移動互聯(lián)網(wǎng)時代中，越來越多的傳統(tǒng)行業(yè)開始搭乘“大數(shù)據(jù)”的便車完成華麗轉(zhuǎn)身，車企就是其中典型代表。多數(shù)車企雖已建立了完善的用戶數(shù)據(jù)庫，但數(shù)據(jù)只是躺在服務(wù)器里無人問津。而在人工智能和機器學(xué)習(xí)大行其道的今天，可以對海量用戶數(shù)據(jù)快速智能分析，對多維度用戶數(shù)據(jù)“貼標(biāo)簽”，用高效模型準(zhǔn)確計算，讓車企告別大海撈針的傳統(tǒng)營銷模式。

為了探究大數(shù)據(jù)和機器學(xué)習(xí)結(jié)合的成果如何，我們此次探訪了一家專注大數(shù)據(jù)流量變現(xiàn)與智能分析的科技公司——北京比鄰弘科科技有限公司，其推出的“量江湖”大數(shù)據(jù)汽車行業(yè)解決方案正是直擊用戶痛點的利器。

大數(shù)據(jù)助力精準(zhǔn)營銷轉(zhuǎn)化效率是以往3倍

對于車企來說，具備“大數(shù)據(jù)”量級的用戶數(shù)據(jù)，可以說具有一定大數(shù)據(jù)精準(zhǔn)營銷的基礎(chǔ)。但現(xiàn)實卻是另一幅場景。大部分車企不擅長用戶篩選，只會采取傳統(tǒng)的電話推廣、郵件推廣、地推等方式粗獷地接觸客戶，對客戶的真實需求和購買能力等因素缺乏準(zhǔn)確評估，很多工作都是“無用功”。

另外，采用媒體投放方式的效果同樣不理想。雖然包括了行業(yè)垂直媒體和大眾媒體，覆蓋很多受眾，但轉(zhuǎn)化率一直不高。這主要原因還是“精準(zhǔn)度”不夠，對媒體受眾缺乏了解和分析。

針對痛點，“量江湖”為車企提供的大數(shù)據(jù)解決方案則是利用機器學(xué)習(xí)算法對用戶數(shù)據(jù)深度挖掘，對以消費者為中心的數(shù)據(jù)關(guān)聯(lián)體系進行深度學(xué)習(xí)，發(fā)現(xiàn)消費者價值，促使數(shù)據(jù)資產(chǎn)轉(zhuǎn)換數(shù)據(jù)資本，實現(xiàn)數(shù)據(jù)資本變現(xiàn)。

據(jù)市場總監(jiān)萬智華介紹，以車企現(xiàn)有用戶數(shù)據(jù)為基礎(chǔ)，從中可以構(gòu)建計算模型尋找目標(biāo)客戶。以往印象中的瀏覽某些網(wǎng)頁、訂閱某個公眾號的簡單行為并不足以準(zhǔn)確識別用戶是否具有購買需求，而是要結(jié)合多個維度的用戶畫像數(shù)據(jù)，包括收入、消費能力、社會地位、個人偏好等，這些數(shù)據(jù)從不同維度為用戶“貼標(biāo)簽”，匯總標(biāo)簽后利用模型進行分析，就可以快速找到具有購買能力和需求的用戶。

以汽車大數(shù)據(jù)分析購買習(xí)慣為例，“量江湖”針對樣本用戶在電商類網(wǎng)站的購買三大周期：前（瀏覽，搜索），中（瀏覽、比價、提問），后（比價、下單），通過機器學(xué)習(xí)得到的特征對購買習(xí)慣數(shù)據(jù)有更本質(zhì)的刻畫，從而建立相應(yīng)的購買習(xí)慣預(yù)測模型。模型建立后，通過公司擁有專利的算法進行訓(xùn)練模型，比如品牌關(guān)注、瀏覽至購買時長、比價權(quán)重、頻次、優(yōu)惠權(quán)重、購買額度、退貨頻次等等這些分類對模型進行調(diào)整，最終預(yù)測出用戶是理性消費、沖動性消費、習(xí)慣性消費、經(jīng)濟性消費中的哪一種。

機器學(xué)習(xí)的神奇之處遠(yuǎn)不止如此，它還能幫助車企預(yù)測用戶需求，挖掘用戶潛在價值。當(dāng)用戶經(jīng)過預(yù)先設(shè)定的各類分析模型：社會階層分類模型、生活態(tài)度分析模型、車型偏好判別模型、消費觀預(yù)測模型、購車階段預(yù)測模型等輸出解析結(jié)果后，還可以準(zhǔn)確預(yù)測消費者計劃購車時間并給出線索級別，形成兩類用戶：一類是無購車意向的用戶，屬于低級別線索數(shù)據(jù)，可以帶著豐富的標(biāo)簽直接回流大數(shù)據(jù)中心，實現(xiàn)對企業(yè)內(nèi)部數(shù)據(jù)的補充；另一類是有明確購車意向的人，稱為高級別線索，交由精準(zhǔn)營銷環(huán)節(jié)進行觸達，帶來源源不斷的現(xiàn)金回報。

口說無憑，真實轉(zhuǎn)化率則是最好證明。萬智華介紹到，利用此套解決方案確定的目標(biāo)用戶中，其購買轉(zhuǎn)化率可以達到6%-7%，是“海投”方式中2%的轉(zhuǎn)化率的3倍。具體來說，在利用機器學(xué)習(xí)算法篩選后的用戶中，確實有85%的用戶是真正具有需求的，其中會有25%的用戶到店看車、試駕等，最后會有6%左右用戶最終購買，成功轉(zhuǎn)化。

在這里，用戶數(shù)據(jù)安全和隱私保護是始終的熱點問題。據(jù)市場總監(jiān)萬智華介紹，用戶數(shù)據(jù)獲取后，首先會對涉及隱私的部分進行“脫敏”處理，刪除相關(guān)內(nèi)容，之后在傳輸中會采取多層加密，即使不法分子獲取數(shù)據(jù)也無能為力。

不同類別數(shù)據(jù)各顯神通

用戶數(shù)據(jù)涉及多個維度，比如消費數(shù)據(jù)、個人喜好、個人信息數(shù)據(jù)等等，浩如煙海的數(shù)據(jù)是否都是推廣所需？推廣中是否需要對同一數(shù)據(jù)的細(xì)分內(nèi)容再次挖掘？哪些數(shù)據(jù)會在生產(chǎn)環(huán)節(jié)中體現(xiàn)更大價值？

面對這些疑問，市場總監(jiān)萬智華作了回答。他說，用戶數(shù)據(jù)對產(chǎn)品生產(chǎn)、營銷推廣、售后服務(wù)的整個環(huán)節(jié)都有很大幫助。在產(chǎn)品生產(chǎn)階段，利用用戶畫像得出目標(biāo)用戶的需求特點和群體喜好，就可以在產(chǎn)品生產(chǎn)階段提前把握用戶心理，贏在起跑線。在推廣營銷階段，將每種推廣渠道的受眾特征與目標(biāo)客戶相對比，基本匹配的推廣渠道才是適合車企的推廣策略的，這樣既可節(jié)省成本開支，還能收獲高比例的用戶轉(zhuǎn)化率。

未來加大運營數(shù)據(jù)服務(wù)打通全產(chǎn)業(yè)鏈

在談及公司未來發(fā)展時，創(chuàng)始人趙曄說到，公司目前已經(jīng)在推廣前提供精準(zhǔn)營銷服務(wù)、推廣中提供“反數(shù)據(jù)作弊”服務(wù)，未來更希望在推廣后期的用戶運營上提供大數(shù)據(jù)服務(wù)。這樣就可以“前、中、后”打通全產(chǎn)業(yè)鏈，讓大數(shù)據(jù)服務(wù)走進移動化推廣的每個環(huán)節(jié)，同時讓每個環(huán)節(jié)規(guī)范操作，為行業(yè)凈化市場，創(chuàng)造推廣者和渠道商都認(rèn)可的“統(tǒng)一標(biāo)尺”和良好生態(tài)。

在具體業(yè)務(wù)布局上，未來希望進入現(xiàn)已較為成熟的行業(yè)，比如金融業(yè)等，利用大數(shù)據(jù)和機器學(xué)習(xí)算法提升行業(yè)推廣能力，有時大數(shù)據(jù)看似只能為傳統(tǒng)行業(yè)提升一小步，但這微小的優(yōu)勢足以讓傳統(tǒng)企業(yè)穩(wěn)穩(wěn)立足，占據(jù)互聯(lián)網(wǎng)時代的一席之地。

據(jù)了解，公司正在與“百合網(wǎng)”洽談大數(shù)據(jù)服務(wù)合作，今后也許談戀愛也可以精準(zhǔn)匹配了，再也不用奔波于一場場的相親會。機器學(xué)習(xí)算法掐指一算就能幫人們找到自己的“命中注定”。我們相信，到那時大數(shù)據(jù)會真正走入尋常百姓的社會生活，惠及大眾。