汽車銷售行業中數據挖掘技術的應用

李帆　劉建偉

摘 要：數據挖掘方法對于汽車銷售工作的價值主要體現在，通過數據挖掘能夠實現企業市場定位、實現消費群體定位，有助于制定汽車營銷策略等。基于此，提出基于案例庫、模型庫和推理機的汽車營銷數據挖掘系統架構設計，進而提出利用數據挖掘結果進行汽車消費者群體分類管理、消費者消費偏好提取、消費者個性偏好推送，以及根據汽車營銷數據進行數據挖掘模塊再優化的應用建議。

關鍵詞：汽車銷售；汽車產業；數據挖掘；模塊設計；管理應用

中圖分類號：F426.471 文獻標志碼：A 文章編號：1673-291X（2017）06-0051-03

引言

汽車產業是國民經濟的重要產業，因其產業鏈長、輻射面寬、科技含量高、產業帶動能力顯著等產業特點，是世界各國家和地區發展的重點產業。本文深入分析和探討數據挖掘技術在汽車銷售中的應用，對于提高汽車營銷績效，促進汽車銷售行業發展具有重要的理論意義和實踐意義。

一、我國汽車產業發展的現狀分析

1.汽車產業總量分析。汽車產業因其產業鏈長、輻射面寬、科技含量高、產業帶動能力顯著等產業特點，是世界各國家和地區發展的重點產業。美國、德國、日本等世界產業強國在發展汽車產業的過程中，不斷實現了經濟效益的提升，也帶動了整個工業發展水平的提高。

上圖顯示了1999—2011年間我國汽車生產總量的趨勢。從圖中可以看出，我國汽車產業呈持續發展態勢，汽車生產總量由1999年的183.2萬輛增長到2011年的1 841.64萬輛。

2.汽車產業銷量比重分析。從銷量比重角度分析，2000年，我國汽車銷量為207萬輛，占同期世界汽車總銷量5 759萬輛的3.59%；2011年，我國汽車銷量為1 842萬輛，占同期世界汽車總銷量8 006萬輛的23%。

3.汽車產業經濟效益分析。2001—2010年期內，我國汽車工業總產值由2001年的4 433.2億元提升到2010年的30 248.6億元。汽車工業總產值占全國工業總產值的比重維持在4%～5%的水平，汽車工業總產值占機械工業總產值的比重維持在20%左右的水平。

二、數據挖掘及其對汽車銷售的影響分析

數據挖掘（Data Mining），是以計算機為主要工具，以海量數據為分析基礎，綜合運用聚類、機器學習、分類、模式識別、專家系統等方法，發現隱藏在海量數據中的信息，以及數據之間的關聯規則，從而形成知識發現的基本過程。在經濟管理領域，以市場營銷為例，以大數據為基礎，通過數據挖掘技術的應用，能夠發現消費者的消費偏好、消費模式，從而可以在消費者消費偏好和消費模式等信息的基礎上進行消費者分類，并根據消費者分類進行產品開發，向消費者提供給個性化和定制化的產品或產品組合，進行實現經濟效益。數據挖掘方法對于汽車銷售工作的價值主要體現在，通過數據挖掘能夠實現企業市場定位、實現消費群體定位和實現營銷策略制定等方面。

1.通過數據挖掘實現企業市場定位。目前，汽車產品作為大宗商品其產品價格區間較寬，市場上既有幾萬元的車型，也有數百萬的產品，每種價格區間的汽車產品對應不同的消費者群體和市場競爭。因此，合理定位汽車產品并制定有針對性的營銷策略，對于汽車企業發展具有重要意義。應用數據挖掘中的聚類技術，能夠以車型價格為特征指標進行汽車銷售的市場定位分析，從而為企業制定產品價格決策和新車型產品開發決策提供依據。

2.通過數據挖掘實現消費群體定位。對于汽車銷售而言，消費者的受教育水平、收入水平、購車方式等都是汽車銷售過程進行產品定價和制定銷售策略的重要信息，特別是在消費需求個性化特征日益明顯的現實背景下，準確識別用戶群體并提供個性化產品和服務對于汽車企業培育客戶忠誠度具有重要意義。應用數據挖掘中的分類技術，通過消費者收入水平、消費方式等特征指標實現消費者分類，進行形成各類型消費者群體的消費行為特征。

3.通過數據挖掘實現營銷策略制定。隨著論壇、博客、微博、微信、電商平臺、點評網等媒介在PC端和移動端的創新和發展，消費者的消費過程和消費體驗信息不斷增長，這些信息涵蓋著商家信息、個人信息、行業資訊、汽車駕乘體驗、汽車產品瀏覽記錄、成交記錄、汽車價格動態等等海量信息，應用數據挖掘中的關聯規則提取技術，能夠建立消費者特征指標與消費頻次、消費產品價格之間的關聯規則，從而為制定營銷策略提供依據。

三、汽車銷售行業中數據挖掘系統設計

建立汽車銷售行業數據挖掘模塊化系統，是輔助汽車銷售決策者通過數據、模型和方法，以人機交互方式進行半結構化決策或非結構化決策的計算機應用系統，為決策者通過分析問題、建立模型、模擬決策過程和方案的環境，調用各種信息資源和分析工具，以提高汽車銷售的水平和質量。

1.案例庫。對于汽車銷售工作而言，在實踐中能夠積累大量關于消費者的信息，包括消費者學歷、收入、工作性質、購車方式等，這些基礎數據信息對于進行汽車銷售的數據挖掘工作具有較高的借鑒意義，也是后續開展數據挖掘工作的基礎。因此，應建立汽車銷售案例庫，對汽車銷售信息進行存儲、檢索、處理、維護等方面的內容，以有效支持模型庫、知識庫和方法庫的運行。

2.模型庫。模型庫系統能夠靈活地完成模型的存儲和管理功能，是汽車銷售行業數據挖掘模塊化系統的核心，在模型庫中應綜合集成數據分類、聚類、因子分析、關聯分析、決策樹分析以及數據可視化等數據挖掘算法，從而提高汽車銷售行業數據挖掘的質量和效率。

3.推理機。進行汽車行業銷售數據挖掘的價值在于通過數據挖掘形成關于消費者行為的關聯規則以及關于消費者偏好等方面的信息，推理機是一種重要的基于知識的問題求解和學習方法，能夠以數據、模型等為基礎，實現知識獲取、知識集成和知識服務等功能。

四、數據挖掘在汽車銷售中的應用

利用數據挖掘的方法可以形成關于消費者行為偏好的信息，而這些信息可能成為擴大消費者群體的重要基礎。汽車行業銷售過程中應用數據挖掘方法，可以利用數據挖掘結果進行消費者群體分類管理，利用數據挖掘結果進行消費者消費偏好提取，利用數據挖掘結果進行消費者個性偏好推送，以及根據汽車營銷數據進行數據挖掘模塊再優化。

1.利用數據挖掘結果進行消費者群體分類管理。隨著中國汽車市場漸入穩步發展軌道、汽車后市場的逐步興盛以及汽車營銷人對于數字化營銷決策的日漸渴望，對客戶信息的深度分析和應用將成為新常態。利用汽車銷售數據挖掘結果，可以對消費者群體進行分類，例如可以將消費者劃分為保有客戶、增值客戶、搖擺客戶、流失客戶等，從而為加強客戶關系管理提供依據。

2.利用數據挖掘結果進行消費者消費偏好提取。網絡的交互性特征以及消費者在通過互聯網風險消費體現的行為特征形成了關于汽車價格、質量、功能、服務等方面的數據信息，特別是隨著各種論壇、微博、微信、電商平臺等信息分享渠道的開拓，消費者消費體驗發布的渠道更廣，通過數據挖掘中的分詞、聚類、情感分析等方法能夠了解消費者的消費行為、價值趣向、消費需求和質量等需求，從而進行產品創新和價值提升。

3.利用數據挖掘結果進行消費者個性偏好推送。利用數據挖掘的方法可以形成關于消費者行為偏好的信息，基于這些重要信息，汽車銷售過程中可以根據消費者偏好向其推送與其偏好相符的產品價格、質量、服務等信息，在推動方式方面，可以綜合領用微博、微信、電子郵件以及客戶回訪等形式進行產品推送。

4.根據汽車營銷數據進行數據挖掘模塊再優化。進行數據挖掘工作的價值在于提取關于消費者行為特征的關聯規則，進而向消費者提供使其滿意的產品和服務。然而，受消費者水平、產品功能、市場結構等各種因素的影響，消費者群體的行為特征也在不斷發生變化。因此，汽車行業銷售中的數據挖掘工作不是一成不變的，而是必須汽車營銷數據為基礎，不斷對數據挖掘算法和數據挖掘模塊進行豐富和優化，從而使建立在數據挖掘工作基礎上的關于消費者行為特征的關聯規則能夠更好地服務于汽車營銷績效的提升。

結論和展望

本文以數據挖掘方法在汽車銷售行業中的應用問題為研究對象，通過分析，認為數據挖掘方法對于汽車銷售工作的價值主要體現在，通過數據挖掘能夠實現企業市場定位、實現消費群體定位和實現營銷策略制定等方面。提出了基于案例庫、模型庫和推理機的汽車營銷數據挖掘系統架構設計，進而提出了利用數據挖掘結果進行消費者群體分類管理、利用數據挖掘結果進行消費者消費偏好提取、利用數據挖掘結果進行消費者個性偏好推送，以及根據汽車營銷數據進行數據挖掘模塊再優化。后續研究中，針對汽車行業的數據挖掘軟件開發將是本文進一步的研究方向。

參考文獻：

[1] 趙炎，姚芳.創新網絡動態演化過程中企業結盟的影響因素研究——基于中國汽車行業創新聯盟的分析[J].研究與發展管理，

2014，（1）：70-77.

[2] 胡其穎.解讀德國“國家電動交通工具發展計劃”以及對我國新能源汽車政策的借鑒[J].可再生能源，2010，（5）：150-153.

[3] 課題組.上海國資引領戰略性新興產業躍遷式升級的架構創新路徑研究——以新能源汽車產業為例[J].上海行政學院學報，2012，

（7）：85-97.

[4] 趙宇恒.汽車金融支持模式研究——基于汽車廠家對經銷商財務支持的視角[J].會計之友，2010，（2）：59-61.

[5] 李四海，尹璐璐.中國汽車企業跨國并購整合風險分析——基于吉利并購沃爾沃的案例研究[J].會計之友，2011，（11）：52-54.

[責任編輯 陳丹丹]