
汽车也在玩大数据 但毕竟不是电商
大数据成为热门趋势,越来越多的品牌厂商和广告营销机构都在发力以大数据为基础的网络营销模式,这些变化也在不断地向传统的汽车营销领域发起进攻。“之前,我们做广告营销凭主观想法多一些,而现在,大多数的营销工作都会围绕数据来做。”徐见达说。2010年,吉利成为第一个在淘宝上开店卖车的汽车企业。开业不到一分钟,吉利准备的第一批300辆车就被拍光。
大数据首先改变的是市场调研方式。通过观察Cookie等方式,广告从业者可以了解到更为客观的情况。“之前的汽车市场调研抽样的样本有限,而且在问题设计和角度选取的过程中,人为因素总是或多或少地介入,这就可能会影响到市场调研的客观性。”电众数码研发中心数字媒体与电商营销咨询总监胡丹丹说。大数据分析不只会分析互联网行为,也会关注人生活的更多纬度。艾瑞咨询集团高级分析师由天宇说,“数据可以更加丰富,比如了解到消费者的消费习惯和周期,兴趣爱好,对人的理解会更加深刻。”
同时被改变的,还有互联网广告经济。现在精确广告投放和推送技术可以帮助汽车厂商进行“针对个人需求的沟通”。当用户访问某个页面之后,数据管理平台可以测算出这个人是否对某一类型的汽车感兴趣。而愿意将广告推送给这类用户的汽车广告主开始竞价,胜出者就可以将自己的广告推送到对方屏幕上。
搜狐汽车事业部数据经理柳鹏对《商业周刊/中文版》说,一些汽车公司已经开始这样的尝试,这样做的点击率可以是传统方法的2到3倍。奔驰为了推广其C系轿车,曾经对特定人群进行定向投放,结果实现了比传统投放方式3倍以上的目标人群覆盖。
徐见达透露,吉利的广告策略已经更加灵活。“最早我们在网站上投广告只能是按照时间付费,一个广告位一天多少钱。”而现在,吉利则可以在需要的时候按照人群的“标签”进行定向投放。比如,推广熊猫这样偏时尚的车型,锁定20到30岁、喜欢时尚的人进行投放。推广SUV车型时,面向关注军事、政治、旅行、体育等领域的用户。“数据帮助我们挑选了正确的消费者,使营销有的放矢。”徐见达说。
大数据时代能够很好地量化消费者的决策过程,分析消费者的生活习惯和方式,“有多少人在浏览经销商网站,不同的车关注的消费者有哪些区别?”数据会给你答案。“它可以帮助汽车企业在适当的时机,以适当的方式,把适当的信息传递给适当的目标客户,并获得预期的效果。”咨询公司缔元信总裁梅涛说。
大众、福特、比亚迪等汽车厂商都在追踪网民的在线浏览轨迹。比亚迪汽车销售有限公司总经理侯雁说,比亚迪已经开始和一些IT公司合作,利用线上和线下的管理系统对客户的信息做统计和分析,同时还专门成立了一个数据化营销部门。目前,以数据追踪分析为导向的广告营销占据了各大汽车制造商广告营销的大额支出,但具体数额汽车厂商不便透露。
未解的难题
大数据为几乎所有行业——当然也包括汽车——的营销工作描绘了一个美好的未来。但是,通往美好未来的道路却并不平坦。“汽车网站或者汽车媒体本身不是电商,他们不掌握帐号。”柳鹏说,“所以,他们甚至不知道这个访客是男是女,只能根据用户的访问行为去猜。”
目前汽车产业掌握的数据量有限,这影响了汽车企业的精准广告投放。各个数据拥有者也处在各自为战的状态,并不愿意分享自己数据。“这让很多数据方面的应用还停留在之前的层面。”由天宇说,“只有数据所有者基于某种商业模式开放自己的数据,大数据应用才会有一个飞跃。”
“最困难的可能是对用户的行为和动机的反推、还原。”胡丹丹则表示,大数据挖掘不仅需要好的工程师,也需要心理学、社会学等方面人才的参与,产品设计者和开发者需要具有跨界的知识结构,才能更好的理解和运用数据,“数据分析和挖掘不仅仅是数据的统计,更需要进行人性和心理的洞察,这是最难的。”
还不要忘了大数据营销所基于的大数据来自哪里——普通消费者。如果个人数据被过度商业利用,就会形成隐私侵犯。“目前,隐私保护还是一个灰色地带。”北京大学新闻传播学院副院长、广告学系主任陈刚说,“大家实际上也有反思。未来需要建立一个最基本的行业规则,就是保护用户的隐私,不要让用户受到骚扰。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13