1、数据挖掘应用场景概览,数据挖掘应用详述,- 诊断/故障分析- 保养前后油耗变化分析- 车况与保险分析- 配件质量分析- 驾驶习惯与车况分析- 天气与车况分析,- 驾驶习惯与车况分析,- 用户喜好POI- 用户喜好路线- 密集度分析- 用户喜好活动区域- 用户活动规律分析- 用户用车规律分析,- 维修保养点满意度分析- ECall救援及时率分析- 天气与事故发生概率分析- 天气与道路救援质量分析- 健康状况与救援及时率分析- 道路救援及时率分析,- 里程与故障风险评估- 车况与油耗关系分析- 天气与车况分析- 驾驶习惯与车况分析- 配件更换频率分析,- 被盗车辆移动轨迹分析,数据挖掘应用详述,-
2、更换新车用户分析,-里程与故障风险评估-故障与配件更换概率分析-配件更换频率分析-车况与油耗关系分析-保养前后油耗变化分析,-里程与故障风险评估-车况与油耗关系分析-天气与车况分析-驾驶习惯与车况分析-配件更换频率分析-故障与配件更换概率分析,数据挖掘应用详述,-诊断故障分析-故障与配件更换概率分析-车辆颜色与事故关系,-配件更换频率分析-配件质量分析,续购品牌分析,数据挖掘应用详述,- 密集度分析- 用户活动规律分析- 车况与油耗关系分析- 用户用车规律分析- 用户喜好POI- 用户喜好活动区域,-更换新车用户分析- 用户用车规律分析,- 车况与保险评估- ECall救援及时率分析- 驾驶习
3、惯与车况分析- 天气与道路救援质量分析- 保养前后油耗变化- 天气与事故发生概率分析- 天气与道路救援质量分析- 道路救援及时率分析- 天气与车况分析- 健康状况与救援及时率分析- 维修保养点满意度分析,- 续购品牌分析,-里程与故障风险评估-车辆颜色与事故关系分析,- 用户活动规律分析- 用户用车规律- 用户喜好POI- 用户喜好活动区域,- 被盗车辆移动轨迹分析,数据挖掘场景 描述 -之 诊断/故障分析,了解车况,场景描述通过挖掘诊断/故障数据，发现车辆故障发生的规律。进而分析出故障高发的情况，如:车况评分为X/车辆行驶里程数到X时 等。云端在用户车辆故障高发情况发生前，会提前告知用户故障
4、预警，也可以告知用户避免故障的驾驶建议等。挖掘价值对用户行为的影响：用户可以预知车辆事故的发生，他可以规避车辆故障对他生活造成的影响降到可控的范围。如：用户可以预知故障时，提前到4S店做维修，来避免故障。如：用户可以预知故障时，用户按照驾驶建议驾驶，推迟故障发生。,数据挖掘场景 描述 -之保养前后油耗变化分析,了解车况,场景描述通过挖掘保养前后油耗数据，发现车辆保养对油耗的影响。如：挖掘历史数据，发现保养后车辆在一段时间内的油耗降低的规律。如：发现用户近半年保养后油耗没有变化或者升高。挖掘价值对用户行为的影响：场景A：发现车辆保养后油耗一段时间内下降，进而增强用户保养意识。场景B：发现用户近半
5、年保养后油耗没有变化或者升高，用户可以监督4S店的保养维修质量。,数据挖掘场景 描述 -之车况与保险分析,了解车况,场景描述通过挖掘车况与保险数据，发现车况与保险额的关系。用户可以根据自己的车况来选择更适合用户的车险，既可以使用户的的爱车可以很好的得到保护，还可以使用户降低保险额度。挖掘价值对用户行为的影响：场景A：用户根据车况与保险的关系，选择适合自己的保险项目。节省用户保险支出，或者在支出不变时，可以选择更能保障其爱车的保险项目。场景B：用户根据车况与保险的关系，增强对爱车的保护意识，使其车辆的车况不断提升。,数据挖掘场景 描述 -之配件质量分析,了解车况,场景描述通过挖掘车辆主要配件更换
6、和维修数据，发现车辆配件质量。挖掘价值对用户行为的影响：场景A：用户可以了解到车辆配件的质量，进而更加清楚车辆配件更换的情况。场景B：在维修保养时，用户可以更合理的选购更换的配件，并且对更换的配件的质量有数据认知。场景C：用户可以对更换后的配件的质量进行持续关注,数据挖掘场景 描述 -之驾驶习惯与车况分析,了解车况改进用车习惯,场景描述通过挖掘驾驶习惯于车况数据，发现驾驶习惯对车况的影响。如：用户急加速、急减速习惯对于车况的影响。挖掘价值对用户行为的影响：场景A：用户了解到急加速、急减速对车况的有不利影响影响，用户在驾驶时，有意识的矫正该习惯。场景B：分析结果中包含，哪些驾驶习惯有利于车况，用
7、户在驾驶时，有意识的调整为有利于车况的驾驶习惯。,数据挖掘场景 描述 -之天气与车况分析,了解车况车况影响因素,场景描述通过挖掘天气与车况数据，发现不同天气状况对车况的影响。挖掘价值对用户行为的影响：场景A：用户根据天气对车况的影响，了解到天气对汽车部件的影响，可以提前预知故障发生的概率及故障发生的影响。使用户可以规避天气对出行的影响。,场景描述挖掘价值对用户行为的影响：场景A：通过分析分析用户喜好POI和密集度数据，在用户POI搜索时，可以更加快速的找到用户的目标POI位置，并可以为用户避开人群密集度高的场所，增加用户使用粘度。场景B：通过分析用户喜好路线和密集度数据，可以为用户规划更符合其
8、意图的行驶路线，并可以避开拥堵路线。场景C：通过分析用户喜好活动区域和用户活动规律，可以顺应用户的活动规律，并向用户推送喜好活动区域的打折或者优惠活动，使用户可以便捷的生活和工作。场景D：通过分析用户用车规律和用户活动规律，挖掘到用户的身份属性，使能够更加贴心的为用户提供服务，使用户线下的生活可以更加便捷。,数据挖掘场景 描述,宣传T服务质量,场景描述挖掘价值对用户行为的影响：场景A：通过分析维修保养点满意度数据，可以为用户选择优质保养点提供可信的参考。场景B：通过分析道路救援及时率及E Call救援及时率数据，可以促进并提升道路救援机构/E Call救援的服务质量。使用户在故障时/E Cal
9、l发生时可以更及时的享受到救援服务。场景C：通过分析健康状况与道路救援及时率数据，可以促进用户向后台提供尽量详细的病历信息，使救援机构升级对用户救援的级别。使其能够更及时的得到救援。场景D：通过分析天气与事故发生概率、天气与导率救援质量数据，提醒用户在不同天气应当小心驾驶，潜移默化影响用户的驾驶习惯。,数据挖掘场景 描述 -之天气与车况分析,车况影响因素,场景描述通过挖掘天气与车况数据，发现不同天气状况对车况的影响。挖掘价值对用户行为的影响：场景A：用户根据天气对车况的影响，了解到天气对汽车部件的影响，可以提前预知故障发生的概率及故障发生的影响。使用户可以规避天气对出行的影响。场景B：用户根据
10、天气对车况的影响，用户查看天气预报得知明/后天天气，得知后天有雨，用户查看自己的行程计划，得知后天有重要事项，用户查看车况，发现车量状况不佳，用户选择在今天去保养或维修车辆，重要事项没有因车况不佳而被影响。,数据挖掘场景 描述 -之里程与故障风险评估,车况影响因素,场景描述通过挖掘里程与故障数据，发现车辆行驶里程数与故障发生的概率。挖掘价值对用户行为的影响：场景A：提示用户行驶里程数与故障发生的概率，用户接收到提醒，在边界值时，到4S店检修车辆，发现车辆某固件将损坏。避免了行程中车辆抛锚。,数据挖掘场景 描述 -之驾驶习惯与车况分析,车况影响因素,场景描述通过挖掘驾驶习惯与车况数据，发现驾驶习
11、惯对车况的影响。如：用户急加速、急减速习惯对于车况的影响。挖掘价值对用户行为的影响：场景A：用户了解到急加速、急减速对车况的有不利影响影响，用户在驾驶时，有意识的矫正该习惯。场景B：分析结果中包含，哪些驾驶习惯有利于车况，用户在驾驶时，有意识的调整为有利于车况的驾驶习惯。,数据挖掘场景 描述 -之车况与油耗关系分析,车况影响因素,场景描述通过挖掘车况与友好数据，发现车况与油耗的关系。挖掘价值对用户行为的影响：场景A：用户了解到车况良好时，油耗会降低。引导用户保持良好的车况。使用户更加注重车况的保养。场景B：用户了解到车况不良时，油耗会升高。用户根据当前的油量来估算车辆是否需要补充燃料。避免行程
12、中急促寻找加油站的尴尬。场景C：用户了解到车况良好时，油耗会降低。用户了解到，保持良好车况，可以节约车辆油料损耗，进而节省车辆消耗的资金。,数据挖掘场景 描述 -之配件更换频率分析,车况影响因素,场景描述通过挖掘车辆主要配件更换和维修数据，发现车辆配件质量。挖掘价值对用户行为的影响：场景A：用户可以了解到车辆配件的质量，进而更加清楚车辆配件更换的情况。场景B：在维修保养时，用户可以更合理的选购更换的配件，并且对更换的配件的质量有数据认知。场景C：用户可以对更换后的配件的质量进行持续关注,数据挖掘场景 描述 -之故障与配件更换概率分析,车况影响因素,场景描述通过挖掘车辆主要配件更换和维修数据，发
13、现车辆故障时，某种配件的更换概率。挖掘价值对用户行为的影响：场景A：用户可以了解发生某种故障时，更换某些配件的更换概率。进而更加了解故障发生的原因。潜移默化影响用户对某些配件的维修。场景B：用户可以了解发生某种故障时，更换某些配件的更换概率，用户可以估算出故障维修费用的大概支出，使其可以更加合理的调配资金。场景C：用户可以了解发生某种故障时，更换某些配件的更换概率，使用户可以正向的促进维修保养机构的维修保养质量。,数据挖掘场景 描述 -之被盗车辆移动轨迹分析,其他,场景描述通过盗车移动轨迹数据，分析被盗车辆的移动轨迹。挖掘价值对用户行为的影响：场景A：帮助用户找回丢失的车辆场景B：分析被盗车辆
14、的轨迹，汇总移动轨迹规律，帮助警方破获盗车窝点。,数据挖掘场景 描述,场景描述挖掘价值对用户行为的影响：场景A：按照批次/时间分析故障数据，发现某批次批量发生故障，进而分析故障发生原因。进而商定故障解决方案。场景B：按照批次或者时间分析故障与更换概率，进而分析车辆配件质量，并确定新批次生产时，是否更换或者提升配件质量等。场景C：通过分析车辆与故障数据，分析车辆颜色与故障发生的关系，来决定新车辆的生产时，减少已发生故障的颜色的车辆。场景D：通过综合分析左图中的数据，挖掘出已生产的车辆的故障或者事故相关的车辆配件质量或者车辆故障，以指导新车辆生产，已减少新车辆相关故障的发生。,数据挖掘场景 描述
15、-之续购品牌分析,场景描述挖掘价值对用户行为的影响：场景A：通过挖掘获取到客户新购车辆的品牌，来获取到竞争品牌，通过分析竞品的配置，来设计针对竞品的产品设计方案，以增加自主生产品牌的差异化竞争。提升自主生产品牌的市场份额。,数据挖掘场景 描述,场景描述挖掘价值对用户行为的影响：场景A：按照批次/时间分析配件质量数据，发现某批次批量配件质量引起的故障或者事故，并确定新批次生产时，是否更换或者提升配件质量等。场景B：按照批次或者时间分析配件更换频率，进而分析车辆配件质量，并确定新批次生产时，是否更换或者提升配件质量等。场景C：通过分析不同生产批次的配件的质量数据，车场来决定新车辆要使用的配件，进而
16、提升车辆质量。提升用户对品牌的忠实度。,数据挖掘场景 描述 -之更换新车用户分析,场景描述通过挖掘用户用车时间及用户用车规律数据，发掘出有换新车用户列表，并分析用户身份属性，并将用户分类，挖掘出用户的喜好，制定针对性的营销方案。挖掘价值对4S经销商行为的影响：场景A：发掘用户需求，并根据用户身份分类的信息，将用户归类到合适的营销群体中。4S呼叫中心客服，回访客户，为客户推荐针对该群体的车款车型的介绍。获取销售机会。场景B：发掘用户数据，发现潜在用户，并将用户分类，获取到本品牌并没有合适该用户的车型，4S店可将需求上报给对应的车厂。作为为车厂制定下一季的设计或生产车辆的参考。,数据挖掘场景 描述
17、 -之维修保养前,场景描述通过挖掘里程与故障数据，发掘出里程与故障类型的关系，通过发掘故障与配件更换的数据，挖掘出某故障时，配件更换的可能性。挖掘价值对4S经销商行为的影响：场景A：4S店将里程与故障风险的关系最为故障原因分析的参考，很快的找到故障发生的原因。场景B：4S店将里程与故障风险的关系和故障与配件更换概率作为维修保养前，故障排除的指导，发现故障原因。快速提升了故障检修效率。,数据挖掘场景 描述 -之维修保养后，质量追踪,场景描述挖掘价值对4S经销商行为的影响：场景A：分析配件更换频率，进而分析车辆配件质量，并确定新配件更换时，提醒用户配件质量，并与其确认是否更换更还质量的配件质量等。
18、场景B：跟踪维系保养后的车辆的车况与油耗数据，跟踪车况变换，在车辆故障前提醒用户场景C：跟踪维系保养前后油耗数据，确认车辆维修是否完成。或者故障分析结果是否正确。提升维修保养得质量,数据挖掘场景 描述,场景描述挖掘价值对用户行为的影响：场景A：通过竞品间的深入的数据对比分析，发现自有产品的优势，并将其作为营销的亮点。提升产品特性方面的数字依据。场景B：通过竞品间升入的数字对比分析，发现竞品的优势，并将该优势报告给车厂，为车厂设计生产新产品作为优化的参考指标。,数据挖掘场景 描述,场景描述挖掘价值对TSP的影响：场景A：分析密集度、用户活动规律、用户喜好活动区域、用户喜好POI数据，挖掘出用户出
19、行规律及喜好区域。分析用户活动目的，为用户精准的提供行车路线及信息服务。如：今天周六，按照用户活动规律，今天用户要去XX餐厅用餐，导航会自动将到某餐厅的路线设置为用户默认的行车路线。场景B：分析用户用车规律、车况与油耗关系数据，云端分析用户当前油量和油耗情况，判断用户是否需要补充油料，如果需要，在导航规划行车路线时，优先展示路线沿路有加油站的路线。场景C：分析密集度数据和用户喜好区域数据，在用户出行时，优先提示规避密集度高的路线或者区域。,数据挖掘场景 描述,场景描述通过挖掘用户身份数据，确定用户身份并为其提供更精准的服务。挖掘价值对TSP的影响：场景A：分析用户身份属性数据，定位用户类型，为
20、4S经销商提供精准的用户定位。提高经销商的销售机会。场景B：分析用户身份属性数据，定位用户类型，分析用户用车规律数据，为用户提供精准的出行路线及出行相关打车或者消费信息的推送。,数据挖掘场景 描述,场景描述挖掘价值对TSP的影响：场景A：通过分析维修保养点满意度数据，可以为用户选择优质保养点提供可信的参考。场景B：通过分析道路救援及时率及E Call救援及时率数据，可以促进并提升道路救援机构/E Call救援的服务质量。使用户在故障时/E Call发生时可以更及时的享受到救援服务。场景C：通过分析健康状况与道路救援及时率数据，可以促进用户向后台提供尽量详细的病历信息，使救援机构升级对用户救援的
21、级别。使其能够更及时的得到救援。场景D：通过分析天气与事故发生概率、天气与导率救援质量数据，提醒用户在不同天气应当小心驾驶，潜移默化影响用户的驾驶习惯。,数据挖掘场景 描述,场景描述挖掘价值对用户行为的影响：场景A：通过竞品间的深入的数据对比分析，发现自有产品的优势，并将其作为营销的亮点。提升产品特性方面的数字依据。场景B：通过竞品间升入的数字对比分析，发现竞品的优势，为T服务业务设计和新产品优化的参考指标。,数据挖掘场景 描述,场景描述通过挖掘里程与故障数据，发现车辆行驶里程数与故障发生的概率。挖掘价值对TSP的影响：场景A：提示用户行驶里程数与故障发生的概率，用户接收到提醒，在边界值时，到
22、4S店检修车辆，发现车辆某固件将损坏。避免了行程中车辆抛锚。场景B：T云端分析车辆故障预警数据， 在用户故障临界浮动区域，下发提醒给用户，避免因故障而影响的出行计划。,数据挖掘场景 描述,场景描述通过分析用户活动规律数据，T云端可以为用户密集的区域，与线下的服务供应商谈合作。T平台接入线下服务的入口，为O2O提供流量。挖掘价值对TSP的影响：场景A：通过挖掘用户活动规律数据，挖掘用户密集区域，用户提供密集区域的线下服务的打折或者服务质量评价信息，引导用户到线下服务商处消费。,数据挖掘场景 描述 -之被盗车辆移动轨迹分析,场景描述通过盗车移动轨迹数据，分析被盗车辆的移动轨迹。挖掘价值对用户行为的影响：场景A：帮助用户找回丢失的车辆场景B：分析被盗车辆的轨迹，汇总移动轨迹规律，帮助警方破获盗车窝点。,挖掘依赖数据Matrix,Sample,挖掘依赖数据Matrix,Sample,挖掘依赖数据Matrix,Sample,挖掘依赖数据现状,
