受益于萬物互聯(lián)時(shí)代的信息爆發(fā)，傳感器的融合以及由大量傳感器帶來的數(shù)據(jù)運(yùn)算和處理，物理世界被前所未有地映射到虛擬網(wǎng)絡(luò)中。
隨著互聯(lián)網(wǎng)巨頭在物聯(lián)網(wǎng)領(lǐng)域樂此不疲地圍繞自動(dòng)駕駛技術(shù)、智能汽車圈地跑馬，作為物聯(lián)網(wǎng)概念的一隅，車聯(lián)網(wǎng)日漸成為信息化時(shí)代汽車領(lǐng)域的必爭(zhēng)之地。
盡管作為車聯(lián)網(wǎng)產(chǎn)業(yè)鏈的核心，車企在有效整合各方資源以及數(shù)據(jù)回收利用方面有著得天獨(dú)厚的優(yōu)勢(shì)，但是，在這個(gè)信息碎片化時(shí)代，車企對(duì)精準(zhǔn)掌握目標(biāo)客戶信息仍舊存在緊迫感。
面對(duì)汽車領(lǐng)域技術(shù)的日新月異與傳統(tǒng)業(yè)務(wù)成本壓力的與日俱增，車企急需在車聯(lián)網(wǎng)新技術(shù)研發(fā)與尋找新的盈利點(diǎn)等方面獲得突破，以應(yīng)對(duì)日趨激烈的行業(yè)競(jìng)爭(zhēng)。
車聯(lián)網(wǎng)數(shù)據(jù)從獲取到分析到?jīng)Q策再到預(yù)測(cè)這一全生命周期，對(duì)大多數(shù)車企而言，其價(jià)值尚未得到足夠的重視。
數(shù)據(jù)是所有車聯(lián)網(wǎng)分析的核心和源動(dòng)力，大數(shù)據(jù)和云計(jì)算是車聯(lián)網(wǎng)不可忽視的力量，而數(shù)據(jù)集市則是車聯(lián)網(wǎng)生態(tài)系統(tǒng)的基礎(chǔ)，一切基于車聯(lián)網(wǎng)數(shù)據(jù)的分析服務(wù)都離不開數(shù)據(jù)集市奠定的基礎(chǔ)。
車聯(lián)網(wǎng)分析集市基于大數(shù)據(jù)分析組件（Hadoop，Spark，Storm和Kudu等）搭建完善，主要由車主生命周期標(biāo)簽數(shù)據(jù)、車輛生命周期標(biāo)簽數(shù)據(jù)和應(yīng)用APP（例如：高德地圖使用數(shù)據(jù)）數(shù)據(jù)構(gòu)成。
車聯(lián)網(wǎng)分析集市的搭建，將有利于后期快速抽取、處理和使用360度全方位的車聯(lián)數(shù)據(jù)，進(jìn)行有針對(duì)性的大數(shù)據(jù)分析。
我們可以通過客戶流失分析以及二手車估值和預(yù)測(cè)這兩個(gè)具體應(yīng)用情景，看看車聯(lián)網(wǎng)數(shù)據(jù)分析在汽車精準(zhǔn)營(yíng)銷方面可以做哪些探索。
客戶流失分析
首先，通過車聯(lián)網(wǎng)集市存儲(chǔ)的車主、車輛和應(yīng)用APP的歷史和當(dāng)前數(shù)據(jù)，可解析出車主的地理軌跡和行為軌跡。 地理軌跡可直觀地反映出車主的駕駛路線和常去地點(diǎn)，從而有利于有效推測(cè)車主的行為軌跡。
其次，通過汽車的地理軌跡數(shù)據(jù)，可解析出車主的維修保養(yǎng)行為，例如：維保的類型、地點(diǎn)和頻次等信息。
通過以上車主行為軌跡以及維修保養(yǎng)行為數(shù)據(jù)，借助機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法搭建客戶流失預(yù)測(cè)模型，可推測(cè)出該車主客戶是否會(huì)在未來流失。
基于模型以及車聯(lián)網(wǎng)數(shù)據(jù)分析，可對(duì)流失客戶建立人群畫像，通過分析得出流失客戶群的屬性特征，從而有助于根據(jù)流失原因?qū)嵤╊A(yù)防或挽回的營(yíng)銷策略。
更有意思的是，一旦成功探索出客戶流失事件背后隱藏的規(guī)律和模式，便可有效地預(yù)測(cè)該客戶未來可能會(huì)發(fā)生的行為。根據(jù)推測(cè)出的高概率行為結(jié)果，車企可高效準(zhǔn)確地制定或調(diào)整營(yíng)銷策略去預(yù)防、甚至挽回流失的車主用戶。
二手車估值&出售行為預(yù)測(cè)
歷經(jīng)幾年沉浮，二手車市場(chǎng)已經(jīng)在資本角逐和市場(chǎng)沉浮步伐中勢(shì)頭正猛。二手車行業(yè)的增長(zhǎng)速度，加速了二手車出售行為以及估值預(yù)測(cè)的需求藍(lán)海出現(xiàn)。那么，車聯(lián)網(wǎng)對(duì)于二手車服務(wù)的迫切需求又將如何滿足？
首先，憑借車聯(lián)網(wǎng)技術(shù)，可快捷獲取汽車全生命周期的數(shù)據(jù)：車型各參數(shù)值、年款、市場(chǎng)價(jià)格、里程數(shù)、故障類型和發(fā)生頻次等。
通過數(shù)據(jù)分析準(zhǔn)確勾勒出對(duì)應(yīng)車主的基本畫像信息和地理/行為軌跡，進(jìn)一步推測(cè)出此汽車做過的維修保養(yǎng)類型、級(jí)別和次數(shù)?；谝陨蠑?shù)據(jù)的合理分析可預(yù)估出相應(yīng)汽車的生命剩余價(jià)值。
其次，通過對(duì)源數(shù)據(jù)和解析數(shù)據(jù)的分析，結(jié)合機(jī)器學(xué)習(xí)和深度學(xué)習(xí)分類算法，可搭建二手車買賣行為預(yù)測(cè)模型。
通過對(duì)車主以及車輛全方位的分析，便可推測(cè)出車主何時(shí)會(huì)有賣車行為，甚至可以解析出此次賣車的后續(xù)行為，即此次賣車是置換還是生活需要。根據(jù)這些車聯(lián)網(wǎng)數(shù)據(jù)分析結(jié)果，營(yíng)銷人員可以在合適的時(shí)候，針對(duì)性地提供舊車倒賣指南或新車推薦服務(wù)。
以上兩類應(yīng)用場(chǎng)景其實(shí)上只是車聯(lián)網(wǎng)眾多應(yīng)用情景之一二。
隨著中國車聯(lián)網(wǎng)市場(chǎng)的高速發(fā)展，智能交通管理、智能動(dòng)態(tài)信息服務(wù)和車輛智能控制的一體化網(wǎng)絡(luò)也在不斷完善。
面對(duì)空前高漲的用戶體驗(yàn)以及勢(shì)不可擋的消費(fèi)升級(jí)，車聯(lián)網(wǎng)在助力車企實(shí)現(xiàn)人、車、路、網(wǎng)、物的有效互聯(lián)融合的同時(shí)，將更有利于打造智能化的共享出行和智慧出行的汽車生態(tài)圈。
微信掃一掃
