行业整体还处于萌芽阶段,但从营销到研发的全产业链,再到智能、网联、共享等未来趋势,汽车行业已经越来越依赖大数据。
“大数据”从2013年左右在汽车界成为热点,但在实际落地应用、直接为车企创造价值方面仍处于萌芽阶段。
汽车行业的大数据概念分为狭义和广义两种。狭义的大数据指近些年兴起的、来自互联网和物联网的新型数据,例如由车辆传感器、车联网搜集上传的数据。其特点一是海量,二是数据来源广泛、结构较为复杂,包含文本、语音、图像、视频等形式,不是传统数据库的结构化数据。广义大数据还包含汽车厂商的传统数据,例如4S店销售网络收集的车辆维修保养数据、调查研究机构的市场调查与研究分析数据等。
还有一些传统数据之前因为技术方法难以应用,近年来与新型数据一起得到了广泛应用。例如厂商呼叫中心的数据,因为是语音数据,之前很难批量分析应用,现在因为语音转文本和文本分析技术的成熟而变得使用价值更高。
如果按产业链环节分,能为汽车主机厂创造价值的大数据又可大致分为消费者洞察、数字营销、产品质量及售后服务、库存与供应链优化、销量预测与生产优化、研发等环节的大数据。其中最重要的是消费的人洞察大数据。具体而言,汽车消费者洞察大数据包括消费者买产品的支出、选择产品的渠道、偏好产品的类型、产品使用周期、买产品的目的、消费者家庭背景、工作和生活环境、个人消费观和价值观等。
汽车行业发展至今已经不存在高深莫测的独门技术,都是成熟技术的组合搭配。同一个细分市场、相同售价区间内的不一样的品牌、不同车型如何打出差异化,选择和突出哪些配置和功能,全靠企业对消费的人需求的把握。
车企以往通过市场调查与研究机构了解消费者需求,大型车企每年在这方面的投入达亿元级。但传统线下调研存在样本量稀少,数据分析报告周期长,不能完整代表未来3-5年内的完整模型,同时存在产品定义(配置定义、人群定义、市场定义、价格定义)不精准的缺陷。
近年来随着网络、物联网、算法、分析引擎等技术的进步,可提供新型大数据服务的公司逐渐涌现。相较传统调研,汽车大数据公司的调研数据样本量更大,更丰富,效率更高。
车企利用这些大数据分析能够在市场调查与研究、战略规划、产品研制、营销分析等领域精准决策。
借助新型汽车大数据服务,车企不但可以拓宽汽车行业调研数据的广度和深度,从大数据中了解汽车行业市场构成、细分市场特征、消费者需求和竞争者状况等众多因素,挖掘市场需求、竞争情报,提出更好的解决实际问题的方案和建议,保证企业品牌市场定位独具个性化,提升公司品牌市场定位的行业接受度,还能够建立基于大数据数学模型对未来市场进行精准预测。
定位是企业任何战略规划重中之重的内容,一旦定位不准,将直接把企业推向悬崖边,造成的损失完全不是用金钱能衡量的,非常有可能是致命的,类似的案例在汽车圈举不胜举。车企通过收集产生于微博、微信、点评网、评论版上海量的网络评论交互性大数据,如商家信息、个人隐私信息、行业资讯、产品使用体验、商品浏览记录、商品成交记录、产品价格动态,建立网评大数据库,与竞品分析对比,找到自身产品与竞品相比的优缺点。通过对大数据的统计分析来充分了解市场信息,掌握竞争者的商情和动态,知晓产品在竞争群中所处的市场地位。以此日后更好地改进和创新产品,更精准地向特定人群推广产品,更精准地推广产品哪些特性。同时,车企还能够最终靠大数据统计分析,进行科学的需求和产品价格趋势预测,并针对不一样的细分市场来实行动态定价和差别定价,从而使企业收益最大化。
产品端车企最迫切地需要解决未来的问题。车企每年都要投入大量的经费用于研发,一款新车往往光研发费用就得十几亿,如想构建一个大体能覆盖主流市场的车型结构,研发费用肯定得过百亿。问题是投入巨资打造的车型,一旦没能抓住用户的需求痛点,那对企业绝对是致命的。因此摆在车企眼前头等大事就是—找准未来3-5年的客户的真实需求,打造什么样的属于未来市场的汽车产品。基于大量真实的用户口碑等构建的汽车大数据,有助于车企研发设计出更适合客户的真实需求的产品。随着成熟的汽车大数据技术逐步应用于车企生产、销售、服务工作中各环节,能够在一定程度上帮助车企总结过去经验,预判在新车研发周期的未来周期的市场需求走势(一般为3-5年),提升车企整体运营效率。
汽车大数据极大程度地改变了车企传统的经营销售的方式,推动车企营销变革。以往的营销主要是通过品牌传播,通过群体分析;在汽车大数据时代,营销变得更精准,更加有效,甚至让交易达成直接变成了现实,形成闭环,极大程度地提高了营销的效率。同时,汽车大数据实现了线上和线下渠道的紧密结合,让传统的经营销售的方式直接进去多屏的智能营销时代。汽车大数据通过用户画像分析、市场情况分析、场景分析、营销产品内容分析、洞悉用户的诉求点,利用个性化推荐技术,实现了真正意义上的个性化精准营销、智能营销。
具体而言,车企通过大数据分析用户的消费行为、兴趣偏好、客户分布、发展的新趋势、消费能力、消费特征和产品的市场口碑现状,再制定有明确的目的性的营销方案和营销战略,实现精准信息精准推送,更好地为用户服务和发展忠诚用户。
大数据行业目前处于萌芽阶段,还没有巨头公司产生。专注汽车行业的有上海数策、汽车数据工场、慧数汽车、汽车之家、J.D.Power等,其他的还有一些公司如IBM、阿里提供泛行业数据服务,汽车行业做得不够深入。
大数据有三大门槛:数据源、算法算力、应用场景,不同数据公司各有侧重和强项。
例如汽车之家是目前全球访问量最大的汽车垂直网站,其公开数据是70%的真实购车用户会到汽车之家查询对比,日活跃用户达3500万,其强项在于数据源。
泛消费类像阿里的大数据,依托淘宝、天猫的交易数据和支付宝、蚂蚁金服的金融数据,阿里基于UNI ID识别每个账号背后“真人”的全网行为,能够跨屏幕、跨设备、跨媒体将每个人的零散数据打通。所以阿里的大数据不以某个行业为重心,而以每个个人为核心,描绘出每个用户的个人大数据。
上海数策等独立的大数据公司依仗的是算法、算力、建模能力,这类大数据公司的核心竞争力可以归结为人,可以看成“一群数学家的创业”。
就特定应用场景来谈,以汽车之家为代表的汽车行业相关公司更占优势,因为其用户的使用行为100%围绕看车、选车、买车、用车的全周期应用场景,行为包括看新闻报道、查配置、比价格、发帖回帖、谈使用感受、吐槽抱怨等,能更精准地帮助汽车企业优化营销效率和转化率、提高研发效率和准确度,这一点是泛行业数据公司、网络公司提供的大数据不能够比拟的。
从以上梳理能看出,汽车垂直网站做大数据具有数据源和使用场景两大先天优势,第三方数据公司的数据来源几乎不能离开从汽车垂直流量大户网站抓取,而这些网站许多数据是非公开、无法抓取的,这更巩固了它们的数据来源优势。例如汽车之家去年推出的的大数据产品车智云就是基于十多年汽车之家用户在网站上所有浏览轨迹、点击行为和在论坛里的发帖、回帖的文本内容提取出来,通过文本挖掘的方式生成数据,依据这一些数据分析用户对某款车的偏好、喜好程度、对比过哪些竞品、对车的优缺点评价等内容。这一些数据之所以价值无穷,主要是因为它不仅是聚焦汽车行业消费者的行为数据,更涵盖从造车端到用车端的整个价值链条的各环节。
车智云多个方面数据显示,RX5车主平均岁数33.5岁,博瑞32.9岁,后者较年轻。车主年龄分布上,RX5的前两大年龄段是31-35岁和27-30岁;博越车主前两大年龄段是27-30岁和31-35岁。
从行为轨迹来看,RX5车主APP三天活跃率排名前三的是:快手、微信、陌陌。而博越车主APP三天活跃率排名前三的是:快手、墨迹天气、微博。
仅仅以上信息就能反馈至荣威RX5厂家继而做出相应市场调整。例如在推广传播层面按照每个用户年龄分布和社交娱乐类APP偏好做出营销渠道和营销力度优化;在车型开发改进层面更看重车联网等娱乐多媒体系统的升级。
这就是汽车大数据公司产生价值的过程。这个价值不仅在营销层面,还可以深入到设计、研发、生产制造各个环节。
例如汽车之家有口碑栏目,用户在购买、使用一段时间以后能在该栏目发口碑帖。上传购车发票等环节保证了真实车主、真实数据。口碑帖内容有车辆具体版本、价格、购买地点、最满意、最不满意、空间、动力、操控、油耗、舒适性、外观、内饰、性价比、为什么选择这款车等内容。而每个帖子后还有大量车友跟帖讨论,形成对车型评价的海量信息。
车智云通过文本挖掘的方式把这一些信息提炼出来,构建一套用户使用体验标准体系,根据这个指标体系进行定向的挖掘。
比如用户对老款哈弗H6的核心评价是“经济实惠、口碑较好,外观和空间还行,但是动力有点弱……”。这一些信息被挖掘出来提供给长城,成为哈弗后来推出H6 1.5T版本、优化产品动力的原因之一。
这样的例子在汽车行业慢慢的变多,而且汽车行业最热的智能化、网联化、共享化也将重度依赖大数据。5月24日,上汽集团数据业务部副总经理刘峰在2018上海大数据AI创新应用峰会上说:“汽车智能网联的价值在于它的应用,而大数据则是其应用实现的先决条件。”
与这样的前景相比,目前的汽车大数据还处于萌芽阶段。以消费者洞察大数据为例,投入最大的厂商如上汽通用近年来在1亿元以上,行业大多数厂商每年投入在百万元级,未来增长空间巨大。