MathArt | 寻找被数字化的消费者

信息、科技的发展对汽车行业产生了深远的影响，网络成为了帮助消费者决定品牌喜恶的有力媒介。从门户网站到移动社交媒体，消费者比任何时候都要乐于通过线上渠道获取信息以及反馈体验。具体来说，互联网在购车决策中的作用日渐显著，消费者的需求和体验对车企也越发重要。‍‍‍‍‍‍‍‍

以往车企进行消费需求分析，大都通过市场调研机构来进行，很多大型车企在这方面的年投入成本上亿，成果却往往不尽人意。样本量不足、分析报告周期长、产品定义（配置定义、人群定义、市场定义、价格定义）精确度不够等痛点，使传统调研模式无法再满足车企在数字化转型过程中，实现消费者反馈数据精准分析的迫切需求。‍‍

所幸的是，随着互联网、物联网、算法、分析引擎等技术的进步，越来越多车企透过大数据技术，看到了消费者之声、媒体口碑以及竞品状态等信息可视化的希望。于是，数字化聆听开始被车企争相纳入各自的数字化规划版图。‍‍

 ‍‍

车企在对客户进行数字化聆听规划的过程中，无非会从三个层面来实现：数据层、分析层和应用层。‍‍

‍‍1.数据层‍‍

数据层面的聆听可通过云数据采集平台来实现。一个出色的数据采集平台需囊括数据采集、清洗、存储等多种革新技术，还需要结合先进的多层面架构，从而满足同时可以在数十台终端服务器上运行。各个终端需根据实际情况灵活配置线程数，构成一个庞大的网络，在短时间内抓取大量的网页数据。‍‍

 ‍‍‍‍

海量的线上数据，对能够将大量数据独立储存在每台终端中的缓存池的要求很高，当数据采集完毕后，还需满足能够独立存入数据库中，避免短时间内大量数据入库造成的冲击。‍‍

‍‍ ‍‍‍‍

此外，数字化客户聆听还需攻克以下三大难关：

1)  默写访问的限制；

2)  大规模的静态、动态页面数据的快速采集；

3)  图片文字的快速识别。

这三点在我们看来，都是需要基于大数据的数据建模技术来实现，此处就不作过多赘述。‍‍‍‍‍‍‍‍‍‍‍‍

‍‍2.分析层‍‍

分析层面的数字化聆听是指在中文语义识别的基础上，构建大规模的语料库。通过语料库对新词的发现并结合行业词汇，可整合成专业词汇。在网络词汇丰富的本体基础上，再加入大量的汽车行业、网络等特定语言规则，构建立足于汽车行业的中文语义分析系统。

 ‍‍

后台每天需采集数以万计的网页语料，不断丰富本体的规模，使其更贴近汽车行业的实际应用场景。基于检索的句法结构逻辑表达式，对语料进行不断训练，搭建一套适用于汽车行业的语义分析模型。通过构建基于汽车行业的情感分析技术，可有效识别消费者对汽车的评论内容和情感倾向。‍‍

‍‍‍‍‍‍‍‍‍‍

‍‍3.应用层‍‍

数字化聆听的应用层面主要依靠互联网大数据，对传统市场调研模式进行革新，帮助车企实现在市场分析、竞品分析和产品分析这三方面的有效应用。‍‍‍‍

 ‍‍‍‍‍‍

首先是市场分析方面，通过监测全网的车系舆情声量，可实现本品和竞品的竞争态势对比。与此同时，通过结合销量、厂商指导价、轴距等信息综合对比分析，能够清晰定位出产品在细分市场中所处的位置。‍‍

 ‍‍‍‍

竞品方面的应用主要体现在：帮助车企了解消费者的配置需求、本竞品的优劣势，并结合历史数据了解未来的配置趋势。通过洞察配置趋势，车企能够快速调整配置策略，满足消费者的需求。‍‍

 ‍‍

对产品分析而言，通过语义分析得出消费者在论坛、口碑、微博上内容的评论对象和情感倾向，可了解消费者所青睐或希望改进的地方。通过监测全网的经销商报价，实现本品和竞品区域价格对比，同时监测本品经销商报价以规范销售秩序。‍‍

 ‍‍‍‍‍‍‍‍‍‍‍‍

在这样一个快速转型的时代，互联网赋予了消费者在汽车设计、销售、物流与售后等业务链条方面极高的话语权。‍‍‍‍

‍‍

因此，实现从消费者“关注”到“消费”整个过程核心行为要素的实时监测，洞察客户对车辆的关注点和走势，掌握不同客户的潜在需求及预期，监控产品舆情反馈并积极做出有效应对，对车企而言格外重要。‍‍

在抢占数字经济的趋势红利过程中，最先拥抱大数据实现精细化经营的车企，势必会成为头号玩家。