汽车营销行业智慧门店的大数据应用探讨

何运舟

上海汽车集团股份有限公司乘用车分公司数据及信息系统部 上海市 200438

1 引言

市场营销学的经典理论告诉我们：消费者的需求就是企业的市场。市场营销的就是竭尽所能地满足消费者现实或潜在的需求。企业占有市场的一席之地，才能图生存、谋发展。为此，企业都把市场看作是自己的生命线，把消费者看作上帝。为了满足市场需求，企业不惜重金、下大力气去做市场调查、搞市场预测，并根据消费者的消费偏爱去开发适销对路的产品，根据市场规模、产品成本、和竞争对手的营销手段制定企业的营销策略。

由于企业的能力和资源是有限的，在市场研究方面的投入也是有限的，用传统的市场调查、市场预测的方法，获得的市场信息有时难免存在局限性、片面性，不够全面准确。而且传统的调查方法主要靠人机协作，费时费力，信息的时效性较差，有些信息是过时的，所以据此作出的预测结果也往往不够准确，可能导致企业经营决策失误。

大数据营销通过互联网采集大量的行为数据，强调时效性。在网络时代，人们的消费行为和购买方式极变化极快。大数据分析可及时掌握网民的需求，帮助企业找出目标受众，第一时间对网民的需求作出回应，结合线下实体店实现精准营销。

当前，国内汽车市场的增速出现拐点，产能过剩普遍存在。而且，市场上可供选择的车型越来越多，消费者出现选择困惑，汽车厂家需要消费大数据引导企业了解市场，给产品精确定位来适应消费需求的变化。汽车销售门店（4S店）是汽车企业观察市场的眼睛，由他们收集的用户信息是车企新品开发和老产品改进的依据。因此数字营销已在汽车企业普及推广，汽车企业开始注重大数据在汽车营销工作中的运用，正在努力打造数字化智能门店。

2 数据挖掘在汽车营销活动中的作用

数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过程。数据挖掘综合运用聚类、机器学习分类、模式识别、专家系统等方法，发现有用信息，以及数据之间的关联规则。通过这种技术的手段，可以从大量无序的、模糊的、杂乱的数据中获取隐蔽的人们所需要的信息数据，用来发现消费者的消费喜好，从而可以在人们消费偏好和消费模式等信息的基础上进行消费者分类。再结合对消费者需求的精准把握进行产品开发，向消费者提供给个性化和定制化的产品。数据挖掘方法对于汽车销售工作的作用主要体现在帮助实现企业市场定位、实现消费群体定位和实现营销策略制定等方面。

2.1 数据挖掘技术有助于企业做好客户关系管理

在人们需求逐渐多元化、汽车行业发展遭遇新挑战的情况下，客户关系管理工作在汽车企业竞争活动中的作用越发重要。数据挖掘技术主要在挖掘黄金客户、客户背景分析、减少客户流失、预测客户消费求方面发挥作用，从而不断提升整个交叉营销的实际效果。潜在购车者的受教育水平、收人水平、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。应用数据挖掘中的分类技术，可对上述特征指标进行消费者分类。其对消费行为特征的精准描述，可指导企业针对性地对潜在消费者推送适用产品或开发特定产品。

2.2 数据挖掘技术可帮助企业实现正确的市场定位

目前，消费者根据自己的收入水平在一定的价格区间内选择适合自己的、性价比高的产品。因此，合理定位汽车产品的性能与价格，并制定有针对性的营销策略，对于汽车企业具有重要意义。数据挖据中的聚类技术，能够以车型价格为特征指标进行市场定位分析，从而为企业的产品价格决策和车型开发决策提供依据。

2.3 数据挖掘技术还能帮助企业制定科学合理的营销策略

在互联网+时代，各种电商平台、论坛、微信、微博、手机APP等媒介不断创新和发展，汽车驾乘体验、车展信息、成交记录、汽车价格动态等海量信息，及有关购车者购车体验等等信息大量产生，应用数据挖据中的关联规则提取技术能够建立购车者特征指标与购车频次、汽车产品价格之的关联规则从而为制定营销策略提供依据。

3 汽车营销企业智慧门店数据挖掘系统设计

3.1 构建智能门店后台的数据平台

我们选取目前主流的大数据平台组件来构建智能门店后台的数据平台。Cloudera的Flume能在数据处理层面提供一个高可用的，分布式的海量日志采集、整合和传输的系统。Nutch提供搜索引擎所需的全部工具。在数据的存储上，对于PB级的数据我们使用hadoop的HDFS分布式文件系统来存储。在数据分析处理模块，我们使用Kafka来处理来自车联网等渠道的每秒数百万条的消息，并适时传入Storm进行实时流计算。Oracle、HBase、MySQL等数据库能在数据分析持久层满足不同类型应用开发的需求。总体架构的设计思路就是为了满足多渠道，海量数据的采集，高速的处理，以及不同的应用开发平台的业务需求。

图1为某一大型汽车企业的大数据平台架构示意图：

图1 大数据平台的技术实现架构

3.2 建立智能化售前服务体系

在具体实践中，我们看到在4S店的售前阶段，客流是销售顾问们最为关心的。有客流才能转换成订单，客流从哪里来，来店里后对产品意向如何，如何针对性的设计销售策略？这些问题都关系到最终销售业绩。为此，我们引入数据分析和人工智能技术来帮助销售工作人员快速地发现潜在客户，确定购买意向。

在智慧门店中，每个人一走进展厅，就会被智能摄像头连续抓拍，摄像头内置的人脸识别算法会对拍到的照片进行选优，选取光线角度最佳的人脸照片上传到云端服务器，云端的高性能GPU服务器会人脸进行分析比对。系统会先判断此人是否为店内工作人员，之前是否来过，如果不是，那可定义为新客，新客的照片通过APP推送到前台的接待人员的手机上，并且可以将同时进店的人员作为一个批次推送，接待人员可以直接为新客户建卡并分配销售顾问上前接待；如果此人之前来过，系统中已有记录，那他将被识别为二次到店，他的身份，之前所分配的销售顾问是谁，意向车型是哪款，洽谈进展如何，整个客户资料将立即呈现在APP端，销售人员将非常高效的针对这样的客户进行进一步的沟通。这样的过程仅仅在几秒钟内完成。极大地提高了前端销售的效率。客户在店里看车时，他在每个车型停留的时间也会被摄像头记录。离店时，智能摄像头还会再次记录下他的信息，并对他整个驻店时长进行记录。这些数据都会作为客流信息上传到后台大数据平台，大数据平台经过分析处理后将得到不同地区，不同品牌，不同车型客流情况的实时信息，主机厂可以随时查询。对比以前每个月统计一次的销售报表，这样的实时分析数据这将对主机厂的各类营销活动的设计，营销策略的制定，产品投放的时机等起到极大的提升作用。（图2）为智能门店接待逻辑图。

3.3 建立智能化的售后服务系统

车联网的兴起使得公路上跑的车辆成为了一个数据生产的机器，车辆在使用个过程中在不断地产生各种数据。车辆行驶的路线，车速，车主的用车习惯，开车喜欢听什么样的音乐，新能源车在哪里充电，车辆发生了什么故障，用车的环境如何……这样数据都通过互联网传到了后端的大数据平台。大数据平台将这些数据进行归类、清洗、整理并应用到各种场景中。

在售后服务营销场景中，传统的售后服务都是等车上门，看人下菜，经常出现排队时间长，小病大修，用户无法准确描述故障，一个故障多次维修，质量投诉无门等问题。如今随着快修店的快速成长，及保险公司买保险送保养等活动的打压下，4S店的售后接单量下降明显。在智慧门店中，4S店可以将自己的资源（车间工位，备件信息，技师信息，服务项目等）通过网络公布出来，而互联网汽车又会将自身的健康状况，保养需求通过ODB传给TBOX发布到云端。大数据平台对接双方的数据，进行撮合，按照维修的紧急程度，距离远近，车间繁忙情况，用户评价等算法模型将撮合结果发送给车主与4S店，达到车主无需开口，4S店就能知道用户的需求。4S店无需等车上门，主动获得客户，提前准备维修方案，安排备件，既避免4S店盲目购进备件的压库问题，也解决了用户做完检查后无备件需等待订货的尴尬。车辆进店后，传统的排队接车等待开单等环节都已不复存在，技师直接根据车牌识别的信息，系统的派单信息，直接将车开去工位维修。车入维修状态后，车辆的每个维修步骤都将被系统记录，车主能通过休息室的智能大屏或是手机APP随时查看自己车辆的维修进展。图3是智能门店售后系统架构图：

图3 智能门店售后系统架构

4 结束语

正确使用汽车销售企业的数据挖掘技术，是实现汽车销售智能化和售后服务智能化的基础，是辅助汽车企业进行预测市场需求、准确开发适销产品、正确制定销售策略的有效工具。是提高汽车企业营运效率的现代化手段。