基于大數(shù)據(jù)的汽車(chē)精準(zhǔn)營(yíng)銷(xiāo)分析

楊明昕 王悅婷 簡(jiǎn)悅

摘要：面對(duì)大數(shù)據(jù)時(shí)代下汽車(chē)市場(chǎng)強(qiáng)有力的競(jìng)爭(zhēng)，各個(gè)企業(yè)如何吸引用戶人群，強(qiáng)化自身的競(jìng)爭(zhēng)力，改善自己的營(yíng)銷(xiāo)模式，是需要持續(xù)探究的重要問(wèn)題。利用Python在數(shù)據(jù)處理與分析上的優(yōu)勢(shì)，運(yùn)用常用的數(shù)據(jù)分析及可視化工具，從用戶基本信息、汽車(chē)基本信息等不同角度進(jìn)行統(tǒng)計(jì)分析，發(fā)掘汽車(chē)銷(xiāo)售中的問(wèn)題，總結(jié)出研究數(shù)據(jù)中的汽車(chē)銷(xiāo)售狀況及變化趨勢(shì)，并給出對(duì)應(yīng)的精準(zhǔn)營(yíng)銷(xiāo)策略，從而滿足用戶的需求，為汽車(chē)銷(xiāo)售帶來(lái)利益，對(duì)汽車(chē)行業(yè)的積極發(fā)展提供思路。

關(guān)鍵詞：數(shù)據(jù)分析;汽車(chē)行業(yè);大數(shù)據(jù);可視化工具;精準(zhǔn)營(yíng)銷(xiāo)

中圖分類(lèi)號(hào)：F274? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）32-0044-04

Abstract： In the face of the strong competition in the automobile market， how to attract users， strengthen their own competitiveness and improve their own marketing mode is an important issue that needs to be explored continuously. Using Python's advantages in data processing and analysis， using common data analysis and visualization tools， statistical analysis is carried out from different angles such as user's basic information and vehicle's basic information to explore the problems in vehicle sales， summarize the vehicle sales situation and change trend in the research data， and provide corresponding precise marketing strategies， so as to meet the needs of users and provide marketing services Sales bring benefits and provide ideas for the positive development of the automobile industry.

Key words： data analysis; automobile industry; big data; visualization tools; precision marketing

1 引言

在日趨數(shù)據(jù)化的市場(chǎng)環(huán)境下，雖然現(xiàn)在汽車(chē)市場(chǎng)的銷(xiāo)量仍持續(xù)上漲，但銷(xiāo)量增長(zhǎng)的速度逐漸放緩，利潤(rùn)中心開(kāi)始轉(zhuǎn)移，消費(fèi)者對(duì)產(chǎn)品和服務(wù)的要求也日趨個(gè)性化，各個(gè)汽車(chē)廠商的營(yíng)銷(xiāo)方面面臨著諸多問(wèn)題。傳統(tǒng)的汽車(chē)營(yíng)銷(xiāo)模式已經(jīng)無(wú)法應(yīng)對(duì)市場(chǎng)帶給汽車(chē)廠商的這些威脅，汽車(chē)經(jīng)銷(xiāo)商必須開(kāi)始尋求新的營(yíng)銷(xiāo)方式，所以利用互聯(lián)網(wǎng)信息技術(shù)明確地對(duì)用戶展開(kāi)精準(zhǔn)營(yíng)銷(xiāo)已成為必然趨勢(shì)[1]。對(duì)研究數(shù)據(jù)中的用戶信息進(jìn)行處理、分析、整合后為汽車(chē)經(jīng)銷(xiāo)商極致細(xì)化目標(biāo)用戶，提供可以提升營(yíng)銷(xiāo)精準(zhǔn)化的新的視角，使各個(gè)經(jīng)銷(xiāo)商強(qiáng)化各自精準(zhǔn)營(yíng)銷(xiāo)的意識(shí)，制定更為精準(zhǔn)的營(yíng)銷(xiāo)方案;分析潛在用戶的大量數(shù)據(jù)信息，幫助各個(gè)汽車(chē)經(jīng)銷(xiāo)商了解用戶的潛在需求偏好、個(gè)性化追求等，確立目標(biāo)市場(chǎng)需要。讓企業(yè)的未來(lái)發(fā)展更能重視大數(shù)據(jù)提供的理論依據(jù)，幫助企業(yè)改善汽車(chē)行業(yè)在營(yíng)銷(xiāo)和服務(wù)行業(yè)發(fā)展中遇到的困境，促進(jìn)汽車(chē)行業(yè)的發(fā)展。

2 數(shù)據(jù)預(yù)處理及分析

本次研究數(shù)據(jù)來(lái)源于“國(guó)域無(wú)疆杯·大連第二屆大數(shù)據(jù)解決方案創(chuàng)新大賽”，數(shù)據(jù)包含用戶ID、用戶個(gè)人基本屬性以及消費(fèi)基本信息等?？紤]到原始數(shù)據(jù)中有大量缺失值，不能直接使用做數(shù)據(jù)分析，所以決定采用Python中的工具對(duì)數(shù)據(jù)先進(jìn)行預(yù)處理，然后再進(jìn)行可視化分析，本文預(yù)處理過(guò)程為：數(shù)據(jù)清洗、數(shù)據(jù)替換。

2.1 數(shù)據(jù)清洗

數(shù)據(jù)清洗是篩選清除缺失大的、重復(fù)、多余的數(shù)據(jù)，補(bǔ)充完整缺失的數(shù)據(jù)，將錯(cuò)誤的數(shù)據(jù)糾正或者刪除，最后整理成為我們可以進(jìn)一步加工、使用的數(shù)據(jù)。未經(jīng)過(guò)處理的原數(shù)據(jù)中，有大量用戶的消費(fèi)信息缺失過(guò)多，有部分屬性列80%以上為空值，為了不影響后續(xù)的數(shù)據(jù)分析操作，需先進(jìn)行數(shù)據(jù)清洗。

清洗過(guò)程大致分為：

1） 對(duì)缺失比例超過(guò)80%的特征屬性列進(jìn)行刪除;

2） 對(duì)沒(méi)有相關(guān)車(chē)輛信息的用戶數(shù)據(jù)進(jìn)行刪除;

3）將用戶的不具有代表性的特征屬性列進(jìn)行刪除;

4）對(duì)用戶信息缺失導(dǎo)致無(wú)法進(jìn)行數(shù)據(jù)分析的行進(jìn)行刪除。

2.2 數(shù)據(jù)替換

為了使數(shù)據(jù)變得更直觀、有效，且有利于后期的數(shù)據(jù)分析工作，通過(guò)了解用戶所購(gòu)買(mǎi)的車(chē)輛，了解汽車(chē)的等級(jí)情況，判斷用戶的消費(fèi)能力，提出有效的營(yíng)銷(xiāo)策略。利用Python中的Pandas庫(kù)的各種工具將‘報(bào)價(jià)這一屬性列中每個(gè)用戶的汽車(chē)報(bào)價(jià)區(qū)間進(jìn)行分箱操作，按照汽車(chē)等級(jí)劃分標(biāo)準(zhǔn)，將價(jià)格區(qū)間轉(zhuǎn)化為文字形式。汽車(chē)等級(jí)劃分標(biāo)準(zhǔn)如表1所示。

2.3 用戶基本屬性分析

2.3.1 用戶性別、年齡段分布概況

從數(shù)據(jù)上看，男性車(chē)主占整體車(chē)主約2/3，女性車(chē)主占整體車(chē)主約1/3，可以看出男性車(chē)主占主導(dǎo)地位，從而得出，有車(chē)一族男性居多。因此目前汽車(chē)銷(xiāo)售市場(chǎng)的主要購(gòu)買(mǎi)力為男性，商家可以男性作為重點(diǎn)銷(xiāo)售對(duì)象，女性作為潛在購(gòu)買(mǎi)力。且從年齡分布上看，車(chē)主年齡大致分布在25至45歲之間，其中30至40歲的車(chē)主占比最多，年齡在32至38歲的車(chē)主數(shù)量占大多數(shù)，并且男性車(chē)主和女性車(chē)主分布大致相同，且32歲之前的車(chē)主數(shù)量呈上升趨勢(shì)，38歲之后的車(chē)主數(shù)量越來(lái)越少呈下降趨勢(shì)，因此可以推斷，在銷(xiāo)售時(shí)期，可以將年齡縮小到25至38歲之間進(jìn)行準(zhǔn)確營(yíng)銷(xiāo)。

2.3.2 不同性別、汽車(chē)品牌分布

隨著汽車(chē)的普及，汽車(chē)文化的影響，汽車(chē)的性別特征逐漸顯著，對(duì)于男性女性消費(fèi)者，汽車(chē)品牌廠商應(yīng)有不同的營(yíng)銷(xiāo)側(cè)重點(diǎn)。于是分析了原數(shù)據(jù)中的男性和女性的品牌偏好，結(jié)果如圖1、圖2所示。

從原數(shù)據(jù)上看，男女對(duì)于不同的汽車(chē)品牌的喜好大致相同，其中大眾、日產(chǎn)、豐田、奧迪等汽車(chē)品牌最為受歡迎。但奔馳、寶馬（即德系汽車(chē)）相對(duì)男性車(chē)主而言更受女性車(chē)主的喜愛(ài)，可以看出女性選車(chē)時(shí)比較注重美觀，奔馳、寶馬的外觀設(shè)計(jì)非常符合女性的審美標(biāo)準(zhǔn)，且乘坐的時(shí)候舒適感很不錯(cuò)，內(nèi)飾給人以豪華的感覺(jué)。而相對(duì)女性車(chē)主更受男性車(chē)主青睞的是別克、福特汽車(chē)（即美系汽車(chē)），除了性能、安全系數(shù)高以外，外觀和內(nèi)飾同樣重要，別克的商務(wù)風(fēng)、福特的運(yùn)動(dòng)風(fēng)符合男性的取向。當(dāng)然“男女通吃”的是大眾品牌，不僅做工精細(xì)、高級(jí)、行駛質(zhì)感好，而且經(jīng)濟(jì)實(shí)惠。

簡(jiǎn)而言之，對(duì)于男性消費(fèi)者而言，品牌汽車(chē)的動(dòng)力、性能等重視更多;而女性消費(fèi)者偏好于易操控、外觀美、舒適性高的產(chǎn)品。但簡(jiǎn)而言之，用戶對(duì)于汽車(chē)系別并不是很看重，想要贏得市場(chǎng)，產(chǎn)品本身才是關(guān)鍵，無(wú)關(guān)性別。

2.3.3 不同年齡段、汽車(chē)品牌分布

在我國(guó)汽車(chē)行業(yè)占有主導(dǎo)地位的有三種車(chē)，德系車(chē)、日系車(chē)和國(guó)產(chǎn)車(chē)。年齡的不同對(duì)汽車(chē)的品味自然也不相同。

不同年齡段的汽車(chē)品牌偏好如圖3所示，從左到右、從上到下的年齡段分別是：18歲至24歲，25歲至31歲，32歲至38歲，39歲至45歲，46歲至52歲，53歲至59歲，59歲以上。

由圖3可知，18至25歲的年輕人將近一半都選擇豐田汽車(chē)，而豐田走的正是年輕化的路線，從外形設(shè)計(jì)到內(nèi)飾處理都做了很多的運(yùn)動(dòng)化和年輕化的處理，且品質(zhì)追求也逐漸上升，這也是他們贏得年輕消費(fèi)者信賴的資本。而25至45歲年齡段的取向基本一致，且主要購(gòu)買(mǎi)力為男性，分別為大眾、豐田、日產(chǎn)、別克。青壯年時(shí)期正是男性事業(yè)的起步、上升階段，對(duì)于汽車(chē)的需求量較大，多半選擇經(jīng)濟(jì)實(shí)用型。而在45歲以后，經(jīng)濟(jì)能力提高，資產(chǎn)豐厚，因此奔馳、奧迪等高檔車(chē)開(kāi)始成為眾多車(chē)主的首選。

2.3.4 不同性別、汽車(chē)等級(jí)分析

分析原數(shù)據(jù)，繪制了男性、女性的汽車(chē)等級(jí)劃分圖，分別如圖4和圖5所示。

由圖4和圖5對(duì)比可知，女性的汽車(chē)等級(jí)總體高于男性，中等偏上，且高檔和豪華高檔汽車(chē)的占比都多于男性，但男性中選擇奢侈豪華高檔的人數(shù)始終多于女性，女性在一定經(jīng)濟(jì)能力范圍內(nèi)更偏向于選擇偏高檔和豪華汽車(chē)，可以給女性推薦合適的高檔汽車(chē)。

2.3.5 不同年齡段、汽車(chē)等級(jí)分析

車(chē)主年齡段與汽車(chē)等級(jí)關(guān)系如圖6所示，從數(shù)據(jù)上看，在各種年齡段，駕駛35萬(wàn)汽車(chē)以下的人數(shù)在大部分，有一小部分汽車(chē)的價(jià)格在40萬(wàn)至60萬(wàn)之間，可以推斷大眾普遍能接受的汽車(chē)價(jià)格在15萬(wàn)至35萬(wàn)之內(nèi)，可以將營(yíng)銷(xiāo)重點(diǎn)放在小于35萬(wàn)之內(nèi)的汽車(chē)型號(hào)品牌中。

3 模型設(shè)計(jì)

為了給廠商提供更為精準(zhǔn)的營(yíng)銷(xiāo)策略，需要進(jìn)行特定的群體劃分，為了讓劃分后的群體特征更加鮮明，有必要建立模型來(lái)判斷特定群體劃分的標(biāo)準(zhǔn)。

3.1 模型算法與介紹

此處用到了機(jī)器學(xué)習(xí)中的監(jiān)督式學(xué)習(xí)，常見(jiàn)方法有：決策樹(shù)、樸素貝葉斯、SVM、線性回歸等等。不同的模型能適合不同的數(shù)據(jù)，準(zhǔn)確率越高的模型跟數(shù)據(jù)的匹配度也越高，數(shù)據(jù)分析效果就會(huì)更好。下面介紹常見(jiàn)的三種數(shù)據(jù)挖掘模型。

1） 決策樹(shù)：決策樹(shù)（Decision Tree）是一種在分類(lèi)、預(yù)測(cè)、規(guī)則提取等領(lǐng)域有著廣泛應(yīng)用的分類(lèi)算法。決策樹(shù)是一種葉子節(jié)點(diǎn)互相一一對(duì)應(yīng)著分類(lèi)，在某個(gè)屬性上的劃分對(duì)應(yīng)著非葉子節(jié)點(diǎn)，若想將其劃分成若干個(gè)子集就要根據(jù)樣本在該屬性上的不同取值來(lái)操作的樹(shù)狀結(jié)構(gòu)。在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)來(lái)求取凈現(xiàn)值的期望值大于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)。

2） 隨機(jī)森林：隨機(jī)森林（Random Forest，簡(jiǎn)稱RF）被譽(yù)為“優(yōu)秀集成學(xué)習(xí)技術(shù)水平的方法”，是在以決策樹(shù)為基學(xué)習(xí)器構(gòu)建Bagging集成的基礎(chǔ)上，進(jìn)一步在決策樹(shù)的訓(xùn)練過(guò)程中引入了屬性隨機(jī)選擇的方法。不同于決策樹(shù)，隨機(jī)森林只需考察一個(gè)屬性子集即可。隨機(jī)森林的功能強(qiáng)大，不僅簡(jiǎn)單且容易實(shí)現(xiàn)，計(jì)算開(kāi)銷(xiāo)也比較小[2-3]。

3） SVM：支持向量機(jī)（Support Vector Machine）模型，是由模式識(shí)別中廣義肖像算法發(fā)展而來(lái)的分類(lèi)器，它擁有許多特性，例如在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)良好，并能夠推廣應(yīng)用到其他機(jī)器學(xué)習(xí)問(wèn)題中，如函數(shù)擬合等。由簡(jiǎn)至繁SVM可分為三大類(lèi)：線性可分得線性SVM、線性不可分的線性SVM、非線性SVM。SVM在各領(lǐng)域的模式識(shí)別問(wèn)題中有廣泛應(yīng)用，包括人像識(shí)別、文本分類(lèi)、筆跡識(shí)別、生物信息學(xué)等[4-5]。

3.2 模型效果對(duì)比

通過(guò)原數(shù)據(jù)得知，用戶劃分的兩大標(biāo)準(zhǔn)可以分為年齡段與性別，所以使用六種分類(lèi)模型對(duì)車(chē)輛基本信息和部分用戶消費(fèi)信息進(jìn)行測(cè)試。訓(xùn)練模型：將數(shù)據(jù)以6：2：2比例分為訓(xùn)練集、驗(yàn)證集、測(cè)試集。采用分類(lèi)算法，分別取年齡段、性別作為標(biāo)簽，其他部分屬性列提取為特征，通過(guò)測(cè)試集得到的數(shù)據(jù)結(jié)果評(píng)估模型在訓(xùn)練數(shù)據(jù)上的性能表現(xiàn)，每個(gè)模型經(jīng)過(guò)五次隨機(jī)測(cè)試得平均值后結(jié)果分別如表2、表3所示。

表3的測(cè)試結(jié)果與表2相比準(zhǔn)確度較高，但由于數(shù)據(jù)集中可用數(shù)據(jù)較少，模型訓(xùn)練效果不佳。將性別作為標(biāo)簽的情況下，SVM支持向量機(jī)模型在六種模型中表現(xiàn)效果最好，所以后續(xù)將采用性別作為劃分用戶畫(huà)像人群的標(biāo)準(zhǔn)。

4 汽車(chē)精準(zhǔn)營(yíng)銷(xiāo)策略

4.1 根據(jù)不同的用戶人群消費(fèi)信息精準(zhǔn)推薦

生活中男女的消費(fèi)水準(zhǔn)和消費(fèi)偏好均有所不同，以性別作為劃分用戶人群的標(biāo)準(zhǔn)，制作了男性和女性用戶的詞云圖。詞云圖繪制過(guò)程主要是選取了原數(shù)據(jù)當(dāng)中的用戶消費(fèi)信息，并做了效果直觀文本化處理，生成結(jié)果如圖7和圖8所示。

結(jié)合圖7和圖8可知，男性和女性車(chē)主大多是80后、90后。男性車(chē)主的日常消費(fèi)在學(xué)生繳費(fèi)、大型家電、購(gòu)買(mǎi)汽油、餐飲、教育、買(mǎi)保險(xiǎn)等，而女性車(chē)主的日常消費(fèi)在房地產(chǎn)、旅游、逛百貨商店、醫(yī)院看病等。廠商可根據(jù)用戶的消費(fèi)信息來(lái)判斷用戶的消費(fèi)水平及消費(fèi)場(chǎng)所進(jìn)行精準(zhǔn)廣告投放，例如根據(jù)之前分析的重點(diǎn)用戶和潛在用戶的偏好，在較多重點(diǎn)用戶常去的商場(chǎng)舉辦相應(yīng)汽車(chē)品牌、相應(yīng)車(chē)型展覽會(huì)。針對(duì)喜愛(ài)旅游的車(chē)主，如果酷愛(ài)自駕游，可以根據(jù)汽車(chē)性能，例如耗油量、越野性能、排氣量、扭矩等指標(biāo)推薦適合的車(chē)型。

4.2 根據(jù)車(chē)主個(gè)性化偏好推送相關(guān)信息

充分了解用戶的基本信息后，可以根據(jù)車(chē)主的偏好推送相關(guān)信息，例如汽車(chē)品牌、車(chē)型、報(bào)價(jià)等。從原數(shù)據(jù)中看出，車(chē)主男性女性的比例正在逐年接近，汽車(chē)廠商應(yīng)給予同樣的重視，按照男女不同偏好來(lái)進(jìn)行精準(zhǔn)推送。

1）汽車(chē)品牌方面：男性偏好大眾、日產(chǎn)、豐田、別克、福特等品牌;女性更取向于奔馳、寶馬、奧迪、雷克薩斯、路虎等品牌。

2）汽車(chē)報(bào)價(jià)方面：結(jié)合車(chē)主的消費(fèi)能力和接受價(jià)格，大多數(shù)人能接受的價(jià)格在30萬(wàn)以內(nèi)，從單筆消費(fèi)最大值在50萬(wàn)以內(nèi)的用戶能接受的汽車(chē)價(jià)格也在50萬(wàn)以內(nèi)，根據(jù)能接受的消費(fèi)最大值推薦在此價(jià)格范圍內(nèi)的汽車(chē)，可以將營(yíng)銷(xiāo)的重點(diǎn)放在30萬(wàn)之內(nèi)的汽車(chē)品牌和型號(hào)中。

4.3 根據(jù)年齡段、使用年限確定潛在客戶

1）車(chē)主年齡段分布方面：在中國(guó)經(jīng)濟(jì)高速發(fā)展的今天，新青年已經(jīng)成為未來(lái)購(gòu)車(chē)的主力軍，消費(fèi)者主要集中在30歲以下。隨著消費(fèi)者年齡的增長(zhǎng)，潛在消費(fèi)者年齡段已經(jīng)降到30歲以下，潛在消費(fèi)者的比例正持續(xù)不斷下降，和已經(jīng)購(gòu)車(chē)的30至49 歲年齡段相比，購(gòu)車(chē)一族的趨勢(shì)逐漸年輕化，并且十分明顯。在原數(shù)據(jù)中，年齡在32至38歲之間的男性車(chē)主數(shù)量占大多數(shù)，而在駕駛2008年之后出廠汽車(chē)的車(chē)主分布在32歲之前的呈急速上升趨勢(shì)。

2）汽車(chē)使用年限方面：汽車(chē)使用期限通常分為技術(shù)使用期限、經(jīng)濟(jì)使用期限和合理使用期限。汽車(chē)在正常使用的過(guò)程中，其性能就隨著使用年限的增加而有所下降，當(dāng)使用到一定期限以后，就要做報(bào)廢處理。技術(shù)使用期限受汽車(chē)制造質(zhì)量、運(yùn)行條件和保修方式等因素影響，而汽車(chē)經(jīng)濟(jì)使用期限涉及的因素很多，除汽車(chē)制造質(zhì)量和使用技術(shù)外，與經(jīng)營(yíng)管理方面等因素也有密切關(guān)系。合理使用期限是以經(jīng)濟(jì)使用期限為基礎(chǔ)，并根據(jù)本國(guó)的汽車(chē)運(yùn)輸政策、汽車(chē)工業(yè)技術(shù)的發(fā)展和燃料的供應(yīng)情況等因素綜合確定的使用期限[6]。一般的車(chē)型大多數(shù)人在10年左右就會(huì)更換新車(chē)，從原數(shù)據(jù)看，雖然駕駛2009年以后出廠汽車(chē)的車(chē)主占大多數(shù)，但2008年前出廠的汽車(chē)仍有一部分車(chē)主在使用。

可以針對(duì)汽車(chē)購(gòu)買(mǎi)年份為2008年前的車(chē)主和年齡段在25至45歲之間的車(chē)主作為重點(diǎn)潛在跟進(jìn)客戶，進(jìn)行適當(dāng)汽車(chē)推薦。

5 結(jié)論

本次研究探究了大數(shù)據(jù)對(duì)汽車(chē)經(jīng)銷(xiāo)商精準(zhǔn)營(yíng)銷(xiāo)的影響問(wèn)題。利用得到的數(shù)據(jù)分析用戶的基本屬性信息，深入了解用戶的特點(diǎn)與共性，發(fā)掘他們的真實(shí)需求與心理。利用大數(shù)據(jù)時(shí)代信息收集便利的優(yōu)勢(shì)，發(fā)展數(shù)據(jù)分析技術(shù)，使客戶需求響應(yīng)能力快速提升。汽車(chē)市場(chǎng)瞬息萬(wàn)變，汽車(chē)營(yíng)銷(xiāo)模式的探究仍在不斷進(jìn)行中[7]，同時(shí)也更加了解到機(jī)器學(xué)習(xí)在人工智能大數(shù)據(jù)時(shí)代下的潛在力量[8]。只有抓住市場(chǎng)人群的消費(fèi)心理，滿足消費(fèi)者多樣化及個(gè)性化需求，才能使我國(guó)汽車(chē)行業(yè)獲得更廣闊的發(fā)展空間。

參考文獻(xiàn)：

[1] 時(shí)迎健. 大數(shù)據(jù)對(duì)汽車(chē)經(jīng)銷(xiāo)商精準(zhǔn)營(yíng)銷(xiāo)影響研究[D].東北石油大學(xué)，2018.

[2] 劉龍飛. 基于卷積神經(jīng)網(wǎng)絡(luò)的在線商品評(píng)論情感傾向性研究[D].大連理工大學(xué)，2016.

[3] 周志華.機(jī)器學(xué)習(xí)[M].清華大學(xué)出版社，2016.

[4] 李道成. 集成支持向量機(jī)在民營(yíng)信用債中的應(yīng)用[D].山東大學(xué)，2019.

[5] 周永章.地球科學(xué)大數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)[M].中山大學(xué)出版社，2018.

[6] 戚金鳳.汽車(chē)維護(hù)保養(yǎng)[J].科技創(chuàng)新導(dǎo)報(bào)，2013（14）：16-17.

[7] 劉杰.汽車(chē)4S店的市場(chǎng)營(yíng)銷(xiāo)策略研究[J].內(nèi)蒙古教育（職教版），2013（7）：72.

[8] Viktor Mayer-Sch?nberger.Big Data： A Revolution That Will Transform How We Live， Work，and Think[M].John Murray，2013.

【通聯(lián)編輯：王力】