車企線上客戶大數(shù)據(jù)研究項(xiàng)目方案-20180129

汽車企業(yè)線上客戶研究項(xiàng)目方案目錄2.項(xiàng)目理解與數(shù)據(jù)策略3.客戶洞察與畫像分析5.產(chǎn)品洞察分析6.案例分享7.項(xiàng)目實(shí)施計(jì)劃與保障1.XX公司介紹4.客戶趨勢(shì)研究目錄XX公司介紹項(xiàng)目理解與數(shù)據(jù)策略項(xiàng)目策略廣泛吸納各類可用的大數(shù)據(jù)源用作研究與分析，滿足各種客戶與產(chǎn)品洞察廣深充分挖掘客戶與產(chǎn)品洞察中的高價(jià)值關(guān)鍵點(diǎn)，進(jìn)行更進(jìn)一步的分析，獲取更深入的信息5項(xiàng)目理解垂直媒體數(shù)據(jù)銀聯(lián)數(shù)據(jù)車企內(nèi)部數(shù)據(jù)問卷調(diào)研數(shù)據(jù)數(shù)據(jù)處理數(shù)據(jù)清洗數(shù)據(jù)合并數(shù)據(jù)對(duì)齊大數(shù)據(jù)算法引擎客戶畫像客戶洞察客戶趨勢(shì)產(chǎn)品趨勢(shì)產(chǎn)品評(píng)估行業(yè)報(bào)告數(shù)據(jù)網(wǎng)站文本數(shù)據(jù)6XX對(duì)于該項(xiàng)目的優(yōu)勢(shì)所在超過13年的汽車行業(yè)服務(wù)經(jīng)驗(yàn)客戶覆蓋幾乎所有的主流車企業(yè)務(wù)包括數(shù)字營(yíng)銷、CRM、消費(fèi)者洞察等擁有行業(yè)最頂尖的大數(shù)據(jù)專家團(tuán)隊(duì)超過200人服務(wù)于汽車行業(yè)擁有完整的咨詢、開發(fā)、運(yùn)維、運(yùn)營(yíng)服務(wù)能力豐富的汽車行業(yè)經(jīng)驗(yàn)經(jīng)驗(yàn)多渠道大數(shù)據(jù)獲取數(shù)據(jù)頂級(jí)的大數(shù)據(jù)分析能力能力XX擁有強(qiáng)大的多渠道數(shù)據(jù)獲取、整合與分析能力，合作方包括：垂直媒體（汽車之家、易車、愛卡、太平洋）銀聯(lián)電信運(yùn)營(yíng)商阿里騰訊XX首席大數(shù)據(jù)專家--余宇新博士，擁有多年的商業(yè)、金融、經(jīng)濟(jì)領(lǐng)域的大數(shù)據(jù)分析經(jīng)驗(yàn)，服務(wù)對(duì)象多個(gè)知名跨國(guó)、合資企業(yè)、央企、政府機(jī)關(guān)單位等專業(yè)的汽車大數(shù)據(jù)行業(yè)顧問團(tuán)隊(duì)，擁有車企奧迪、上汽乘用車等大數(shù)據(jù)項(xiàng)目實(shí)施經(jīng)驗(yàn)7項(xiàng)目方法論總覽業(yè)務(wù)與系統(tǒng)調(diào)研確立模型方法論客戶視圖標(biāo)簽確認(rèn)業(yè)務(wù)模型選型客戶畫像視圖標(biāo)簽確認(rèn)產(chǎn)品細(xì)分確認(rèn)模型所需標(biāo)簽確認(rèn)模特特征數(shù)據(jù)來源確認(rèn)數(shù)據(jù)/統(tǒng)計(jì)模型確認(rèn)模型參數(shù)計(jì)算與確認(rèn)客戶標(biāo)簽數(shù)據(jù)來源確認(rèn)產(chǎn)品細(xì)分?jǐn)?shù)據(jù)確認(rèn)產(chǎn)品&客戶洞察分析客戶360畫像/客戶洞察業(yè)務(wù)模型8車企內(nèi)部系統(tǒng)數(shù)據(jù)概覽車企內(nèi)部數(shù)據(jù)銷售會(huì)員忠誠(chéng)度當(dāng)前擁有車輛數(shù)VIN會(huì)員等級(jí)……售后首保服務(wù)商事故維修次數(shù)事故維修金額平均保養(yǎng)間隔公里數(shù)……微信OpenID最后一次訪問時(shí)間推文閱覽總次數(shù)微信活躍度……官網(wǎng)訪問日期訪問官網(wǎng)來源渠道是否留資瀏覽車型及對(duì)應(yīng)次數(shù)……客服來電總次數(shù)手機(jī)號(hào)碼溝通類型溝通頻率……金融是否貸款首付款貸款年限是否店內(nèi)購(gòu)買保險(xiǎn)……9長(zhǎng)期的伙伴關(guān)系&豐富的合作經(jīng)驗(yàn)垂直媒體大數(shù)據(jù)概覽—XX與主要垂媒合作密切XX是汽車行業(yè)內(nèi)知名的CRM、銷售線索管理系統(tǒng)、媒介管理系統(tǒng)的供應(yīng)商，因此有諸多機(jī)會(huì)與各家垂直媒體保持著頻繁、緊密的合作。在此背景下，曾經(jīng)多次在主機(jī)廠大數(shù)據(jù)相關(guān)項(xiàng)目中引入垂直媒體等外部數(shù)據(jù)供應(yīng)方，共同參與項(xiàng)目。10垂直媒體大數(shù)據(jù)概覽—垂直媒體數(shù)據(jù)類型客戶在垂媒論壇中的發(fā)帖、回帖、以及在各類新聞、視頻下的留言評(píng)論，均直觀地表達(dá)了客戶的復(fù)雜想法，且存量巨大，具有很高的洞察價(jià)值論壇與評(píng)論數(shù)據(jù)垂媒通過訪客一系列的行為數(shù)據(jù)，可計(jì)算分析產(chǎn)出模型化標(biāo)簽，如購(gòu)買力評(píng)估，實(shí)際購(gòu)車意愿等模型計(jì)算標(biāo)簽例如訪問品牌、車型的時(shí)間、頻次、時(shí)長(zhǎng)、偏好的顏色、配置、留資等各類瀏覽行為數(shù)據(jù)瀏覽行為數(shù)據(jù)垂媒中包含諸多與用車、養(yǎng)車相關(guān)的功能，如違章查詢、在線商城、新能源用車助手、甚至租車服務(wù)等。這部分?jǐn)?shù)據(jù)同樣能被納入客戶與產(chǎn)品洞察分析車生活相關(guān)數(shù)據(jù)11垂直媒體大數(shù)據(jù)概覽—垂媒客戶在業(yè)務(wù)中的應(yīng)用12數(shù)據(jù)歷史基于以上覆蓋境內(nèi)外全量銀聯(lián)通道的刷卡消費(fèi)數(shù)據(jù)，再整合來自銀行、運(yùn)營(yíng)商、互聯(lián)網(wǎng)企業(yè)和機(jī)構(gòu)團(tuán)體等的數(shù)據(jù)進(jìn)行統(tǒng)一管理，銀聯(lián)智惠構(gòu)建了中國(guó)獨(dú)一無二的線上線下整合營(yíng)銷再到推拉消費(fèi)者到店購(gòu)買的一站式營(yíng)銷服務(wù)平臺(tái)。覆蓋99.9%的中國(guó)人和其他在華人士的真實(shí)購(gòu)買行為，97%的汽車流水，連接80%的北上廣深移動(dòng)端用戶和30%的中國(guó)移動(dòng)端用戶。數(shù)據(jù)深度近5年不間斷消費(fèi)記錄增量流水同步，實(shí)時(shí)更新商戶信息、商戶地址、商戶類型、卡號(hào)、卡種類等級(jí)、交易時(shí)間、金額，交易類型、終端渠道用戶&數(shù)據(jù)規(guī)模9億持卡用戶3億活躍手機(jī)號(hào)2億活躍移動(dòng)設(shè)備號(hào)54萬(wàn)億年消費(fèi)額一線城市銀聯(lián)卡消費(fèi)占總消費(fèi)額63.2%二線城市53.4%其它地區(qū)33%7000萬(wàn)日交易記錄覆蓋97%的汽車行業(yè)流水?dāng)?shù)據(jù)廣度覆蓋157個(gè)國(guó)家地區(qū)300類5500萬(wàn)家注冊(cè)商戶一二線城市2,000個(gè)商圈13個(gè)行業(yè)10,000個(gè)品牌全國(guó)7500家汽車經(jīng)銷商70+

汽車品牌銀聯(lián)大數(shù)據(jù)概覽—完整的客戶線上/線下/境內(nèi)外消費(fèi)畫像13銀聯(lián)大數(shù)據(jù)概覽—汽車相關(guān)客戶畫像構(gòu)建交易信息呈現(xiàn)用戶消費(fèi)／資產(chǎn)信息用戶標(biāo)識(shí)打通銀行卡:卡號(hào)信息手機(jī)號(hào)設(shè)備號(hào)：imei／IDFA銀行卡等級(jí)：普卡／金卡／..授信額度：2w／3w／..交易次單價(jià):5000/8000..刷卡頻次:行業(yè)：汽車、餐飲、服裝…品牌：車企馬自達(dá)、車企大眾、門店：上海景和金沙4S店…時(shí)間、地址、金額某清算機(jī)構(gòu)過去5年整車購(gòu)車刷卡記錄，覆蓋全國(guó)個(gè)人乘用車銷售額80%門店消費(fèi)記錄細(xì)化至地域地區(qū)、品牌、4S門店的消費(fèi)記錄覆蓋70個(gè)主流汽車品牌，20000家4s店，月均交易額580億關(guān)聯(lián)消費(fèi)記錄細(xì)化至訂車、購(gòu)車、維修/保養(yǎng)、換車行為以及其他行業(yè)消費(fèi)用戶信息：完整卡號(hào):發(fā)卡行：xx銀行消費(fèi)類型：消費(fèi)消費(fèi)金額：xxx元消費(fèi)日期：2018,xx/xx消費(fèi)時(shí)間：17：50：31優(yōu)選汽車行業(yè)應(yīng)用數(shù)據(jù)交易流水：173xxxxxxxx商戶信息：xxx汽車貿(mào)易公司POSid：96xxxxx14213用戶基于多輪迭代標(biāo)注的人群屬性模型基于邏輯回歸的消費(fèi)軌跡預(yù)測(cè)模型基于多元線性回歸的個(gè)人月收入預(yù)估模型…商戶基于自然語(yǔ)言處理的品牌挖掘模型基于關(guān)聯(lián)規(guī)則的商戶關(guān)系圖譜及商圈模型基于時(shí)間序列的商戶屬性模型…行業(yè)相關(guān)銀聯(lián)大數(shù)據(jù)概覽—銀聯(lián)大數(shù)據(jù)算法理論建立專家經(jīng)驗(yàn)＋機(jī)器學(xué)習(xí)的智能數(shù)據(jù)清洗系統(tǒng)。這個(gè)系統(tǒng)能夠不斷學(xué)習(xí)，不斷積累，自我反饋，自我演化，成為具有深度學(xué)習(xí)能力的智能數(shù)據(jù)平臺(tái)。汽車行業(yè)基于隨機(jī)森林的品牌購(gòu)車意向模型基于聚類算法的用戶購(gòu)車概率模型…

奢侈品行業(yè)基于邏輯回歸的品牌忠誠(chéng)評(píng)估模型基于隨機(jī)森林的品牌購(gòu)買意向模型…15數(shù)據(jù)來源合規(guī)合法嚴(yán)格設(shè)置使用權(quán)限，建模數(shù)據(jù)不離開內(nèi)部建模隔離環(huán)境穩(wěn)定持續(xù)的數(shù)據(jù)安全保障建模數(shù)據(jù)調(diào)用和未來流程使用均采用不可逆的數(shù)據(jù)摘要方式數(shù)據(jù)傳輸安全我方在建模和后期使用過程中均不留存客戶任何數(shù)據(jù)不留存數(shù)據(jù)關(guān)鍵信息支持通過內(nèi)部專線形式傳輸，保證數(shù)據(jù)安全信息專線對(duì)接SMC、Box

Computing：滿足法律法規(guī)各項(xiàng)規(guī)定、數(shù)據(jù)應(yīng)用以安全合規(guī)與隱私保護(hù)為前提來源評(píng)估、數(shù)據(jù)授權(quán)、數(shù)據(jù)脫敏、風(fēng)險(xiǎn)分類；身份和訪問控制管理、數(shù)據(jù)生命周期安全管理；用戶權(quán)限管理、輸出審核與備案；全流程安全管控銀聯(lián)大數(shù)據(jù)概覽—銀聯(lián)大數(shù)據(jù)安全保障16網(wǎng)站文本大數(shù)據(jù)概覽—以汽車相關(guān)內(nèi)容的評(píng)論為數(shù)據(jù)源汽車之家易車愛卡太平洋搜狐汽車騰訊汽車新浪汽車優(yōu)酷知乎網(wǎng)易汽車微博今日頭條垂直媒體門戶網(wǎng)站汽車頻道其他17文本數(shù)據(jù)抓取根據(jù)研究對(duì)象設(shè)定抓取關(guān)鍵詞，從相關(guān)的論壇、網(wǎng)站等獲取關(guān)聯(lián)文本數(shù)據(jù)文本數(shù)據(jù)分詞將抓取到的文本信息中的高頻詞提取，再根據(jù)算法進(jìn)行數(shù)據(jù)分詞文本數(shù)據(jù)分云對(duì)高頻詞按照提及次數(shù)進(jìn)行排序后，根據(jù)頻次生成詞云文本數(shù)據(jù)關(guān)聯(lián)關(guān)系構(gòu)建通過算法計(jì)算出高頻詞間的關(guān)聯(lián)關(guān)系，形成N各聚類

洞察解讀從N個(gè)聚類中，分別解讀并驗(yàn)證其中所包含的客戶或產(chǎn)品洞察網(wǎng)站文本大數(shù)據(jù)概覽—文本數(shù)據(jù)采集與處理18網(wǎng)站文本大數(shù)據(jù)概覽—文本數(shù)據(jù)核心算法19情感分析算法發(fā)現(xiàn)產(chǎn)品最值得改進(jìn)的方面，獲取市場(chǎng)機(jī)會(huì)聚類算法提取并聚合文本數(shù)據(jù)中包含的客戶或產(chǎn)品特征指數(shù)平滑法/小波函數(shù)分解時(shí)間序列法發(fā)現(xiàn)客戶或產(chǎn)品趨勢(shì)變化特征、季節(jié)變化特征以及隨機(jī)變化特征基于大數(shù)據(jù)分析洞察中的關(guān)鍵點(diǎn)設(shè)計(jì)在線定量調(diào)研問卷，獲取更深入的洞察問卷數(shù)據(jù)概覽—問卷設(shè)計(jì)理念提煉關(guān)鍵點(diǎn)進(jìn)行下鉆分析提煉關(guān)鍵點(diǎn)進(jìn)行下鉆分析客戶趨勢(shì)分析產(chǎn)品評(píng)價(jià)與趨勢(shì)分析客戶畫像與洞察深度廣度車企內(nèi)部數(shù)據(jù)車企外部數(shù)據(jù)定性問卷調(diào)研20問卷數(shù)據(jù)概覽—問卷題目設(shè)計(jì)示例傳統(tǒng)的預(yù)設(shè)問卷題目的方式，最大缺陷在于題目寬泛，缺乏深度。目前市場(chǎng)研究行業(yè)更傾向于通過“定性挖掘定量”的方法，即通過定性的研究結(jié)果來設(shè)計(jì)定量問卷。此外本項(xiàng)目還可通過其他數(shù)據(jù)分析結(jié)果輔助問卷設(shè)計(jì)。在線調(diào)研數(shù)據(jù)平臺(tái)選項(xiàng)：Confirmit、Data100、問卷星您的購(gòu)車預(yù)算與時(shí)間是多少？您的意向車型是什么（兩廂/三廂/SUV/MPV/跑車)?您購(gòu)車前會(huì)咨詢哪些渠道（什么人？線上信息搜索？線下店鋪？）重要性排序線上渠道展開詢問頻率及重要性排序影響您的購(gòu)車關(guān)鍵因素（外觀？性能？?jī)r(jià)格？品牌？）重要性排序什么樣的信息可以刺激您購(gòu)車決策（價(jià)格折扣？增加配置？限量涂裝？金融方案等）重要性排序您瀏覽汽車之家（易車、愛卡、太平洋）的紅旗論壇的頻率如何？偏好哪些帖子您在網(wǎng)絡(luò)上看到紅旗相關(guān)新聞時(shí)，是否會(huì)給予點(diǎn)贊或評(píng)論？偏好評(píng)論哪些內(nèi)容？當(dāng)您周圍的人夸獎(jiǎng)或吐槽紅旗時(shí)，您通常會(huì)分別如何回應(yīng)？紅旗H7外觀大氣，那當(dāng)您在網(wǎng)絡(luò)上或?qū)嶋H看到H7于內(nèi)飾后您有何看法？紅旗品牌歷史悠久、高壓尊貴，您認(rèn)為紅旗該提供何種買車、用車服務(wù)才能與之匹配？21問卷數(shù)據(jù)概覽—多重問卷數(shù)據(jù)質(zhì)控手段會(huì)員招募階段通過媒體購(gòu)買聯(lián)盟網(wǎng)站，從數(shù)千個(gè)網(wǎng)站招募會(huì)員，盡量避免單一來源引起的偏差控制性別、年齡、城市等比例會(huì)員加入樣本庫(kù)后，逐個(gè)人工核實(shí)會(huì)員電子郵件地址認(rèn)證IP地址匹配：避免一IP多注冊(cè)/異地注冊(cè)PC識(shí)別：避免從同一PC多次注冊(cè)會(huì)員庫(kù)管理及時(shí)、周到的會(huì)員服務(wù)，完成調(diào)查獲得積分手機(jī)充值、現(xiàn)金、Q幣等豐富的禮品會(huì)員信用評(píng)級(jí)系統(tǒng)，根據(jù)參與調(diào)查中的表現(xiàn)移除不良會(huì)員6個(gè)月內(nèi)不響應(yīng)調(diào)查邀請(qǐng)的會(huì)員從會(huì)員庫(kù)移除22問卷數(shù)據(jù)概覽—多重問卷數(shù)據(jù)質(zhì)控手段DataVerify問卷計(jì)算會(huì)員信用值PC標(biāo)簽

識(shí)別受訪者PC，避免從同一臺(tái)PC多次進(jìn)入問卷IP監(jiān)測(cè)識(shí)別重復(fù)IP地址IP地址與城市匹配檢查動(dòng)態(tài)質(zhì)量評(píng)估終止近期參與過同類產(chǎn)品調(diào)查的受訪者

終止隨意作答的受訪者

態(tài)度檢查

背景信息檢查訪問時(shí)間控制主問卷合格受訪者數(shù)據(jù)收集階段，通過DataVerify控制質(zhì)量23問卷數(shù)據(jù)概覽—多重問卷數(shù)據(jù)質(zhì)控手段數(shù)據(jù)清理階段人工檢查開放題，答題時(shí)間過短或明顯胡答問卷，刪除不合格數(shù)據(jù)其他客戶指定的條件問卷設(shè)計(jì)階段數(shù)據(jù)質(zhì)量很大程度上取決于問卷的質(zhì)量，常見的影響因素有：?jiǎn)柧黹L(zhǎng)、題目反復(fù)、內(nèi)容不夠吸引受訪者強(qiáng)迫受訪者作答（如，沒有“不知道”選項(xiàng)）題目復(fù)雜、難懂不容易作答（比如詢問過去一個(gè)月各項(xiàng)支付的具體金額或比例等）邏輯錯(cuò)誤（比如向非諾基亞用戶詢問關(guān)于諾基亞的題目等）24行業(yè)報(bào)告數(shù)據(jù)概覽項(xiàng)目中針對(duì)客戶人群和汽車行業(yè)現(xiàn)狀及未來的發(fā)展將引入專業(yè)國(guó)家單位及企業(yè)發(fā)布的報(bào)告作為參考，同時(shí)將其中的關(guān)鍵因素納入大數(shù)據(jù)建模分析中。SleekDiagram&chartSleekDiagram&chart專業(yè)國(guó)家機(jī)關(guān)和單位市場(chǎng)研究、咨詢、大數(shù)據(jù)公司國(guó)家統(tǒng)計(jì)局工業(yè)和信息化部中國(guó)汽車工業(yè)協(xié)會(huì)中國(guó)汽車行業(yè)協(xié)會(huì)……艾瑞Talking

Data麥肯錫埃森哲……25客戶洞察與畫像分析目錄數(shù)據(jù)處理數(shù)據(jù)來源01040302客戶用戶畫像建?？蛻舳床旆治隹蛻羧芷诋嬒癞a(chǎn)品細(xì)分的客戶洞察基于車企產(chǎn)品生命周期的客戶洞察（產(chǎn)品策劃期、SOP上市預(yù)熱期、上市后3-6個(gè)月）基于車企目標(biāo)細(xì)分市場(chǎng)的客戶洞察實(shí)際客戶與目標(biāo)客戶差異分析客戶洞察分析不同條件下客戶畫像所涉及的維度與明細(xì)標(biāo)簽字段設(shè)計(jì)根據(jù)具體業(yè)務(wù)場(chǎng)景與需求創(chuàng)建大數(shù)據(jù)模型標(biāo)簽客戶用戶畫像建模車企內(nèi)部數(shù)據(jù)垂媒數(shù)據(jù)銀聯(lián)大數(shù)據(jù)網(wǎng)站文本大數(shù)據(jù)行業(yè)報(bào)告數(shù)據(jù)數(shù)據(jù)來源數(shù)據(jù)清洗數(shù)據(jù)關(guān)聯(lián)與合并數(shù)據(jù)審計(jì).數(shù)據(jù)處理客戶洞察與畫像分析方法論27客戶全生命周期畫像模型所需維度華潤(rùn)油漆車主信息車輛信息售后維保能力金融能力投訴&滿意度其他數(shù)據(jù)標(biāo)簽銀聯(lián)數(shù)據(jù)標(biāo)簽垂媒數(shù)據(jù)標(biāo)簽會(huì)員信息總覽/明細(xì)記錄單一字段復(fù)合標(biāo)簽?zāi)Ｐ蜆?biāo)簽潛客車主會(huì)員用車習(xí)慣粉絲粉絲/潛客信息個(gè)人與車輛相關(guān)數(shù)據(jù)線上行為數(shù)據(jù)外部大數(shù)據(jù)補(bǔ)充標(biāo)簽與字段維度線下行為外展行為門店行為線上行為官網(wǎng)瀏覽行為電商瀏覽行為其他網(wǎng)站瀏覽行為雙微瀏覽行為知乎瀏覽行為視頻網(wǎng)站瀏覽行為探針記錄VR/AR行為紅旗H5車主28客戶全生命周期畫像示例綜合考慮客戶全生命周期以及主機(jī)廠業(yè)務(wù)單元來建立客戶360視圖畫像舉例29客戶全生命周期畫像的應(yīng)用精準(zhǔn)投放1.Wifi

廣告推送2.直接媒體包版發(fā)布第三方數(shù)據(jù)交換1.Coolie/DeviceIDMapping/Lookalike2.重定向模型預(yù)測(cè)投放效果度量1.ROI預(yù)測(cè)2.跨媒體重合度分析CRM會(huì)員管理中心1.消費(fèi)者&車關(guān)系2.CustomerJourney客戶360視圖畫像、標(biāo)簽互聯(lián)網(wǎng)汽車數(shù)據(jù)互聯(lián)網(wǎng)數(shù)據(jù)內(nèi)部數(shù)據(jù)源數(shù)據(jù)清洗、融合活動(dòng)行為數(shù)據(jù)自有數(shù)據(jù)1.歸因模型2.車輛售后預(yù)報(bào)千萬(wàn)級(jí)百萬(wàn)級(jí)30地區(qū)收入年齡車型類別B級(jí)車性別產(chǎn)品細(xì)分的客戶洞察—基于車企目標(biāo)細(xì)分市場(chǎng)的客戶洞察C級(jí)車D級(jí)車SUVMVP……舉例瞄準(zhǔn)車企產(chǎn)品的目標(biāo)人群市場(chǎng)，洞察不同市場(chǎng)人群的特征數(shù)據(jù)，如基本信息、興趣愛好、日?；顒?dòng)區(qū)域、消費(fèi)能力、車輛咨詢獲取渠道等31針對(duì)紅旗產(chǎn)品所處的生命周期，結(jié)合線上文本數(shù)據(jù)、問卷調(diào)研數(shù)據(jù)、垂媒數(shù)據(jù)等，綜合分析不同產(chǎn)品階段的客戶對(duì)產(chǎn)品、技術(shù)、服務(wù)三個(gè)層面的洞察產(chǎn)品細(xì)分的客戶洞察—基于車企產(chǎn)品生命周期的客戶洞察45個(gè)月左右策劃期SOP預(yù)熱期上市期H5H73-6個(gè)月左右?？蜐摽彤a(chǎn)品技術(shù)服務(wù)產(chǎn)品技術(shù)服務(wù)32數(shù)據(jù)輸入數(shù)據(jù)分析結(jié)果輸出客戶數(shù)據(jù)整理選擇關(guān)注的客戶群數(shù)據(jù)挖掘工具客戶細(xì)分模型細(xì)分參考標(biāo)準(zhǔn)人口特征消費(fèi)心理消費(fèi)行為…確定每群客戶特征全面精準(zhǔn)的理解不同細(xì)分條件下的客戶特征客戶數(shù)據(jù)倉(cāng)庫(kù)整理分類確定細(xì)分目標(biāo)設(shè)計(jì)細(xì)分維度建立模型進(jìn)行客戶細(xì)分分析確定每群客戶的基本特征客戶細(xì)分洞察流程33二維平面組合細(xì)分如正式客戶特征信息與車輛維修兩維度信息組合客戶細(xì)分洞察方法論二維平面多維維度單一維度人口統(tǒng)計(jì)細(xì)分生活方式/心理細(xì)分消費(fèi)行為細(xì)分客戶價(jià)值細(xì)分三維立體組合細(xì)分，如客戶興趣、客戶收入、車輛維修次數(shù)等三維度信息組合多維度指標(biāo)聚類細(xì)分本項(xiàng)目研究以單一維度細(xì)分為基礎(chǔ)，以多維度指標(biāo)聚類細(xì)分為重點(diǎn)完成對(duì)客戶數(shù)據(jù)倉(cāng)庫(kù)信息動(dòng)態(tài)提煉，以保證客戶細(xì)分的全面性與客觀性。逐步細(xì)分法綜合交叉法統(tǒng)計(jì)歸納法

34單一維度客戶細(xì)分方法07價(jià)值觀/生活態(tài)度05需求/動(dòng)機(jī)/購(gòu)買因素06產(chǎn)品類別細(xì)分產(chǎn)品生命周期04利潤(rùn)潛力一線城市二線城市三四線城市農(nóng)村02人口特征03行為類型01地理位置年齡性別收入教育程度購(gòu)車預(yù)算購(gòu)車時(shí)間看車渠道決策過程獲取成本服務(wù)成本收入價(jià)格功能/設(shè)計(jì)品牌、服務(wù)、質(zhì)量宏觀的價(jià)值取向和態(tài)度策劃期SOP預(yù)熱期上市后3-6個(gè)月08B級(jí)車C級(jí)車D級(jí)車SUV舉例35二維平面客戶細(xì)分方法家庭月收入客戶年齡持續(xù)時(shí)間接觸次數(shù)咨詢型磋商型購(gòu)買型鉆石客戶銅牌客戶白金客戶黃金客戶白銀客戶客戶價(jià)值識(shí)別客戶特征識(shí)別36三維立體客戶細(xì)分方法37多維度指標(biāo)聚類細(xì)分方法指標(biāo)一指標(biāo)二指標(biāo)三指標(biāo)四樣本聚類算法1213223分組38客戶趨勢(shì)研究目錄03020401購(gòu)物習(xí)慣居住環(huán)境文娛行為出行方式整體客戶趨勢(shì)細(xì)分市場(chǎng)客戶趨勢(shì)全體客戶趨勢(shì)與細(xì)分市場(chǎng)客戶趨勢(shì)分析40量身定制引領(lǐng)升級(jí)量身定制站在客戶的想法與需求的角度，對(duì)產(chǎn)品設(shè)計(jì)、升級(jí)、換代等提供參考意見引領(lǐng)指導(dǎo)品牌、產(chǎn)品的廣告、營(yíng)銷的創(chuàng)意與設(shè)計(jì)升級(jí)品牌、產(chǎn)品形象的優(yōu)化與升級(jí)客戶趨勢(shì)變化對(duì)車企紅旗的影響41通過時(shí)序算法實(shí)現(xiàn)客戶趨勢(shì)的預(yù)測(cè)非線性模型神經(jīng)網(wǎng)絡(luò)：如LSTM深度學(xué)習(xí)模型混沌時(shí)間序列線性模型ARMAARIMADemandDeterministicDynamicStaticProbabilisticStationaryNon-Stationary42線性時(shí)序預(yù)測(cè)：ARMA模型方法將純AR(p)與純MA(q)結(jié)合，得到一個(gè)一般的自回歸移動(dòng)平均（autoregressivemovingaverage）過程ARMA（p,q）：

Yn=a1Yn-1+a2Yn-2+…+apYn-p+

n-c1n-1-c2n-2--

cqn-q該式表明：（1）一個(gè)隨機(jī)時(shí)間序列可以通過一個(gè)自回歸移動(dòng)平均過程生成，即該序列可以由其自身的過去或滯后值以及隨機(jī)擾動(dòng)項(xiàng)來解釋。（2）如果該序列是平穩(wěn)的，即它的行為并不會(huì)隨著時(shí)間的推移而變化，那么我們就可以通過該序列過去的行為來預(yù)測(cè)未來。這也正是隨機(jī)時(shí)間序列分析模型的優(yōu)勢(shì)所在。ARMA關(guān)鍵詞關(guān)鍵詞關(guān)鍵詞43非線性時(shí)序預(yù)測(cè)：神經(jīng)網(wǎng)絡(luò)模型方法44函數(shù)逼近神經(jīng)網(wǎng)絡(luò)本質(zhì)上，可以理解為函數(shù)逼近（回歸于狀態(tài)預(yù)測(cè)）利用神經(jīng)網(wǎng)絡(luò)模型也可以進(jìn)行相關(guān)的預(yù)測(cè)。

輸入：價(jià)格與需求量

輸出：預(yù)測(cè)的需求量非線性時(shí)序預(yù)測(cè)：LSTM模型方法LSTM是一種全新的循環(huán)網(wǎng)絡(luò)架構(gòu)，可用一種合適的基于梯度的學(xué)習(xí)算法進(jìn)行訓(xùn)練，以解決梯度消失和爆炸問題，它與一般的RNNs結(jié)構(gòu)本質(zhì)上并沒有什么不同，只是使用了不同的函數(shù)去去計(jì)算隱藏層的狀態(tài)。LSTM結(jié)合前面的狀態(tài)、當(dāng)前的記憶與當(dāng)前的輸入，已證明，該網(wǎng)絡(luò)結(jié)構(gòu)在對(duì)長(zhǎng)序列依賴問題中非常有效。該LSTM網(wǎng)絡(luò)帶有8個(gè)輸入單元、4個(gè)輸出單元和2個(gè)大小為2的記憶單元模塊。in1是指輸入門，out1是指輸出門，cell1=block1是指block1的第一個(gè)記憶單元45非線性時(shí)序預(yù)測(cè)：混沌時(shí)間序列模型將軌跡中的全部點(diǎn)作為擬合對(duì)象，找出規(guī)律，由此預(yù)測(cè)軌跡的走向。一般統(tǒng)計(jì)方法的預(yù)測(cè)。設(shè)Timeseries為：x(t)，t=1,2…嵌入維數(shù)為m，延遲為τ,則重構(gòu)相空間為:根據(jù)Takens定理，對(duì)于合適的嵌入維數(shù)m及時(shí)間延遲τ，重構(gòu)相空間，在嵌入空間中的“軌線”，在微分同胚意義下與原系統(tǒng)是“動(dòng)力學(xué)等價(jià)”的。所以有一光滑映射，則相空間軌跡的表達(dá)式可給出如下：Y(t+1)=f(Y（t）)，t=1,2,…

即：(x(t+τ),x(t+2τ),…,x(t+mτ))=f(x(t),x(t+τ),),…,x(t+(m-1)τ)全域預(yù)測(cè)法：t=1,2,…,N.46產(chǎn)品洞察分析目錄多數(shù)據(jù)源、多算法支持下的產(chǎn)品洞察分析產(chǎn)品、技術(shù)、服務(wù)評(píng)價(jià)：未、上市預(yù)熱期車型優(yōu)缺點(diǎn)已上市車型優(yōu)缺點(diǎn)競(jìng)品關(guān)系分析：計(jì)劃競(jìng)品與實(shí)際競(jìng)品對(duì)比競(jìng)品核心競(jìng)爭(zhēng)點(diǎn)分析產(chǎn)品洞察分類所需數(shù)據(jù)類型文本數(shù)據(jù)問卷調(diào)研數(shù)據(jù)車主回訪數(shù)據(jù)文本數(shù)據(jù)問卷調(diào)研數(shù)據(jù)車企內(nèi)部數(shù)據(jù)行業(yè)評(píng)測(cè)分析報(bào)告等所需算法類型情感分析算法聚類算法聚類算法關(guān)聯(lián)關(guān)系算法48基于文本數(shù)據(jù)分析產(chǎn)品評(píng)價(jià)垂直媒體論壇文本數(shù)據(jù)垂直媒體新聞評(píng)論數(shù)據(jù)門戶網(wǎng)站新聞評(píng)論數(shù)據(jù)門戶網(wǎng)站論壇文本數(shù)據(jù)產(chǎn)品評(píng)價(jià)洞察解讀挖掘產(chǎn)品在造型、動(dòng)力、價(jià)格、配置方面的優(yōu)缺點(diǎn)文本高頻詞提取文本聚類算法49不同產(chǎn)品階段的競(jìng)品對(duì)比分析通過不同時(shí)間段，網(wǎng)絡(luò)中對(duì)其他競(jìng)品客戶對(duì)本品的討論，可以看出本品的實(shí)際競(jìng)品是哪些同時(shí)還可通過在問卷調(diào)研中收集競(jìng)品信息再次驗(yàn)證競(jìng)品在明確競(jìng)品品牌車型后，在此基礎(chǔ)上可選擇性的對(duì)競(jìng)品進(jìn)行洞察分析50案例分享目錄上汽客戶全生命大數(shù)據(jù)平臺(tái)項(xiàng)目ProjectBackground:本次上汽乘用車集團(tuán)的客戶全生命周期大數(shù)據(jù)項(xiàng)目旨在以客戶為視角，著眼于現(xiàn)在與未來，將所有當(dāng)前可收集的，以及未來可能收集到的客戶相關(guān)數(shù)據(jù)都納入其中，形成乘用車客戶數(shù)字模型定義；通過對(duì)企業(yè)內(nèi)外部客戶數(shù)據(jù)的采集、清洗和整合，建立起專門的系統(tǒng)平臺(tái)為各個(gè)業(yè)務(wù)部門提供與客戶全方位相關(guān)的所有客戶數(shù)據(jù)的查詢與應(yīng)用;并且對(duì)總部的銷售、售后、市場(chǎng)、公關(guān)及數(shù)字營(yíng)銷、集團(tuán)銷售、產(chǎn)品規(guī)劃、以及客服部門的工作提供支持；通過持續(xù)的數(shù)據(jù)業(yè)務(wù)流程改進(jìn)、數(shù)據(jù)質(zhì)量治理，數(shù)據(jù)價(jià)值挖掘助力上汽乘用車數(shù)字化轉(zhuǎn)型。項(xiàng)目背景52上汽客戶全生命大數(shù)據(jù)平臺(tái)項(xiàng)目數(shù)據(jù)聚集搭建模型客戶數(shù)據(jù)收集貫穿整個(gè)生命周期通過線上線下不同觸點(diǎn)不斷收集補(bǔ)充根據(jù)不同類型用戶搜集重點(diǎn)不同實(shí)現(xiàn)預(yù)測(cè)明確上汽在客戶全生命周期各個(gè)階段的業(yè)務(wù)目標(biāo)將業(yè)務(wù)目標(biāo)分解成客戶特征從而建立模型對(duì)現(xiàn)有數(shù)據(jù)質(zhì)量進(jìn)行審計(jì)，提出數(shù)據(jù)治理建議利用大數(shù)據(jù)平臺(tái)匯集的千萬(wàn)級(jí)的客戶特征數(shù)據(jù)進(jìn)行模型訓(xùn)練通過機(jī)器學(xué)習(xí)算法認(rèn)知新客戶的關(guān)鍵特征，從而實(shí)現(xiàn)預(yù)測(cè)方法論基礎(chǔ)：CART決策樹，隨機(jī)森林項(xiàng)目方法論53上汽客戶全生命大數(shù)據(jù)平臺(tái)項(xiàng)目大數(shù)據(jù)管理平臺(tái)客戶360視圖客戶細(xì)分管理、模型測(cè)算微信服務(wù)號(hào)官網(wǎng)客戶接觸點(diǎn)精準(zhǔn)營(yíng)銷流程潛客意向等級(jí)預(yù)測(cè)車主再購(gòu)預(yù)測(cè)……更多模型研發(fā)中垂直媒體電商APP車主俱樂部SIS/CAC熱線系統(tǒng)售前售后熱線問答、粉絲線索收集DLM銷售潛客系統(tǒng)潛客線索管理、分渠道留資內(nèi)部對(duì)接系統(tǒng)SLK售后業(yè)務(wù)系統(tǒng)客戶售后功能管理、車輛信息等外部數(shù)據(jù)微博內(nèi)外部多渠道數(shù)據(jù)接入銀聯(lián)汽車之家斑馬智行54上汽客戶全生命大數(shù)據(jù)平臺(tái)項(xiàng)目·隨機(jī)森林模型·歷史數(shù)據(jù)（訓(xùn)練集：65萬(wàn)測(cè)試集：35萬(wàn)）模型特征自變量（X）:意向購(gòu)車時(shí)間是否首次購(gòu)車是否二次購(gòu)車最近一次購(gòu)車品牌（銀聯(lián)智慧）消費(fèi)能力（銀聯(lián)智惠/阿里數(shù)據(jù)銀行）榮威/名爵品牌客觀購(gòu)車意向（銀聯(lián)智慧）家庭狀況（與是否首次購(gòu)車關(guān)聯(lián)）價(jià)格敏感度進(jìn)店次數(shù)（所有4S店范圍統(tǒng)計(jì)）試駕次數(shù)（所有4S店范圍統(tǒng)計(jì)）官網(wǎng)訪問次數(shù)/頻率官網(wǎng)訪問平均時(shí)長(zhǎng)微信訪問次數(shù)/頻率微信推文閱讀/點(diǎn)贊/轉(zhuǎn)發(fā)次數(shù)其他關(guān)注競(jìng)品車型（垂媒）訪問垂媒次數(shù)（垂媒）訪問垂媒頻率（垂媒）垂直媒體來源是否在天貓下訂是否在天貓購(gòu)買購(gòu)車優(yōu)惠券…….所需模型及內(nèi)含特征·提高潛客成交率·潛客意向等級(jí)模型得分定義：范圍為0-1之間的數(shù)值，數(shù)值越大，潛客意向等級(jí)越高，預(yù)測(cè)成交率也越高。0-0.3分為低意向等級(jí)潛客；0.4-0.6分為中等意向等級(jí)潛客；0.7-1為高意向等級(jí)潛客根據(jù)模型得出的等級(jí)分類，挑選出中高意向等級(jí)的潛客銷售顧問、網(wǎng)銷顧問、客服等一線客服人員，以及總部營(yíng)銷運(yùn)營(yíng)團(tuán)隊(duì)針對(duì)中高意向的潛客重點(diǎn)跟進(jìn)維護(hù)模型應(yīng)用OUTPUTG=∑Kk=1pk(1?pk)=1?∑Kk=1(|Ck|D)255上汽客戶全生命大數(shù)據(jù)平臺(tái)項(xiàng)目點(diǎn)擊各維度標(biāo)簽可查看此客戶360視圖信息，可查看的維度有：潛客信息，線索信息，車主基本信息，會(huì)員信息，車輛信息，售后維保信息level1，斑馬用車，金融，客服，投訴&滿意度，售后維保信息level2大數(shù)據(jù)平臺(tái)功能操作—客戶畫像信息56上汽客戶全生命大數(shù)據(jù)平臺(tái)項(xiàng)目點(diǎn)擊【細(xì)分查詢導(dǎo)出】菜單進(jìn)入頁(yè)面，此功能以車主或者潛客為查詢目標(biāo)，通過條件組合提交大數(shù)據(jù)平臺(tái)進(jìn)行人群篩選，生成客戶列表供業(yè)務(wù)部門使用。它最大的作用是幫助業(yè)務(wù)部門根據(jù)各自的業(yè)務(wù)需求，精準(zhǔn)定位所需的客戶細(xì)分人群。不同角色使用該系統(tǒng)的業(yè)務(wù)場(chǎng)景舉例銷售相關(guān)角色：3-8婦女節(jié)前，可精確地找到中高潛客意向等級(jí)、意向車型為MG3、年齡在20-25歲、單身的女性潛客，導(dǎo)出名單后展開銷售跟進(jìn)售后相關(guān)角色：定位經(jīng)常開長(zhǎng)途高速（斑馬提供的“經(jīng)常行駛道路類型”）、男性、已婚、30歲以上的車主，為其推薦長(zhǎng)途養(yǎng)護(hù)套餐，加強(qiáng)長(zhǎng)途行車安全營(yíng)銷相關(guān)角色：營(yíng)銷部門可邀請(qǐng)RX5、年齡在25-40歲之間、微信活躍度為高、興趣愛好為旅游的車主參加品牌/經(jīng)銷商舉辦的自駕游活動(dòng)，引導(dǎo)車主在網(wǎng)上轉(zhuǎn)發(fā)活動(dòng)信息客服相關(guān)角色：未來RX7上市后，客服可找到購(gòu)車年限超過4年的榮威550的、三口之家、規(guī)律進(jìn)店的男性車主，通過電話推薦上市的新車，并邀約進(jìn)店大數(shù)據(jù)平臺(tái)功能操作—客戶細(xì)分人群設(shè)定57吉利PHEV產(chǎn)品與客戶研究項(xiàng)目項(xiàng)目背景本吉利新能源汽車希望借助此項(xiàng)目了解如下幾方面：混動(dòng)車市場(chǎng)中各個(gè)品牌車型的關(guān)系狀態(tài)主要混動(dòng)車型的市場(chǎng)競(jìng)爭(zhēng)格局對(duì)標(biāo)競(jìng)品在客群中的關(guān)注話題目標(biāo)客群的人群畫像58吉利PHEV產(chǎn)品與客戶研究項(xiàng)目品牌車型關(guān)系格局由來及價(jià)值：從消費(fèi)者活躍的車型論壇的關(guān)聯(lián)關(guān)系中可得到品牌車型的關(guān)聯(lián)關(guān)系，從而側(cè)面反映出品牌與品牌之間的關(guān)系狀態(tài)。品牌A關(guān)注“混動(dòng)”話題的消費(fèi)者在品牌A車型論壇發(fā)表“混動(dòng)”相關(guān)話題在品牌B車型論壇發(fā)表“混動(dòng)”相關(guān)話題品牌B關(guān)系由來示意圖競(jìng)品品牌車型關(guān)系圖59吉利PHEV產(chǎn)品與客戶研究項(xiàng)目競(jìng)品車型的關(guān)注話題分析60比亞迪唐的動(dòng)力配置最受全球鷹GX7論壇潛在消費(fèi)者關(guān)注。在全球鷹GX7論壇活躍者的原始表達(dá)中也顯示出對(duì)吉利混合動(dòng)力汽車的信心和期待。吉利也在穩(wěn)步發(fā)展支持國(guó)產(chǎn)未來兩年，肯定是混合動(dòng)力占領(lǐng)市場(chǎng)。今天看到了吉利推出沃爾沃S60L的混動(dòng)版，這是好的開端，祝福！吉利PHEV產(chǎn)品與客戶研究項(xiàng)目吉利PHEV車型的目標(biāo)客群研究關(guān)注者自身的個(gè)人興趣愛好標(biāo)簽特點(diǎn)研究人群內(nèi)部所存在的社區(qū)關(guān)系研究客群的共同關(guān)注特征吉利PHEV關(guān)注汽車媒體TOP5吉利PHEV車型目標(biāo)客群洞察61車企奧迪DDMP平臺(tái)項(xiàng)目