cig-2019年上半年汽车官网数据洞察白皮书-2019 10-22页 pdf

1、2019年上半年汽车官网数据洞察白皮书 前言在所有数据类型中，第一方数据的投资回报率最高，而且有潜力实现更高价值数字营销时代，数据的重要性毋庸置疑，正如经济学人杂志所说：“世上最有价值的资源不再是石油，而是数据”。越来越多的企业认识到数据带来的巨大价 值，挖掘数据价值并应用数据以实现商业成功，成为时代的大势所趋。如今，业绩最好的公司越来越多地将目光投向内部，投向他们的第一方数据。研究表 明，在所有数据类型中，第一方数据的投资回报率最高，而且有潜力实现更高价值。基于以往经验，获得新客户的成本比维护现有客户的成本高10倍以上，如果使用得当，第一方数据可以提高成本效益和客户忠诚度，并且，第一方数据是

2、由品牌自己定义、收集和拥有的，品牌能够基于自己的需求选择合适的格式来收集和处理第一方数据，因此比来自外部的数据更准确和及时，同时，对于指导短期活动以及长期规划都有借鉴与参考价值。官网数据是企业不可忽视的重要的数据资产，管理与应用好官网数据，是企业未来发展的重中之重官网数据作为企业收集第一方数据的最主要来源，是用户与品牌在互联网上重要的沟通渠道，积累了大量的用户与品牌的真实互动，是企业所需最接近的数据，官网数据能帮助企业更深层次的洞察用户，同时也是提升企业营销效果的最关键的一步，因此企业应将线上购买的媒体流量引入官网，这样既能帮助企业更深层次的洞察用户，又能通过官网数据的再利用为企业再次创造价值

3、。官网数据是企业不可忽视的重要的数据资产，管理与应用好官网数据，是企业未来发展的重中之重。新意互动在汽车数字营销领域深耕多年，在大数据技术构建与再利用方面具有明显优势汽车行业如今面临与日俱增的挑战和压力，汽车总销量自1991年来首次出现负增长，汽车市场进入存量博弈时代，在未来几年，客户关系将是最具价值的元素， 从品牌战略到客户洞察，品牌吸引力直接影响着汽车的剩余价值，官网数据作为企业最重要的数据资产，如何提 网数据的价值，使其更好的为提升品牌吸引力与销量贡献力量，是企业未来需要重点思考的方向。新意互动拥有17年的汽车数字营销全案 经验，积累了丰富的数据资源，在大数据技术构建与再利用方面具有明显

4、优势。导读序言本文的篇幅不长，却是新意互动长期数据沉淀与积累的结果。它试图通过汽车官网的数据产生结论性的认识，为我们孜孜以求的目标了解您的目标群体提供一些可资参考的解释与说明。同时这本白皮书中还详细描述了我们利用官网受众行为数据进行预测再营销与线索评级的实际案例，希望对您如何使用数据创造价值提供一些可资参考的思路。此白皮书的数据均来自CIG自主研发的数据产品iMedia。除特殊说明，所有官网数据时间均为20190101-20190630。2 目录汽车官网关键指标行业值01人群价值评估02CONTENTS03受众行为数据的营销价值04结论&建议3汽车官网关键指标行业值Benchmark of k

5、ey metrics on Automobile official website 2017年-2019上半年汽车官网六大关键指标行业值趋势以下是衡量汽车官网运营情况的六个关键指标行业值趋势，可对比自己网站各指标，了解自己网站在行业中所处的位置。88%34.2929%34.6333%33.5687%86%28%2019H2019H201720172019H20182018201720181.561.140.25%1.591.171.170.25%1.530.23%201720182019H201720182019H201720182019H5注：以上所有2019H行业值均指2019年上半年行业

6、值数据来源：每次会话浏览页数平均访问次数留资率新访占比留存率平均会话时长（秒） 官网流量入口以手机端为主，用户体验以电脑端更优汽车官网以手机端流量为主，手机流量高于电脑和平板，占比高达66%，但用户最终留资偏向电脑端，且用户在电脑端的访问深度优于手机端，建议优化手机端用户体验，提高手机端用户访问深度。 平板66%1%33%流量占比87%24%27秒1.55页1.15次0.18%91%28%33秒1.44页1.11次新访占比留存率平均会话时长每次会话浏览页数平均访问次数留资率89%40%49秒1.57页1.12次0.40%0.20%数据来源：6电脑手机 电脑端：Chrome和IE浏览器占据主流，

7、IE浏览器网页适配性有待加强Chrome和IE浏览器是访问汽车官网的主要浏览器，浏量占比超过88%，但IE浏览器的平均网页加载时长不容乐观，其适配性有待加强。五大主流浏览器的平均网页加载时间流量占比（%）平均网页加载时间（秒）8.1 秒7.3 秒66.9%7.1秒5.8 秒21.3%5.1 秒5.9%2.2%3.1%ChromeInternet ExplorerFirefoxEdgeSafari7注：以上数据根据2019年上半年汽车官网TOP5浏览器数据得到数据来源： 手机端：80%流量来自中、大屏手机，且大屏手机在官网体验最佳中、大屏手机带来80%的流量，中、大屏手机能更加直观的展示车型的品

8、质、样式、颜色等信息，吸引用户关注。中、大屏幕手机更受青睐，手机屏幕越大官网体验效果越好。参与时长小屏手机流量占比参与时长中屏手机流量占比大屏手机流量占比参与时长8注：以上数据根据2019年上半年汽车官网TOP20手机型号数据得到数据来源：5.8-6.28英寸5.5-5.7英寸5-5.4英寸人群价值评估Value assessment of the audience 85-95群体为汽车互联网平台最具价值的目标群体34%66%男留资率女留资率用户数（%） 用户数（%）8.4%18-24岁6.1%0.14%18-24岁0.07%25-34岁0.15%12.1%25-34岁21.1%0.11%35

9、-44岁0.09%0.06%6.8%35-44岁22.3%45-54岁0.05%0.05%3.6%45-54岁9.5%55-64岁55-64岁0.05%2.9%0.04%3.5%65+1.5%0.04%65+0.06%2.5%10注：以上数据根据2019年上半年汽车官网已识别用户性别的用户数据得到数据来源： 汽车用户高价值群体集聚在 “运动”这类兴趣人群上触达官网和高购买意向转化人群都在TOP10的是爱好“运动”的兴趣人群，爱好“运动”的兴趣人群是汽车用户高价值目标群体。触达官网人群兴趣TOP10高购买意向转化人群兴趣TOP10用户数（%）留资率超值购物者奢侈品购物者爱狗说唱嘻哈爱好者0.51

10、%0.42%11.3%10.7%沙龙爱好者0.37%0.32%0.31%0.31%10.4%10.2%电子音乐爱好者南亚电影迷爱猫喜剧电视剧迷 商务环保汽车爱好者新闻读者旅游爱好者9.8%9.1%9.0%9.0%摇滚音乐爱好者0.24%11数据来源：运动：高尔夫爱好者0.30%运动：冬季运动爱好者0.30%运动：体育迷10.2%运动：棒球迷0.40%运动：户外运动爱好者10.4% 四川、北京、湖北、重庆的用户更倾向于线上转化不同省份用户的参与时长和留资率表现山东High河北青海辽宁四川河南湖南北京黑龙江山西广西留资内蒙古湖北重庆云南吉林陕西江西率安徽广东江苏天津贵州浙江上海福建甘肃甘肃海南注：

11、气泡大小代表用户数LowLow参与时长Hi5g0h253035404512数据来源：受众行为数据的营销价值Marketing value of audience behavior data 企业级受众行为数据的营销价值应该永远面向未来的价值而存在14挖掘企业第一方数据价值的前提是还原用户的完整线问行为和线下访问行为官网数据不仅能够针对人群价值展开度的交叉分析，优化官网用户体验、找到高价值目标群体。还可以针对单一受众行为数据做更精细化的分析。尤其是单一受众行为数据打通之后，线上线下数据链条化，底层数据标签体系化，单个 “人”的行为数据更加完整，这些数据成为企业重要的数据资产，是数据精细化分析的前

12、提和基础。所以说，挖掘企业第一方数据价值的前提是还原用户的完整线问行为和线下访问行为，企业单一受众行为的数据链打通应该永远面向未来的价值而存在。数据时代的关键词就是预测，对还原单一用户行为的重视将为企业带来无限的想象和价值再创造众所周知，在大数据时代，线下地理竞争边界早已不复存在，竞争的是提前预知的能力，谁能提早的预知客户的需求，谁便能占得先机。利用企业的第一方数据还原一个人的完整购买路径，这样的数据使利用机器学习的技术预测用户下一步的行为成为可能。数据时代的关键词就是“预测”。企业单一受众行为的数据链打通应该永远面向未来的价值存在。这一切将为企业带来无限的想象和价值再创造。接下来的内容展示了

13、我们的研究成果，利用机器学习技术使预测再营销和线索评级成为可能，为企业深度挖掘受众行为以及如何利用这些数据提供可供参考的方向。 利用机器学习技术挖掘高质量潜客种子人群方法论预测再营销能够让您专注于代表大多数潜在买家的一小部分群体，广告主可以拨出部分预算用于吸引这部分高潜群体（比如10-20%的用户），而不是整个用户群进而优化您的支出。本方法论里所使用的数据均是围绕官网为核心展开的。预测再营销线索评级15通过预测留资概率筛选出高质量种子人群筛选种子人群特征筛选 变量重要度分析 变量相关性分析 PCA降维通过机器学习预测未来可能留资的人群算法库 逻辑斯回归 决策树 神经网络 贝叶斯基础特征 用户基

14、础属性 用户来源渠道 用户访问轨迹 用户访问时间特征工程高级特征 用户触媒特征 用户转化周期特征正样本在官网留资的用户正负样本筛选负样本在官网未留资的用户 以低成本获得高质量种子人群的同时生成相似人群，扩大目标人群库 以官网为核心的数据平台可以向DSP投放平台输送精准的人群包，并借助DSP平台对人群包（高质量种子人群）直接投放；同时，为了扩大目标人群库，可利用高质量种子人群生成相似人群，从而达到以低成本获客，同时提升转化率的目标。预测再营销高质量种子人群预测人群列表相似人群列表线索评级Data BaseDSP投放平台高质量种子人群相似人群列表预测人群列表16注：DSP:需求方平台（Demand

15、-Side Platform），以精准营销为核心理念的广告投放平台。 某合资品牌预测再营销的CTR提升39%，CPL下降79%某合资品牌通过预测再营销方式投放广告（成功案例）预测再营销79%CPL降低39%CTR提升线索评级注： CTR和CPL的上升或下降均与DSP非预测再营销方式的广告对比得到CTR：点击通过率（Click-Through-Rate）,CTR=点击数/曝光数CPL：平均每获取一个销售线索的成本 (Cost Per Leads)，CPL=广告总投放费用/广告带来的总销售线索17 利用机器学习技术挖掘线索的购买意向等级（线索评级)方法论利用机器学习技术将官网获取的销售线索精确分级

16、，指导销售跟进，合理分配销售资源，从而节省外呼成本，提高成交转化率。潜客评级CRM字段建立模型留资线索网络行为字段预测再营销指导销售跟进线索评级匹配18注：CRM：客户关系管理（Customer Relationship Management），这里指汽车客户的销售线索管理平台销售线索精确分级（高中低），合理分配销售资源，节省外呼成本， 提高成交转化率。模型库 逻辑斯回归 决策树 神经网络 贝叶斯 随机森林选择最优模型 线索用户手机号（MD5加密） 姓名 年龄 性别 试驾时间 进店时间 成交时间 留资用户手机号（MD5加密） 线索在一定时期内的历史触媒行为 线索在一定时期内的历史官网访问行为，

17、包括关注品牌和关注车型 线索在一定时期内浏览过官网和车型网 线索的主要关注点，例如颜色、配置、动力等 某合资品牌的中、高意向线索成交转化率提升至4.67%和13.33%某合资品牌线索评级后不同购车意向线索的成交转化率（成功案例）未评级前该品牌成交转化率为预测再营销2%高意向合理分配外呼资源节省外呼成本线索评级中意向提升成交转化率评级标准：根据预测成交概率的三分位划分高中低意向高意向：成交概率大于0.6中意向：成交概率在0.20.6之间低意向：成交概率小于0.2低意向成交转化率注：成交转化率：官网留资到成交的转化率，等于成交线索数/官网总留资数190.98%成交转化率4.67%成交转化率13.3

18、3%成交转化率结论&建议Conclusions & Recommendations 结论&建议企业真正掌握在自己手中并可被应用的数据只有企业自身的第一方数据在数据爆炸的这个时代，企业理所应当的认为企业获取的数据越多越好，其实不然，存储海量的数据但不进行应用只会给企业增加负资产，企业应更多的获取他们实际可被应用的数据。现 结论如今，大多数企业的数据均来自第三方，如媒体和公共数据交易平台，但这一类数据企业只能看到，并无法在此基础上把数据真正应用到营销的各个环节中。这本白皮书同时希望企业能够把更多的注意力从外部数据转移到企业的第一方数据上，因为企业可以真正掌握在自己手里并可被应用起来的数据只有企业自身的第一方数据。为了更好的完整收集和管理第一方数据，建议将流量引入到自有官方平台 建