Как использовать машинное обучение для прогнозирования перспектив и сроков покупки автомобиля

Применяя модели, созданные на основе данных, собранных с течением времени, мы можем увидеть, кто находится на рынке автомобилей пассивно и активно. Пользовательские модели могут быть созданы на основе данных о продажах и текущих или прошлых взаимодействиях с клиентами.

Эми:

Итак, есть две вещи, которые мы можем сделать с нашей платформой машинного обучения, чтобы помочь людям. Во-первых, мы просматриваем эти исторические данные и данные о местоположении, данные о вашем мобильном местоположении, чтобы заранее увидеть, где люди делают покупки и что они в конечном итоге покупают.

И с этим мы создаем модель. И мы можем сказать: хорошо, знаете, применяя эту модель, что общего у всех этих людей? И применяя эту модель ко всему нашему набору данных о 250 миллионах домохозяйств, каких людей мы можем выделить, которые с наибольшей вероятностью будут покупать автомобиль в ближайшие 3–6 месяцев?

И это восходит к тому, чтобы добраться до них рано. И если вы узнаете об этом до того, как они узнают об этом, это будет модельное предсказание, верно? И как только мы это сделали, очень легко найти этих людей в вашем районе рынка и связаться с ними. Очень просто.

Еще одна вещь, которую мы можем сделать, — это создать пользовательскую модель для отдельного бренда или дилерского центра, взяв их данные о продажах и проанализировав их конкретных клиентов. А затем снова создать для них индивидуальную модель, чтобы они могли ориентироваться на двойников в своей области рынка, которые, скорее всего, купят у них.

Будьте в курсе последних новостей и ресурсов:

Ориентируйтесь на покупателей автомобилей на рынке

Обладая информацией о более чем 260+ миллионах потребителей, более чем 190 миллионах VIN-номеров, 170 миллионах адресов электронной почты, а также демографическим данным, наша автомобильная аудитория предоставляет информацию, необходимую для правильной связи с потребителями. Свяжитесь с нами сегодня!