工作順序和思考邏輯而建立起來的，這個模型主要通過數據挖掘的方式去捕捉客戶流失的特征，動態繪制客戶流失的曲線，探索客戶流失的規律。簡單來講，流失預警模型可以幫助廠商和經銷商比較準確地預測出哪些客戶即將流失、流失的概率有多高。（見圖一）

制定策略

如圖一所示，在有效地利用了以上兩個模型工具的基礎上，我們可以清晰地看到所有的客戶從價值和預警兩個維度進行了細分。那接下來最關鍵的一步，即如何定制行之有效的客戶保留策略從而維系高價值客戶，提升整體客戶的忠誠度成為了解決一系列問題的關鍵所在。

我們需要在不同矩陣中進行抽樣的客戶流失和行為偏好研究，探索每一個細分矩陣的客戶對各類營銷活動和服務策略的接受度，發現影響客戶流失的關鍵點。簡而言之，客戶流失研究幫助我們了解客戶流失的原因、流失的走向和流失的內容以及影響他們流失的關鍵點等。

接下來將舉例說明如何對不同細分矩陣里的客戶制定行之有效的保留策略。（見圖二）

以圖二所示AD客戶群為例。此類客戶的特征是價值高，流失概率低（忠誠度高）。從客戶生命周期的角度來看，他們將自己的當前售后維修保養業務幾乎全部給了廠商和經銷商，而且很可能持續自愿地為廠商做著推薦新客戶的工作。目前這類客戶是企業利潤的基石，如果失去這類客戶，對4S店售后服務利潤的影響巨大。此外，他們目前的流失概率很低，也預示著他們未來更有可能繼續像今天一樣忠誠地使用4S店的維修保養服務，所以廠商應該積極和長期維護和這類客戶的關系，在營銷的手法上以客戶交流和溝通為主，以擴大口碑傳播為主，力爭向他們提供特殊的或新型服務類型，力爭使該類客戶繼續在售后甚至二次購車中始終選擇自己的品牌，并繼續向他的社交圈傳播廠商的美譽和品牌。

再以BD客戶群為例。此類客戶的特征是價值高，流失概率高（忠誠度處于搖擺狀態）。這類客戶也擁有較高的客戶價值，但是從流失概率來看他們比AD客戶更有可能在未來的六個月內離開4S售后體系。從客戶生命周期角度來看，他們和廠商/品牌之間處于穩定期后期，他們對廠商也很重要，因為在培育他們的過程中，汽車廠商已經進行了不少的投資，現在正是獲取他們回報的時機，只是由于競爭和服務等種種因素使得他們的忠誠度悄悄發生了變化。我們建議廠商對這部分客戶要加大力度投入，讓他們體會到物超所值的服務，力求和競爭對手有所區別，如維修和保養的時間延長至晚間8點，事故出險時能上門服務，提供代步車等等。總之，廠商要投入足夠的資源來確保這類高價值客戶不轉投競爭對手的“懷抱”。

綜上所述，在競爭日益激烈的中國汽車市場，單純汽車銷售產生的利潤逐漸降低，越來越多的汽車廠商及其經銷商將把注意力投入到售后利潤率上。因此，能否有效保留客戶和提高客戶忠誠度對于汽車廠商和經銷商來說至關重要。從數據出發，汽車廠商需要將客戶的銷售數據和信息，和售后維修保養記錄整合在一起，形成整合清潔的客戶數據；再通過客戶流失預警模型和客戶價值細分模型等工具對整合后的數據進行分析，對不同客戶從價值和忠誠度兩個維度進行綜合界定和排序。基于客戶的價值分類，對不同價值、不同狀態的客戶制定差異化的保留和營銷策略，汽車廠商及其各地的經銷商可以實現精細化營銷，提高營銷資源效率和營銷效果。

（本文作者均來自新華信國際信息咨詢（北京）有限公司。其中陳殿左系新華信副總裁，王建斌系新華信數據庫營銷咨詢總經理，王錚系新華信數據庫營銷汽車行業咨詢總監，李維晗、程萍系新華信數據庫營銷高級咨詢顧問）