1.1问题一题目

  • 步骤一：数据清洗：指出异常值、缺失数据、处理方法

  • 步骤二：对数据做描述性统计分析：包括目标客户对于不同品牌汽车满意度的比较分析等

    1.2问题一分析

    步骤一：对异常数据和缺失数据进行填充

  • 异常值：绘制箱线图（离群异常值），挖掘出落在四分位数加减1.5倍四分位距之外的潜在异常值。

  • 缺失值：结合附件二的个人特征调查表，提取调查表问题本身的限制条件，并发掘调查问题之间的关系（B7和B6），最终建立不同调查问题之间的合理约束条件。

步骤二：描述性统计分析：

  • 比较差异：绘制不同品牌服务满意度小提琴图，根据Wilcox统计量和Kruskal-Wallis统计量，比较不同汽车品牌满意度之间的差异

  • 对各项满意度得分的指标取平均值后排序

    2.1问题二题目

    研究哪些因素可能对不同品牌电动车的销售有影响？

  • 电动车本身的因素

  • 目标客户个人特征的因素

    2.2问题二分析

    1.因素的特征选取：基于惩罚项（LR、LASSO、SVM）和基于树模型（RF、LightGBM）两种不同的嵌入法分别进行特征选取
    2.求出与品牌销售的相关性：利用模型进行机器学习后，对选出的特征采用投票法
    变量类型：类别指标和数值指标

  • 数值指标：Point-Biserial相关分析法

  • 类别指标：卡方检验

image.png

3.1问题三题目

  • 建立不同品牌电动汽车的客户挖掘模型
  • 评价模型的优良性

  • 运用模型判断目标客户购买电动车的可能性

    3.2问题三分析

    1.数据预处理：通过SMOTE采样解决标签不平衡问题/正负样本均衡化
    2.对不同汽车品牌分别建立XGboost、LightGBM、Catboost、随机森林模型/
    多层感知机（BP神经网络）
    3.模型指标：F1-score和AUC衡量训练效果
    4.优化：网格搜索进行超参数调参

    4.1问题四

    营销者加大服务力度提高满意度
    实施销售策略

    4.2问题四分析

    1.多目标规划模型：
    目标：

  • 提高体验满意度的服务难度尽量小？

  • 选择提高服务的数量尽可能少
  • 目标客户购买概率提升的百分比尽可能大

优化方法：

  • 网格搜索

  • 多层感知机预测模型

    5.1问题五

    给销售部门提出不超过500字的销售策略建议

    5.2问题五分析

    精准营销：

  • 人群洞察

  • 品牌导向
  • 效果评估