当一个用户走进4S店的时候，如何快速与用户进行沟通，让用户觉得店内的顾问专业性强，从而快速取得用户信任，同时让用户觉得与自己有“共同语言”，再向顾客精准介绍车型，价位，品牌，金融方案，后续服务等，从而促成用户最终下单转化，这是4S现场关键。

但是谁可以知道并分析出潜在用户购买决策周期过程中，买车的决策因素有哪些？各个决策因素的权重？例如：某位用户购车主要考虑：价格，品牌，金融方 案，他或者她的决策过程中：首先决定价格，其次考虑品牌，再考虑金融方案。专业性的汽车网站是“不二人选”，在购买之前95%以上的用户会在网上，特别是 专业、权威的汽车网站、论坛等先进行调研，搜集相关信息。

据悉太平洋网络每天有近3000万人到访网站，通过旗下的六大垂直网站，积累了潜在汽车用户和资深车友的各种数息，例如：浏览行为、论坛发贴、咨 询、客服等数据。每天网站用户产生的数据量达500G，通过数十年的数据沉淀，累计深沉了1500T的海量数据。公司特别建立了30人的大数据团队，有 85%以上是硕士和博士的学历。大数据团队在严格保密用户隐私情况下，利用大数据技术（如图一）所示，通过支持向量机、神经网络、灰度预测、贝叶斯等机器 学习和数据挖掘方法，进行对用户海量数据进行精准分析，通过大数据精准分析，例如：可以了解潜在用户对于购买了解哪些因素，各个因素重要程度。

图一：太平洋汽车网大数据示意图

大数据团队对用户的跨六网浏览数据、评论数据、社交数据、交易数据等进行全量分析，从而建立用户画像（如图二）所示，除了基本的用户人口属性、收入方面信息外，会对建立用户品牌倾向、期望价格带等大数据预测模型，对用户购车的全生命周期进行分析。

目前大平洋汽车网大数据团队已经做到，对用户画像数据的更新是动态的、实时的。例如：当一个用户去了4S店后，再回到网站进行浏览、评论或者咨询后，会重新计算用户的画像中的各个指标，例如：购买倾向性、购车关注点等。

通过太平洋汽车网的海量数据挖掘，在用户进入到4S店后，销售顾问可以通过手机或者pad等移动设备查看客户线索名单，从名单中可以查看该顾客的画像，清晰了解客户的深度需求，有针对性和客户沟通，迅速找到与客户的“共同语言”，有效取得客户信任从而快速促成成交。