汽车销售行业中数据挖掘技术的应用

李帆　刘建伟

摘 要：数据挖掘方法对于汽车销售工作的价值主要体现在，通过数据挖掘能够实现企业市场定位、实现消费群体定位，有助于制定汽车营销策略等。基于此，提出基于案例库、模型库和推理机的汽车营销数据挖掘系统架构设计，进而提出利用数据挖掘结果进行汽车消费者群体分类管理、消费者消费偏好提取、消费者个性偏好推送，以及根据汽车营销数据进行数据挖掘模块再优化的应用建议。

关键词：汽车销售；汽车产业；数据挖掘；模块设计；管理应用

中图分类号：F426.471 文献标志码：A 文章编号：1673-291X（2017）06-0051-03

引言

汽车产业是国民经济的重要产业，因其产业链长、辐射面宽、科技含量高、产业带动能力显著等产业特点，是世界各国家和地区发展的重点产业。本文深入分析和探讨数据挖掘技术在汽车销售中的应用，对于提高汽车营销绩效，促进汽车销售行业发展具有重要的理论意义和实践意义。

一、我国汽车产业发展的现状分析

1.汽车产业总量分析。汽車产业因其产业链长、辐射面宽、科技含量高、产业带动能力显著等产业特点，是世界各国家和地区发展的重点产业。美国、德国、日本等世界产业强国在发展汽车产业的过程中，不断实现了经济效益的提升，也带动了整个工业发展水平的提高。

上图显示了1999—2011年间我国汽车生产总量的趋势。从图中可以看出，我国汽车产业呈持续发展态势，汽车生产总量由1999年的183.2万辆增长到2011年的1 841.64万辆。

2.汽车产业销量比重分析。从销量比重角度分析，2000年，我国汽车销量为207万辆，占同期世界汽车总销量5 759万辆的3.59%；2011年，我国汽车销量为1 842万辆，占同期世界汽车总销量8 006万辆的23%。

3.汽车产业经济效益分析。2001—2010年期内，我国汽车工业总产值由2001年的4 433.2亿元提升到2010年的30 248.6亿元。汽车工业总产值占全国工业总产值的比重维持在4%～5%的水平，汽车工业总产值占机械工业总产值的比重维持在20%左右的水平。

二、数据挖掘及其对汽车销售的影响分析

数据挖掘（Data Mining），是以计算机为主要工具，以海量数据为分析基础，综合运用聚类、机器学习、分类、模式识别、专家系统等方法，发现隐藏在海量数据中的信息，以及数据之间的关联规则，从而形成知识发现的基本过程。在经济管理领域，以市场营销为例，以大数据为基础，通过数据挖掘技术的应用，能够发现消费者的消费偏好、消费模式，从而可以在消费者消费偏好和消费模式等信息的基础上进行消费者分类，并根据消费者分类进行产品开发，向消费者提供给个性化和定制化的产品或产品组合，进行实现经济效益。数据挖掘方法对于汽车销售工作的价值主要体现在，通过数据挖掘能够实现企业市场定位、实现消费群体定位和实现营销策略制定等方面。

1.通过数据挖掘实现企业市场定位。目前，汽车产品作为大宗商品其产品价格区间较宽，市场上既有几万元的车型，也有数百万的产品，每种价格区间的汽车产品对应不同的消费者群体和市场竞争。因此，合理定位汽车产品并制定有针对性的营销策略，对于汽车企业发展具有重要意义。应用数据挖掘中的聚类技术，能够以车型价格为特征指标进行汽车销售的市场定位分析，从而为企业制定产品价格决策和新车型产品开发决策提供依据。

2.通过数据挖掘实现消费群体定位。对于汽车销售而言，消费者的受教育水平、收入水平、购车方式等都是汽车销售过程进行产品定价和制定销售策略的重要信息，特别是在消费需求个性化特征日益明显的现实背景下，准确识别用户群体并提供个性化产品和服务对于汽车企业培育客户忠诚度具有重要意义。应用数据挖掘中的分类技术，通过消费者收入水平、消费方式等特征指标实现消费者分类，进行形成各类型消费者群体的消费行为特征。

3.通过数据挖掘实现营销策略制定。随着论坛、博客、微博、微信、电商平台、点评网等媒介在PC端和移动端的创新和发展，消费者的消费过程和消费体验信息不断增长，这些信息涵盖着商家信息、个人信息、行业资讯、汽车驾乘体验、汽车产品浏览记录、成交记录、汽车价格动态等等海量信息，应用数据挖掘中的关联规则提取技术，能够建立消费者特征指标与消费频次、消费产品价格之间的关联规则，从而为制定营销策略提供依据。

三、汽车销售行业中数据挖掘系统设计

建立汽车销售行业数据挖掘模块化系统，是辅助汽车销售决策者通过数据、模型和方法，以人机交互方式进行半结构化决策或非结构化决策的计算机应用系统，为决策者通过分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，以提高汽车销售的水平和质量。

1.案例库。对于汽车销售工作而言，在实践中能够积累大量关于消费者的信息，包括消费者学历、收入、工作性质、购车方式等，这些基础数据信息对于进行汽车销售的数据挖掘工作具有较高的借鉴意义，也是后续开展数据挖掘工作的基础。因此，应建立汽车销售案例库，对汽车销售信息进行存储、检索、处理、维护等方面的内容，以有效支持模型库、知识库和方法库的运行。

2.模型库。模型库系统能够灵活地完成模型的存储和管理功能，是汽车销售行业数据挖掘模块化系统的核心，在模型库中应综合集成数据分类、聚类、因子分析、关联分析、决策树分析以及数据可视化等数据挖掘算法，从而提高汽车销售行业数据挖掘的质量和效率。

3.推理机。进行汽车行业销售数据挖掘的价值在于通过数据挖掘形成关于消费者行为的关联规则以及关于消费者偏好等方面的信息，推理机是一种重要的基于知识的问题求解和学习方法，能够以数据、模型等为基础，实现知识获取、知识集成和知识服务等功能。

四、数据挖掘在汽车销售中的应用

利用数据挖掘的方法可以形成关于消费者行为偏好的信息，而这些信息可能成为扩大消费者群体的重要基础。汽车行业销售过程中应用数据挖掘方法，可以利用数据挖掘结果进行消费者群体分类管理，利用数据挖掘结果进行消费者消费偏好提取，利用数据挖掘结果进行消费者个性偏好推送，以及根据汽车营销数据进行数据挖掘模块再优化。

1.利用数据挖掘结果进行消费者群体分类管理。随着中国汽车市场渐入稳步发展轨道、汽车后市场的逐步兴盛以及汽车营销人对于数字化营销决策的日渐渴望，对客户信息的深度分析和应用将成为新常态。利用汽车销售数据挖掘结果，可以对消费者群体进行分类，例如可以将消费者划分为保有客户、增值客户、摇摆客户、流失客户等，从而为加强客户关系管理提供依据。

2.利用数据挖掘结果进行消费者消费偏好提取。网络的交互性特征以及消费者在通过互联网风险消费体现的行为特征形成了关于汽车价格、质量、功能、服务等方面的数据信息，特别是随着各种论坛、微博、微信、电商平台等信息分享渠道的开拓，消费者消费体验发布的渠道更广，通过数据挖掘中的分词、聚类、情感分析等方法能够了解消费者的消费行为、价值趣向、消费需求和质量等需求，从而进行产品创新和价值提升。

3.利用数据挖掘结果进行消费者个性偏好推送。利用数据挖掘的方法可以形成关于消费者行为偏好的信息，基于这些重要信息，汽车销售过程中可以根据消费者偏好向其推送与其偏好相符的产品价格、质量、服务等信息，在推动方式方面，可以综合领用微博、微信、电子邮件以及客户回访等形式进行产品推送。

4.根据汽车营销数据进行数据挖掘模块再优化。进行数据挖掘工作的价值在于提取关于消费者行为特征的关联规则，进而向消费者提供使其满意的产品和服务。然而，受消费者水平、产品功能、市场结构等各种因素的影响，消费者群体的行为特征也在不断发生变化。因此，汽车行业销售中的数据挖掘工作不是一成不变的，而是必须汽车营销数据为基础，不断对数据挖掘算法和数据挖掘模块进行丰富和优化，从而使建立在数据挖掘工作基础上的关于消费者行为特征的关联规则能够更好地服务于汽车营销绩效的提升。

结论和展望

本文以数据挖掘方法在汽车销售行业中的应用问题为研究对象，通过分析，认为数据挖掘方法对于汽车销售工作的价值主要体现在，通过数据挖掘能够实现企业市场定位、实现消费群体定位和实现营销策略制定等方面。提出了基于案例库、模型库和推理机的汽车营销数据挖掘系统架构设计，进而提出了利用数据挖掘结果进行消费者群体分类管理、利用数据挖掘结果进行消费者消费偏好提取、利用数据挖掘结果进行消费者个性偏好推送，以及根据汽车营销数据进行数据挖掘模块再优化。后续研究中，针对汽车行业的数据挖掘软件开发将是本文进一步的研究方向。

参考文献：

[1] 赵炎，姚芳.创新网络动态演化过程中企业结盟的影响因素研究——基于中国汽车行业创新联盟的分析[J].研究与发展管理，

2014，（1）：70-77.

[2] 胡其颖.解读德国“国家电动交通工具发展计划”以及对我国新能源汽车政策的借鉴[J].可再生能源，2010，（5）：150-153.

[3] 課题组.上海国资引领战略性新兴产业跃迁式升级的架构创新路径研究——以新能源汽车产业为例[J].上海行政学院学报，2012，

（7）：85-97.

[4] 赵宇恒.汽车金融支持模式研究——基于汽车厂家对经销商财务支持的视角[J].会计之友，2010，（2）：59-61.

[5] 李四海，尹璐璐.中国汽车企业跨国并购整合风险分析——基于吉利并购沃尔沃的案例研究[J].会计之友，2011，（11）：52-54.

[责任编辑 陈丹丹]