中國網汽車訊 6月9-10日，以“大變革 重構汽車産業”為主題的2015全球汽車論壇在重慶舉行。汽車之家副總裁韓松在辯論會中提出，網際網路的大數據最有效的是替代原來傳統相對效率比較低，或者成本比較高的調研方式，它可以通過口碑、通過用戶的車主聲音，UGC內容可以簡單快速分析，他對於車型和産品參數配置的滿意程度，包括售後服務等等的一切。

汽車之家副總裁 韓松

　　以下為採訪實錄：

　　首先非常感謝組委會讓我們有這個機會能在這裡面和各位汽車行業的前輩們來分享我們基於大數據的想法，每站到汽車行業論壇的舞臺上我都比較緊張。我説緊張一方面有氛圍的不同，畢竟是跨兩個行業。我們各種各樣的嘗試，在很多媒體傳播裏面都把我們描述成了門外的野蠻人。但其實恰恰相反，隨著我們與汽車主機廠，包括汽車經銷商合作進一步深入，我們對這個行業産生越來越多的敬畏。今天我分享的主題是“網際網路大數據如何助力汽車産業變革”，我並不覺得網際網路公司，真正能夠去憑著我們網際網路的力量就可以顛覆，可以怎麼樣傳統行業，更多是對這個行業起到一些幫助的作用，一些助力的作用。

　　今天基於大數據的領域幫助主機廠做到什麼，今天做一個分享。我的內容分三部分，第一部分是怎麼來看待汽車大數據？後面是我們認為汽車大數據的核心價值和簡單應用場景，我今天講的內容相對比較low一點，我剛才聽到大家討論G7的會上，本世紀取消化學能源這種事，我沒有辦法站到那麼高的高度，跟大家聊的還是短期可以幫到大家的情況。

　　我們定義了99%+1%的概念，一般説到大數據的時候，所有的網際網路公司，都在強調説我在給用戶打標簽，打成百上千的標簽來識別消費者，這個標簽有關於興趣愛好，有生活習慣等等的一切。這些標簽究竟意味著什麼？它最終的價值怎麼樣？我們做了我們基於大數據在汽車行業裏面的梳理。最基本的我們覺得一定存在的就是所有消費者的自然屬性，數字只是一個示意，不用去推銷説為什麼是15%。更多是基於消費者的社交屬性，他的教育背景、工作狀況、婚姻家庭。再往後是網際網路能夠給主機廠，提供給行業最多的一些東西，就是個性化的屬性，包括他的愛好、瀏覽習慣。在座的大家無論你們使用PC設備還是移動網際網路的設備訪問網際網路，都一定會留下你們的軌跡。

　　再往後是一個更核心我們稱之為消費屬性，您的家庭收入，比如説消費能力，消費習慣，以及處於哪一類的消費的階段。作為汽車行業而言，一切實際上都是在給他的目標消費群做一個模糊的匹配，比如説你的用戶可能什麼樣，你的用戶可能 偏好什麼，我們覺得始終差了一個最後的一部分數據，這部分數據量並不大，但對於主機廠來説最有價值，我們稱之為能夠提供的購車屬性。

　　不去講具體的例子，就像剛才余部長做了一個廣告我們和長安有一個合作，我們和幾個品牌都有類似的合作，做的事情很簡單，主機廠拿出他的車主資訊，這個資訊是加密的，我們雙方或者幾方不會看到這個人的個人資訊，這些人已經在長安買了他的某一款産品，我們去匹配分析這個用戶在購車前6個月，甚至前一年所有的訪問行為。去分析在他最終購買這款車之前，他都關注過什麼品牌，關注過什麼車型，他花的時間是多長，在這期間他一共關注了多少産品，最終他在哪個階段決定下了訂單，最終哪個時間點完成了消費動作。這一切的基於用戶的基礎分析我們稱之為最後的購車屬性，這個可以幫助主機廠還原真實消費者的決策動機。

　　大家可能也會説我們通過對消費者的調研也可以了解，相信在座主機廠都會做，把我的車主召集過來進行訪談，您當時為什麼選擇我的産品，決策動機是什麼，這些在我們看來因為他還是一種訪談性質，抽樣調研的性質，咱們先不説調研的樣本量夠不夠大。長安我記得聽説有70多萬還是多少？主機廠做這個事花了大量的時間和精力，其實還是抽樣的訪談類型。我可以把你的數據進行一個完整的匹配，去通過這些來降低或者提高做用戶抽樣的效率，同時因為我們分析的是他的歷史行為，他真正購車動機和購車需求未必能夠通過訪談的方式回答出來。我相信大家多多少少也做過，比如説我當時買車的動機，我1998年買過漢蘭達，也接受過他的訪談，我當時説這個車空間很大，性價比很高，説了一些冠冕堂皇的理由，實際我的理由是什麼，我的太太生小孩，需要一個7座車，但是訪談裏面沒有這個選項，這種訪談得出來的用戶資訊和購車決策並不一定是真實準確。在大數據裏面的應用，只是最後那1%，因為前面的99%我覺得主機廠有自己的CRM數據庫，我們可以通過騰訊的微信，微網志，包括他的交易記錄可以得到很多海量的用戶數據，去了解他的個人資訊，了解他的愛好，了解他的習慣。只有到最後他真正購車決策的屬性，可能是我們可以去提供的。

　　這是我們對汽車大數據的一個分享。

　　我們的核心價值。這一點也很簡單，就是能夠幫助無論是主機廠還是經銷商離我們的消費者更近一些。現在中國的汽車售賣的傳統模式還是通過4S店，通過4S店有一個很大的問題，主機廠跟終端消費者之間的互動時間週期變長，沒有辦法快速跟消費者互動得到反饋。這個時候很多決策是滯後於消費者變化的，我們剛才談到每個主機廠在研發一款新車或者設定自己的交車流程都有一個目標人群的定位，我這款車適合25-35歲的男性，城市精英白領人群，大家可以想像中國現在在售車型有多少款車的目標受眾都是這個，我相信以95%以上都是。

　　這些究竟對於主機廠意味著什麼，包括最後的銷售環節。對於主機廠而言，每個消費者都是一樣的，我並不知道這個消費者的購車因素和購車偏好我提供的産品和服務也是一樣的。背後的問題是什麼，我前兩天父親買了一套房，當兒子的盡點孝心，我説我給您交錢，我就到了售樓處找了銷售，我説這個房，有沒有，有就去拿合同。就在我等著他拿合同的時候，我聽隔壁桌的一個買房這跟銷售的溝通，這個房子你給我便宜兩個點不行，至少便宜三個點，這個房子為什麼他買一層可以送花園，我的不可以送花園，當我聽到這個，我心中的不滿逐漸開始上升。我上來就質疑，我説你騙我，你的房子明明可以優惠2%或者3%，明明買一層送花園，為什麼讓我買二層。眼看直接要簽單收錢的環節，又回到傳統的討價還價。如果我的銷售顧問知道他一定應該是把握請到VIP房間，説你等著，我拿合同，或者我叫我的財務過來刷卡，就可以多賺3%，這一幕我相信在每家4S店每天都在上演，消費者進到4S店，經銷商顧問不知道他之前買車處於哪個環節，我們可以知道假設這個消費者在購買長安，進入4S店之前，我知道他在網上所有的比對行為，他一直在關注其他的品牌，我就可以分析出來他是看重價格還是看重性能，經銷商完全可以提供不同的接待服務，以便這個消費者進來我就説這個車8.5折，拿走，還是説我這個車不優惠，但是我可以給你更換更高的配置。這些並不是天方夜譚，可以通過大數據實現的。

　　我們説消費者畫像，剛才余部長談到，汽車之家每年都在更新我們的消費者畫像。我們一直分析主流消費者人群，主流消費者人群還是80後、85後，今年我們專門針對90後的消費人群，對於我一個70後來説這是一個很悲哀的事，90後已經25歲了。他們已經即將成為社會的主流消費人群。我們在做消費者畫像，我們提到的消費者需求，消費者偏好，我們著重説買車的體驗不夠好，車價不夠透明，我們希望汽車之家和主機廠的合作可以解決這些。90後第一句話説的是買車很無聊，買車用車汽車服務一切對我來説非常無趣，一點不酷。在他們眼中好玩有意思是第一位的，其他的變的不那麼重要。這裡面背後有可能他們還沒真掏錢，他們掏錢的時候也會關心價格，至少這個會給我們一些洞察，消費人群每年都在更新。誰能夠去更快地了解消費者的需求變化，誰能夠更準確洞察他們消費變化的趨勢，我們內部就在做這件事情，汽車之家所有原來提供的內容服務，提供的資訊服務，能夠滿足80後、85後、70後的需求，未來能不能滿足90後、95後的需求，我們怎麼讓他們覺得汽車之家網站變的更好玩更酷，這是我們的課題，相信也是經銷商未來的課題。

　　基於大數據的應用場景就是三件事，監測、發現、預見。過去作為網際網路公司更多的給主機廠提供的是監測服務，我們通過各種各樣的監測軟體幫主機廠看它産品的行銷過程，包括到銷售轉化過程的數據轉化情況，網際網路公司有一個特點，大部分都是數據型公司，技術型公司，它是沒有分析能力的。汽車之家在五年前開始成立我們自己的研究中心，我們就是想期待通過過去簡單數據監測，能夠幫助廠家做一些初步的分析和發現，幫助廠商解讀一些數據背後的原因。當更未來的話，包括我們跟我不太方便提，現在屬於保密協議，我們幫一些主機廠做到了數據建模的階段，希望未來幫助他們做基於銷售，基於車型發展趨勢的預測，這個其實是大數據的一個階段。這個階段一定是覆蓋到整個我們覺得新車産業鏈的各個環節，研發、生産、物流配送到中間的品牌、産品行銷傳播，包括最後渠道的管理、銷售、售後服務，整個脈絡其實網際網路作為一個大數據的最有效的收集和分析的工具可以很好地幫助到汽車産業。

　　我們可以看到這是我們從監測環節講，用戶在購車場景下的一個時間成本，過去大家都會提數據以UV、PV作為基礎數據，去年開始我們提出以時間成本作為主要衡量標準。一個消費者他産生的PV可能是無限量，也可能是完全無法計算，看一段視頻，看一部韓劇，天天晚上看三個小時，可能都沒有一個PV，他的時長是總量。花費的時間是一致的，我們可以看到消費者在購車的過程當中，每一個購車環節，花費線上上線下的時間，這個球的大小是代表花費的時間，可以判斷消費者每個階段最需要的是什麼，認知和興趣階段需要的是資訊，意願階段更需要基於參數配置。

　　另外一個監測，剛才我也提到很多次，我覺得網際網路的大數據最有效的是替代原來傳統相對效率比較低，或者成本比較高的調研方式，它可以通過口碑、通過用戶的車主聲音，UGC內容可以簡單快速分析，他對於車型和産品參數配置的滿意程度，包括售後服務等等的一切。

　　我們一直在看一個數據，每一個廠商或者説出的每一款車都會鎖定自己的競爭對手，我們當時拿一個品牌為例，現代和起亞是它的假像敵，當他的車推到市場上，用戶的比對數據顯示現代根本不是消費者心目當中你的主要競爭對手，意味著這個主機廠前期傳播在産品設計的時候，可能完全選擇選錯了對手。消費者心目當中的對手是另外幾個不同的品牌或者不同的産品，這樣的話很大程度導致廠商在行銷在規劃一些策略上的偏差。

　　消費者眼中，剛才余部長講，我們一定要以人為本，從用戶出發，消費者認為你的對手是誰更重要。

　　第二個發現，可能這是主機廠很關心的，就是我的戰敗客戶，我的消費者丟了，丟給誰了。左邊的圖是日係品牌銷售線索轉化率我們有55%的用戶在三個月的跟蹤調查沒有買車，還有29%的用戶沒有買他的車，我們再去做數據的挖掘會發現這29%怎麼分配的。我們沒有分析它背後的原因，可以幫助廠商發現和了解，誰在搶我的蛋糕。

　　預測，這個也是我們發現消費者對於一款車無論它的安全、品質、油耗、性能這些的關注，其實不是像主機廠想的一成不變，隨著新車的上市到它的成熟到走向相對來説老年期的過程當中，它的關注始終在不斷變化的。消費者對於每一款車，對於某一類車型的産品特徵優勢與否也是動態變化的。可能從主機廠角度講，如果是像網際網路産品或者像小米手機通過快速迭代，去滿足消費者對車型關注的迎合這個需求不現實，汽車的製造時間週期更長，至少我們在産品的包裝上，傳播的行銷推廣上是可以去根據消費者的對於車輛不同競爭優勢的理解和變化做一些調整。

　　最後一個，就是我們現在做的一件事。跟一些品牌在合作，我們希望通過整個銷售漏斗的模型，可以把消費者前期産生購車需求，到最後一直消費産生訂單整個全過程都在監控，我們也增加了電商的板塊，可以完成新車交易的閉環。這個模型當中我們可以大膽地預測，比如説這個月你的這款車它進入到銷售者某一級有多少人群，意味著未來三個月，將能産生多少直接的提車，我們是預測不了出庫量。

　　這個模型現在還沒有，這是我們正在跟主機廠一塊共同去建立的，這個是在大數據裏面對主機廠而言，對於銷售管理管控而言是巨大的價值和巨大的幫助。

　　最後我希望能夠呼籲一下，在做大數據研究時間非常短，這個礦很大，這個礦究竟是鑽石、黃金還是煤炭還是一錢不值，我們並沒有十足的能力或者專業技術去開採我們的礦，我們願意跟主機廠、調研公司、大數據公司共同合作挖掘大數據背後真正的價值是什麼，我們希望在未來，可能沒有那麼遠，每天都在發生，能夠通過我們大數據不斷地幫助汽車産業上的每一個環節去提升自己的效率，降低成本，謝謝大家。