基于大数据的汽车精准营销分析

基于大数据的汽车精准营销分析作者：杨明昕王悦婷简悦

来源：《电脑知识与技术》2020年第32期

摘要：面对大数据时代下汽车市场强有力的竞争，各个企业如何吸引用户人群，强化自身的竞争力，改善自己的营销模式，是需要持续探究的重要问题。利用Python在数据处理与分析上的优势，运用常用的数据分析及可视化工具，从用户基本信息、汽车基本信息等不同角度进行统计分析，发掘汽车销售中的问题，总结出研究数据中的汽车销售状况及变化趋势，并给出对应的精准营销策略，从而满足用户的需求，为汽车销售带来利益，对汽车行业的积极发展提供思路。

关键词：数据分析;汽车行业;大数据;可视化工具;精准营销

中图分类号：F274 文献标识码：A

文章编号：1009-3044（2020）32-0044-04

Abstract： In the face of the strong competition in the automobile market， how to attract users， strengthen their own competitiveness and improve their own marketing mode is an important issue that needs to be explored continuously. Using Python's advantages in data processing and analysis， using common data analysis and visualization tools， statistical analysis is carried out from different angles such as user's basic information and vehicle's basic information to explore the problems in vehicle sales， summarize the vehicle sales situation and change trend in the research data， and provide corresponding precise marketing strategies， so as to meet the needs of users and provide marketing services Sales bring benefits and provide ideas for the positive development of the automobile industry.

Key words： data analysis; automobile industry; big data; visualization tools; precision marketing

1 引言

在日趨数据化的市场环境下，虽然现在汽车市场的销量仍持续上涨，但销量增长的速度逐渐放缓，利润中心开始转移，消费者对产品和服务的要求也日趋个性化，各个汽车厂商的营销方面面临着诸多问题。传统的汽车营销模式已经无法应对市场带给汽车厂商的这些威胁，汽车经销商必须开始寻求新的营销方式，所以利用互联网信息技术明确地对用户展开精准营销已成为必然趋势[1]。对研究数据中的用户信息进行处理、分析、整合后为汽车经销商极致细化目标用户，提供可以提升营销精准化的新的视角，使各个经销商强化各自精准营销的意识，制定更为精准的营销方案;分析潜在用户的大量数据信息，帮助各个汽车经销商了解用户的潜在需求偏好、个性化追求等，确立目标市场需要。让企业的未来发展更能重视大数据提供的理论依据，帮助企业改善汽车行业在营销和服务行业发展中遇到的困境，促进汽车行业的发展。

2 数据预处理及分析

本次研究数据来源于“国域无疆杯·大连第二届大数据解决方案创新大赛”，数据包含用户ID、用户个人基本属性以及消费基本信息等。考虑到原始数据中有大量缺失值，不能直接使用做数据分析，所以决定采用Python中的工具对数据先进行预处理，然后再进行可视化分析，本文预处理过程为：数据清洗、数据替换。

2.1 数据清洗

数据清洗是筛选清除缺失大的、重复、多余的数据，补充完整缺失的数据，将错误的数据纠正或者删除，最后整理成为我们可以进一步加工、使用的数据。未经过处理的原数据中，有大量用户的消费信息缺失过多，有部分属性列80%以上为空值，为了不影响后续的数据分析操作，需先进行数据清洗。

清洗过程大致分为：

1）对缺失比例超过80%的特征属性列进行删除;

2）对没有相关车辆信息的用户数据进行删除;

3）将用户的不具有代表性的特征属性列进行删除;

4）对用户信息缺失导致无法进行数据分析的行进行删除。

2.2 数据替换

为了使数据变得更直观、有效，且有利于后期的数据分析工作，通过了解用户所购买的车辆，了解汽车的等级情况，判断用户的消费能力，提出有效的营销策略。利用Python中的Pandas库的各种工具将‘报价’这一属性列中每个用户的汽车报价区间进行分箱操作，按照汽车等级划分标准，将价格区间转化为文字形式。汽车等级划分标准如表1所示。

2.3 用户基本属性分析

2.3.1 用户性别、年龄段分布概况

从数据上看，男性车主占整体车主约2/3，女性车主占整体车主约1/3，可以看出男性车主占主导地位，从而得出，有车一族男性居多。因此目前汽车销售市场的主要购买力为男性，商家可以男性作为重点销售对象，女性作为潜在购买力。且从年龄分布上看，车主年龄大致分布在25至45岁之间，其中30至40岁的车主占比最多，年龄在32至38岁的车主数量占大多数，并且男性车主和女性车主分布大致相同，且32岁之前的车主数量呈上升趋势，38岁之后的车主数量越来越少呈下降趋势，因此可以推断，在销售时期，可以将年龄缩小到25至38岁之间进行准确营销。