电动汽车目标客户销售策略研究

摘要

本文针对新时代的电动汽车的性能影响、影响目标客户购买汽车的因素以及销售策略等问题，展开深入研究，通过层次分析法、决策树、皮尔逊 person 相关性、BP神经网络等方法，使用 MATLAB、python、SPSS、EXCEL等软件编程进行处理，得出了题目中企业所需求的清洗后的客户数据；建立了目标客户购买意愿的预测模型；分析了影响客户购买的因素等。最终结合研究成果给出了销售部门提高销量的建议。

针对问题一，首先对附件一中数据进行预处理，先剔除不符合实际的极值数据，再通过建立箱型图，剔除不满足范围区间的数据。通过决策树模型对缺失数据进行预测填充，填充更改后的数据作为清洗后数据。利用SPSS24.0对清洗后数据做描述性统计。通过 MATLAB 计算出各个汽车指标的权重，取清洗后各个汽车品牌客户的所有电动汽车影响因素指标的平均值，建立层次分析模型，得出了客户对合资品牌的满意度为78.0887；对自主品牌满意度为77.7654；对新势力品牌满意度为77.0078的综合评价。

针对问题二，通过数据处理得出不同客户自身影响因素与购买意愿的关系，使用 SPSS24.0计算不同因素与购买情况之间的相关性，得出个人因素中与购买意愿相关性较强的点。再结合问题一电动汽车因素的权重，得出来对不同品牌电动汽车的影响因素有电池性能（a1）、经济性（a3）、城市居住龄（B2）、居住区域(B3)、单位(B11)、职务(B12)、家庭年收入(B13)、个人年收入(B14)、家庭可支配收入(B15)、房贷占比(B16)、车贷占比(B17)。

针对问题三，预测类问题，首先对附件三中的数据进行预处理，我们利用 BP 神经网络对清洗后的数据进行预测，将各个品牌汽车的数据作为模型的输入层，电动汽车的预测购买情况作为输出层。将预测结果与实际结果拟合分析，与实际情况相差较大，而且每次预测的很不稳定。考虑 BP 神经网络存在局部极小化的欠缺，我们采用了粒子群算法对模型进行优化。经过优化后的模型，预测的数据拟合程度在80%以上，而且数据十分接近真实情况。在经过灵敏度分析后发现，粒子群优化后模型稳定性高，受输入层变化的影响很小。最后得出了附件三目标客户的预测购买情况010110100111000（1表示购买，0表示未购买）。

针对问题四，选择未购买的客户实施新的销售策略，为了使效益最大化，我们先对未购买的目标客户进行筛选，从各个影响因素出发，挑选出最有可能购买的三名客户，分别为1号客户、6号客户、14号客户；将客户数据带入问题三的模型中，并重新建立关系，在服务难度提高不超过5%的情况下，实施最有针对性和可能性的销售方案。

针对问题五，销售方案的确立，可根据问题一和问题四的研究结果，给出针对性的改进方案，可以根据问题三的模型对客户进行预测，最终给出销售部门的相关建议。

关键词：决策树 层次分析法 BP神经网络 粒子群优化 皮尔逊person相关性

一、问题重述

1.1 背景分析

随着我国经济的发展，汽车产业已经成为国民经济的象征，在面临环境资源等问题的同时，新能源汽车的需求也日益增长。国家鼓励与发展新能源汽车，市场前景广阔。但是电动汽车的产生，面临着一些技术问题，消费者在选择市场的同时，也保留了对电动汽车部分功能的疑虑。因此，为打开新的汽车市场，我们对不同的多元影响因素进行分析，选择合理的销售政策，提升客户的满意度。

1.2 问题重述

问题一：对附件一做数据清洗工作，挑选出异常值和缺失数据，并对其进行处理。对数据进行描述性统计分析，比较目标客户对于不同品牌汽车满意程度。

问题二： 目标客户在选择是否购买电动汽车的考量因素有很多，其中包括电动汽车的自身因素，也包括客户的个人生活隐私等因素。目标客户在电动汽车的体验活动中，部分客户比较满意，选择购买了电动汽车（1表示购买，0表示没有购买）。结合以上信息，给出可能会影响电动汽车销量的因素。

问题三：根据前面所得的成果，建立不同品牌电动汽车的客户挖掘模型，并对模型的效果进行评价。通过建立的模型判断附件3中15名目标客户是否可能购买电动汽车。

问题四：销售部门认为，目标客户在汽车体验时的满意度十分关键，营销者如果加大服务力度，有可能在短时间内提高a1-a8五个百分点的满意度，服务难度与提高的满意度百分点之间存在正比关系，即提高体验满意度5%的服务难度是提高体验满意度1%服务难度的5倍。基于这一思路和之前的研究结果，请从附件3中每个品牌中选择一名未购买电动车的目标客户来实施销售策略。

问题五：基于前面的研究成果，给相关销售部门提出不多于500字的销售策略建议。

二、问题分析

2.1 对于问题一的分析

问题一要求对数据做清洗工作，并对数据做描述性统计。由于数据中存在部分缺失和异常，首先要对数据进行预处理，将各个异常的百分点剔除，避免对数据的干扰。数据中的B7列存在数据缺失，可以先筛选出剔除异常值的数据，再对缺失数值进行预测补充，统计更改后的清洗数据，然后对数据做描述性统计分析，并通过比较目标客户对于不同品牌汽车满意度，给出评价。

2.2 对于问题二的分析

问题二要求给出影响不同品牌电动汽车销售的因素，根据所给数据对清洗后数据的客户个人等因素进行分析。首先本题要对所给数据进行筛选处理，依次按购买意愿进行划分。之后将处理好的数据通过 SPSS 软件进行相关性分析，并寻找相关性系数较强的因素，该处数值所对应的就是可能影响不同品牌电动汽车销售的因素。

2.3 对于问题三的分析

对附件一的数据进行处理整理出购买电动汽车的数据，利用其中的部分数据对购买情况进行预测，用相对应的真实数据与预测数据进行拟合分析，对模型进行评价准确性。如果拟合程度过低对模型进行优化，提高其预测的准确性以及稳定性。在确定模型后通过改变初始输入值得大小，预测出最佳结果，对整体模型进行灵敏度分析，观察模型是否会因为变量微小变化导致整体预测情况不稳定。

2.4 对于问题四的分析

问题四要在各个品牌中挑选出一名没有购买电动汽车的目标客户，实施新的销售策略。问题三给出了附件三客户的购买情况。为了提升经济效益，我们需要从客户个人因素、电动汽车因素和各个因素的权重出发，在使客户满意度提高，但服务难度尽可能低的情况下，选择最有可能在实施销售策略后可能购买的目标客户，从而提高电动汽车销量。

2.5 对于问题五的分析

根据前面模型的研究结论，对销售部门在影响因素、车型和服务程度等方面提出相关建议，使电动汽车销售公司能够效益最大化。

全部论文请见下方企鹅号：