當一個用戶走進4S店的時候，如何快速與用戶進行溝通，讓用戶覺得店內的顧問專業性強，從而快速取得用戶信任，同時讓用戶覺得與自己有“共同語言”，再向顧客精準介紹車型，價位，品牌，金融方案，后續服務等，從而促成用戶最終下單轉化，這是4S現場關鍵。

但是誰可以知道并分析出潛在用戶購買決策周期過程中，買車的決策因素有哪些？各個決策因素的權重？例如：某位用戶購車主要考慮：價格，品牌，金融方 案，他或者她的決策過程中：首先決定價格，其次考慮品牌，再考慮金融方案。專業性的汽車網站是“不二人選”，在購買之前95%以上的用戶會在網上，特別是 專業、權威的汽車網站、論壇等先進行調研，搜集相關信息。

據悉太平洋網絡每天有近3000萬人到訪網站，通過旗下的六大垂直網站，積累了潛在汽車用戶和資深車友的各種數息，例如：瀏覽行為、論壇發貼、咨 詢、客服等數據。每天網站用戶產生的數據量達500G，通過數十年的數據沉淀，累計深沉了1500T的海量數據。公司特別建立了30人的大數據團隊，有 85%以上是碩士和博士的學歷。大數據團隊在嚴格保密用戶隱私情況下，利用大數據技術（如圖一）所示，通過支持向量機、神經網絡、灰度預測、貝葉斯等機器 學習和數據挖掘方法，進行對用戶海量數據進行精準分析，通過大數據精準分析，例如：可以了解潛在用戶對于購買了解哪些因素，各個因素重要程度。

圖一：太平洋汽車網大數據示意圖

大數據團隊對用戶的跨六網瀏覽數據、評論數據、社交數據、交易數據等進行全量分析，從而建立用戶畫像（如圖二）所示，除了基本的用戶人口屬性、收入方面信息外，會對建立用戶品牌傾向、期望價格帶等大數據預測模型，對用戶購車的全生命周期進行分析。

目前大平洋汽車網大數據團隊已經做到，對用戶畫像數據的更新是動態的、實時的。例如：當一個用戶去了4S店后，再回到網站進行瀏覽、評論或者咨詢后，會重新計算用戶的畫像中的各個指標，例如：購買傾向性、購車關注點等。

通過太平洋汽車網的海量數據挖掘，在用戶進入到4S店后，銷售顧問可以通過手機或者pad等移動設備查看客戶線索名單，從名單中可以查看該顧客的畫像，清晰了解客戶的深度需求，有針對性和客戶溝通，迅速找到與客戶的“共同語言”，有效取得客戶信任從而快速促成成交。