李红梅 张云莉 蒋小燕 钟佳薇 卓巧英 杨玲

摘 要：在大数据营销的背景下，汽车营销市场竞争日益激烈。通过python分析58同城招聘网129家汽车4S店招聘信息和线下抽样调查42家4S店发现成都市汽车4S店目前普遍存在员工素质参差不齐、客户定位不准确两大突出问题。进而提出优化营销团队结构，建立大数据客户信息库，形成客户标签，客户画像数据模型，加强线上线下营销管理进行精准营销的解决策略。

关键词：大数据;精准营销;营销模式;汽车4S店

中图分类号：U461.99  文献标识码：A  文章编号：1671-7988（2020）09-274-05

Maketing Model Optimization of Automobile 4S Shop based onthe Background of Big Data

Li Hongmei， Zhang Yunli， Jiang Xiaoyan， Zhong Jiawei， Zhuo Qiaoying， Yang Ling

（ Chengdu Normal University， College of Physics and Engineering， Sichuan Chengdu 611130 ）

Abstract： Under the background of big data marketing， the market competition of automobile marketing is increasingly fierce. Through analysis recruitment imformation of 129 automobile 4S shop from 58 recruitment website and off-line survey of 42 automobile 4S shop by means Python found that there are two outstanding problems in the automobile 4S shops in Chengdu： the quality of staff is uneven， the customer positionging is not precision. Then the solution strategies of optimizing the structure of marketing team， establishing big data database of customer information， forming data model of customer label and customer portrait， and strengthening on-line and off-line marketing management to carry out precision marketing are proposed.

Keywords： Big data; Precision marketing; Marketing model; Automobile 4S shop

CLC NO.： U461.99  Document Code： A  Article ID： 1671-7988（2020）09-274-05

1 汽車4S店营销环境分析

1.1 国外汽车4S营销环境

欧洲作为汽车4S店的起源地，其汽车业已经有上百年的历史。从最初的4S店雏形，到现在发展繁荣的汽车4S店产业链，国外汽车4s店的营销模式有一定程度的优化^[1]。精准营销概念的引入也较早，但是其关注点始终主要围绕在汽车生产企业的策略变化，对于客户信息对汽车销售的影响的研究不是很全面^[2]。然而他们对员工入职前的培训是有严格要求的，而且是有考核标准，一年就有2-3次的定期考核，这也保证了他们销售人员的专业程度^[3]。综上所述国外汽车4S店在员工专业素质培养上比较成功，对于精准营销在汽车销售上的应用也较早，但也存在大数据技术利用不充分的问题。

1.2 我国汽车4S店营销环境

我国汽车4S店的发展起步较晚，但在几十年的不断发展和进步中，也进入了一个良好的状态。20世纪90年代我国的汽车市场才迈进国际市场的大门槛，此时国内的汽车市场如火如荼，人们买车的热情高涨，市场出现供不应求的现象，因此不用人员的推销和宣传。这时市场上的卖方销售形式单一，最多的是生产商直接销售产品和经销商代卖^[5]。90年代中期，随着市场竞争的愈渐激烈以及社会经济的影响，市场的风向出现了转变，从卖方市场变成了买方市场，也就是说以前的销售模式已经不能支撑汽车生产商从中获利了，需要卖方去想办法吸引客户，卖出车辆，保证自己的产销量的相对平衡。因此需要专门的门店去完成卖车及以后的一系列售后的问题，随着“风神汽车专营店”“上海通用汽车销售服务中心”出现，标志着我国开始借鉴国外汽车4S店的经营模式，汽车4S店正式引入汽车销售市场。

从早期的品牌至上到现在的服务为王，营销观念也发生了巨大的转变。而过分的追求服务质量使得国内大多数汽车4S店逐渐出现了高成本，低效率的问题。据中国汽车工业协会数据显示，2018年我国汽车产销分别完成2780.9万辆和2808.1万辆，同比下降4.2%和2.8%，是28年来增幅首次回落。汽车4S店行业似乎已经默认了不从销售中获利，而是从后续服务中盈利，可是就目前的现状看来，仅仅只靠服务效果仍然不佳，汽车4S店的主战场应当转移到销售本身来。徐涛^[4]认为：随着大数据精准营销时代的来临，目前我国汽车销售已经采用了精准销售的概念，但事实上并没有充分挖掘大数据背景下精准销售的优势，大多数还是在用传统的竞价方式销售汽车，虽然我国汽车互联网研究成果不可忽视，但还没有真正形成汽车大数据的营销体系，现实和理论还有很大的差距。

2 成都市汽车4S店营销中存在的突出问题

2.1 员工素质参差不齐，营销团队结构单一

在对成都市汽车4S店进行线下42家抽样调查之后发现：成都市汽车4S店的销售人员总体素质不高，汽车专业知识比较薄弱。调查还发现部分销售人员不懂汽车知识，为了多卖车甚至误导消费者，传达不正确的信息，致使产品纠纷。为了避免出现以偏概全的错误，本团队使用python在58同城招聘网站上采集了从2019年8月1日到11月25日，58同城招聘网上成都市范围内129家汽车营销公司的招聘信息。其中包含了聘数：1678，浏览量：127590，申请量：7287。进一步从学历、经验、两个方面进行分析，并且从线下抽样调查的结果验证真实性。

如图1数据显示：就学历这一项数据来看，成都市129家汽车销售公司对汽车销售人员的学历要求普遍不高，学历不限占比：70.0%;高中占比：20.0%;大专占比：6.0%;中专占比：4.0%。由此可见销售团队整体学历不高是当下成都市汽车销售行业的普遍现状。众所周知，销售岗位对工作经验的依赖性较大，用人单位也比较重视销售人员的工作经验状况，而从图2可以看出：成都市4S店对于销售人员的经验需求总体不高。

由图2可知：成都市大部分汽车企业对于销售人员的经验要求并不高：经验不限的比例高达58.0%，而经验不限，可接收应届生的比例也占到了36.0%。总体看来汽车企业对于销售人员的经验要求、学历要求都比较低。这就从源头上造成了汽车4S店销售员工专业素质参差不齐。“闻道有先后，术业有专攻”。就目前调查看来，成都市汽车4S店普遍存在营销团队结构单一的问题。从客户资源挖掘到客户到店服务都是销售人员的工作，并没有充分引进专业的大数据人才来进行客户资源的深度挖掘。而这样传统的营销团队就会给企业带来一系列问题。

首先：客户资源的风险性增加：当4S店缺乏专业的客户信息资源挖掘与储存人员，而是将客户资源保存在单个销售人员手中时，客户资源就会存在一定的离散型。目前，成都4S店甚至全国其他地区大都面临着一个两难问题：一方面销售遭遇瓶颈，另一方面企业留不住真正的金牌销售人员，使得企业在培养新人成为销售骨干的同时，销售骨干又不断流失^[6]。销售人员的流失使得原本就较为离散的客户资源更加处于风险之中。

其次：人力资源的浪费。企业高层陷入销售人员人手不够导致客户信息资源不足的误区，从而开始大规模地招聘一批新的销售人员。长此以往就会形成销售团队格局单一，工作人员“多而不专”的恶性循环。而这也是成都市4S店经营成本越来越高的原因之一。

2.2 客户定位不准确，产品投放不精准

精准营销是由菲利普·科特勒最早提出，他认为，精准营销是一种更精准、可衡量和高投资回报的营销沟通方式，并制订强调成果和过程的营销方案。如前文所述：全国范围的汽车精准营销体系并未完全形成，而从调查分析来看，成都市汽车4S店在精准营销方面的情况也不容乐观。销售人员普遍学历不高，专业素质参差不齐。这就导致大部分销售人员在客户信息挖掘方面仍运用比较老套的电话推销、传单推销、微信推销等方法，因此精准营销在成都市4S店的运用并不理想。除此之外有的汽车品牌为了迅速打通市场，在四川省同一市区开设多家分店，在“大面积撒网”之后又做不到“精准打捞”。更遑論利用大数据进行精准营销了。

3 营销模式优化的策略分析

3.1 优化营销团队结构和工作流程

合理安排人力资源，为营销团队注入大数据分析人员、客户资源分配人员的新鲜力量。形成从数据挖掘到资源分配最后到销售岗位的层层递进的工作流程关系。数据分析人员主要利用大数据技术高效准确地进行潜在客户地挖掘，以及对客户资源进行分类整理与储存，实现企业客户资源的集中化管理。既保证了客户信息资源挖掘的准确性，又降低由于企业销售人员流失带来的风险性;资源分配人员是营销的枢纽，主要负责客户资源的分配问题。根据销售人员的个人经验和工作能力对应匹配数据分析师划分的不同价值的客户资源。这样可以使得销售人员更好的注重自身专业素质的提升，专注于为到店的客户进行更加良好的服务而不是将精力过多放在自己不擅长的客户挖掘上面。更重要的是这样做可以避免企业内部销售人员为了业绩而进行本公司客户资源的恶意竞争，从而模糊了竞争焦点，为汽车企业带来损失。

3.2 大数据助力汽车4S店精准营销

3.2.1 依托于大数据的精准营销

汽车营销可以划分三大基本环节：售前、售中、售后。售前主要包括品牌推广与客户资源开发;销售中期包括客户到达销售场所后进行的一系列服务流程：接待、咨询需求、产品介绍、试乘试驾等;售后服务即为交车后的后续跟踪服务。目前传统的汽车营销模式往往把工作重心过多的放在售中环节，眼光只限于进店的显性客户，忽略了售前客户资源开发、前期宣传的重要性。因此能否利用大数据来发现潜在客户是衡量一家汽车4S店是否能够进行精准营销的基本标准。

3.2.2 用户画像的构建

如果说利用大数据来发现潜在客户是精准营销的基本标准，那么用户画像就是精准营销的核心。简言之：精准营销可以概括为利用数据技术手段，对客户进行精准定位，采取个性化沟通的方式来降低营销成本。用户画像是通过数据取得的虚拟形象，是具有某种显著特征的集合^[7]。通俗来讲，客户画像的数据模型，可以概括为下面的公式：客户标识+时间+行为类型+接触点（网址+内容）。某用户因为在什么时间、地点、做了什么事，所以会打上某某标签。用户标签的权重可能随时间的增加而衰减，因此定义时间为衰减因子r，行为类型、网址决定了权重，内容决定了标签，进一步转换为公式：标签权重=衰减因子×行为权重×网址子权重。

如：某用户，昨天在汽车之家网站发布了一则关于汽车保养的相关信息。那么标签为：汽车保养;时间：因为是昨天的行为，假设衰减因子为：r=0.90;行为类型：问题发布行为记为权重1;地点：汽车之家页面的网址子权重记为0.95（相比百度问题页的0.7）;假设用户对汽车保养真的关注，且自身比较急切才会去专业的网站咨询，而不再是综合性的百度搜索。因此客户偏好标签的初步估算模型为：客户标识+时间+行为类型+接触点（网址+内容）。标签权重是0.90* 0.95*1=0.855，即该用户：汽车保养0.855。上述模型权重值的选取只是基于某一单独网站的举例参考，具体的权重值需求进行二次建模，这里强调的是如何从整体思考，去构建用户画像模型，进而能够逐步细化模型。企业可以借鉴此方法，进行多平台数据采集，例如京东、淘宝、知乎等网页，逐步完成客户标签，最终生成更具体的客户画像。

3.2.3 利用大数据获得销售反馈

首先进行数据准备工作，既然想要达到汽车产品的预测效果，那么一定想顾客之所想，急顾客之所急。而顾客对于一款车的评论直接反映了顾客之所想，下面我们就以python为工具挖掘顾客的想法，得到具体真实的销售反馈。下面以是在汽车之家爬取的419条奥迪A4从2013年至2018年的口碑數据，下面为可视化分析后的词云。主要从购买车型、购买地址、油耗、评价关键词四个方面进行分析。

结合图4和图5综合来看：从2013至2018年，奥迪2018款30周年30TFSI进取版销量居最高位，达到总销量的26.0%;其次为2018年30周年版40TFSI进取版，占比22.0%;年30周年版40TFSI时尚版位居第三。购车地址主要集中在北京，其次为浙江，江苏;成交价格主要集中在30.98万元，30.00万元次之，31.00万元居第三位;购买时间主要集中在2017年;成交车型油耗主要集中在9.0L/100km，10.0L/ 100km，8.0L/100km;口碑评价中提到的高频词汇为“外观”和“舒适性”，这两点是影响客户购买决策得重要影响因素，也是奥迪A4的核心竞争力。但是从数据反映，“异响”和“噪音”也是用户抱怨最多的问题。综合奥迪的实验数据可得，2017年是奥迪A4销售丰收年，因此企业应着重分析其产生的原因。可从当年的政策，经济，潮流文化等外在因素和企业内部的职能部门管理，核心技术的提升等因素进行分析，找出关键所在，以促进以后的销售工作。另外，购车地址集中在北京，浙江等地，那么企业应详细地分析北京，浙江等地的经济，政策，社会文化等影响因素，扩大企业在此地区的品牌影响力，调整销售重心，加强汽车产品在不同省份的汽车4S店的投放精准投放。而就口碑评价而言，舒适性和外观依旧是客户心头的“白月光”，而异响和噪音仍困扰着用户，那么企业就更应着重提高外观的设计和舒适性的提高，减轻异响和噪音，扬长避短，提高核心竞争力。

3.3 大数据精准营销的综合运用

3.3.1 大数据加强线上线下联系，建立大数据客户信息库

数据采集阶段：针对如何运用大数据进行精准营销，从而为汽车企业带来更多的盈利，我们提出了以下建议：当我们利用大数据采集到客户的相关信息之后，就应当将4S实体店的线下销售平台有效的结合在一起，加强线上线下销售联系，建立大数据客户信息库。购买汽车产品的每一位顾客都需要填写一份调查表，调查表的内容包括家庭住址（方便后期服务有用），联系方式等，并且每个4S店对每天卖出的汽车产品价位所对应的顾客都需要详细的记录下来。使用Python获取汽车品牌网站、相关论坛、电商平台进出人群的相关评论和人们在网上搜索汽车品牌相关汽车产品的频率还有人们在搜索汽车时所用的关键词，如性能、寿命、油耗等。

数据分类阶段：就成都市而言，各个地区每个人的购买能力肯定是不同的。我们就每个人购买汽车产品的价位将他们分为不同层次的人，以每个人的家庭住址所值得房价来估量他们的购买能力范围，以此来完善我们的客户信息库。网上的信息则用来评定客户的喜好，将各类层次的人再细分为不同喜好的人群，他们所看重汽车产品的优点是不同的。

大数据分析阶段：当我们获得足够多的客户的信息时，大数据分析是我们将各类客户分类的重要依据，此时我们运用大数据分析形成客户标签，再由他们的兴趣爱好不同，观点不同，根据主流网站获取的相关信息将三类消费者再细分为不同喜好的群体，以此来完善客户信息数据仓库。在人力资源的分配的合理上，我们通过几个专业人员就可以建立一个客户数据管理库，会将任务具体的分配到适合的人的手中，不存在人员找不准定位。这样不仅提高了交易的效率，也减少了人力资源得浪费，同时也解决了销售人员多而不专，销售成本较高的问题^[8]。摆脱了过分依赖人工力量的现状。在新型的销售流程中将更加注重客户资源的集中化管理，打破了以往客户第一手资料掌握在单个销售人员手中的传统模式，经过后期的客户画像分析，对原来的销售模式中存在的销售专业度不高，管理不足，营销找不准对象的缺陷有一定的作用。

3.3.2 形成客户标签

基础标签：客户已有的固定属性，指通过已有字段、定制算法得出的标签如：性别、年龄等应用标签：通过对用户的行为分析，总结出客户对应属性和需求，一个用户可有多个标签。

个人兴趣标签：生活娱乐方面的信息，也可是网站搜索内容、页面停留时间、点击次数、互动的内容等^[8]。

客户行为标签：社交社区、网上购物、生活娱乐、生活服务、数码家电、新闻资讯等。

3.3.3 形成客户画像

客户属性有性别、教育背景、年龄、工作状况、所在地区、财务状况等。浅用户画像是指由前两步汇总后初步形成的客户轮廓，如：兴趣偏好、社交关系、性别年龄、房车拥有、所在城市、上网时间等。深用户画像是在前面的轮廓基础上生成不同的面容，如：挖掘高价值客户、近期急需家电客户、潜在刚购房的客户等^[8]。

3.3.4 有效利用信息库

将客户信息收集起来，经过一系列的后期处理，利用大数据技术对汽车4S店进行全面的数据分析，更加重视客户信息资源得利用，这样不但解决了前期数据收集不充分，潜在客户流失，客户信息库生成过晚的问题;而且完善了售后工作对客户信息库建立的重要功能^[9]。从而形成良好的销售循环，做到查漏补缺，保持优势，填补劣势，完善客户信息库。当遇到与已有客户相似的顾客时，可以第一时间定位客户，介绍他们心仪的产品，避免了盲目推荐，错失顾客的事情发生，当不同消费的群体进入不同的售后交流群后，4S店则可利用手上所有的数据来展开针对不同人群的优惠活动宣传，充分了解顾客看重的产品方面，达到完善自身的目的^[10]大数据化的经营模式在解决运营成本高、销售人员水平参差不齐，精准销售欠缺传统单一这三个方面将有一定的效果，在汽车产品研发时期，可以通过了解客户的喜好数据对车体的设计和功能上做出一定的改变，在汽车的上市阶段，根据客户的数据分析进行有效地宣传活动，杜绝盲目的资金投入，当客户进入4s店选购车辆时，去满足他们各方面的需求，为他们推荐感兴趣的车辆，而在售后服务上也可根据客户的居住地，对自驾游的爱好程度等等方面，為客户制定个性化的后期保养服务，这样汽车4S店的销售服务质量可以得到快速提升，销售人员的专业度上去了，真正的实现精准营销。利用这一数据效果在分配销售人员给客户时就可以达到相匹配的目的。在后期的人员接待、财务审核、售后回访中又可以持续的更新客户信息库，如此在五位一体的大循环中我们的数据不会老化，与时俱进，且在对客户的分析方面会更加全面细致，对汽车市场长期有效地经营者是十分有利的，在对客户的把握上做到精准，有针对性的培养销售人员的专业知识，提高销售人员的素质要求。

4 结语

针对线上线下调查发现的成都市汽车4S店目前普遍存在员工素质参差不齐、客户定位不准确两大突出难题。本文提出了优化营销结构：合理安排人力资源，为营销团队注入大数据分析人员、客户资源分配人员的新鲜力量;充分利用大数据技术：建立大数据客户信息库、进行客户标签、客户画像数据模型初步建立，加强线上线下营销管理的解决策略。

最终达到优化4S店营销模式，助力精准营销的目的。

参考文献

[1] 夏威，赖福林.汽车4S店提升服务质量策略研究[J].南方农机，2019， 50（19）：135-138.

[2] 田福松.我国汽车4S店的发展现状研究[J].汽车实用技术，2018 （12）：181-182.J.

[3] iawen Wang，Xinjun Lai，Sheng Zhang，W.M.Wang，Jianghang Chen. Pre -dicting customer absence for automobile 4S shops： A life cycle perspective[J].Engineering Applications of Artificial Intelligence， 2020，89.

[4] 徐涛.基于大数据的精准营销模式研究——以汽车营销为例[J].中国论，2019（14）：22-23.

[5] Zuopeng Wang， Hongqiang Sun， Kai Li， Wei Yao， Kuiran Dong， Yang Yang Ma， Shan Zheng. Prognostic factor analysis of stage 4 Sneuroblas -to main in fant patients：A single center study[J].Journal of Pediatric Surgery，2019，54（12）.

[6] 汪文忠.“互联网+”我国汽车产业营销模式创新探究[J].汽车维修与养，2017（05）：98-99.

[7] 田朝辉.基于大数据的汽车精准营销研究分析——以构建奥迪汽车用户画像为例[J].福建工程学院学报，2019，17（04）：391-397.

[8] 克烜.汽车4S店经营管理模式创新探讨——以淮北大众汽车4S店为例[J].淮北职业技术学院学报，2018，17（01）：115-116.

[9] 官维.某汽车销售公司数据仓库项目的构建及应用研究[J].软件程，2019，22（11）：31-34.

[10] 丁熙凯.汽车4S店管理中的有效途径及策略探索[J].现代营销（信息版），2019（10）：148.