客户基本数据有3955条，16个特征维度，其中7个特征严重缺失，经过缺失值填补和

特征转换，最终的到3602条有效数据，以及筛选出10条相关性较高的特征。

Customer Profile Insights

描述性分析

特征分析

客户主要集中在男性群体，占比达

到75.7%；说明我们更应注重男性

偏好的相关车型的业务发展。

客户年龄分布集中在35到50岁，

峰值在40岁左右；说明客户集中

在中年人群，更适合推荐中年人

偏好的车型。

性别

年龄

教育程度

38.11%的客户是本科学历，

36.68%的客户是大专学历，

11.42%的客户是高中学历。硕士、

博士级以上只占了3%左右；

说明客户的教育程度在中等水平。

Customer Profile Insights

特征分析

客户在上海市（直辖市）的总数量是最

高的，达到15.96%，但是也和江苏省的

14.96%、山东省的14.72%相差不多，山

西省占比5%是最少的，在南北地区分布

来看，客户分布数量基本持平。

大部分的客户都分布在上海市和北京市，

总占比达到50%左右。其中上海市占比

最高，达到34.36%，北京市排在第二，

达到了15.29%。

省份

城市

品牌

79.6%的品牌来自于大众；根据工单一

级到三级的业务占比，主要都是集中在

大众品牌上的俱乐部事宜、维修、保修、

配件以及订单问题，而且工单流转分配

效率较高。

职位

24.5%左右的客户是企业高管等高层职位，

有21.23%的客户是一般职员或者技术人员，

而事业单位或者正负官员占比是最少的，

不到1%；并且客户的职位呈现两级分化，

高层职位和低层职位占比相近。

行业

33.85%的客户都集中在电气、电源、仪

器制造行业。而其他行业。例如：家居、

建筑、汽车、政府、金融、教育等，比重

都差距不大，其中也有23%的人拒绝回答

自己从事的行业。

教育程度

47.5%的客户收入水平在65000元左右，

27.7%在8-12万元；年收入5万元以下和

年收入在12-18万或18-27万的客户基本持

平，都在6%左右；客户普遍集中在中等偏

低收入水平的客户，总共占比大概在86%

左右（针对5-15万年收入群体）。

Repurchase Related Insights

数据预处理

Repurchase Related Insights

数据分析&挖掘

基于X G B o o s t 算法对客户重购

的车款评级预测以及车型推荐

代码链接：https://zg104.github.io/xgb

XGBoost是boosting 算法的其中一种。 Boostin g 算法的思想是将许多弱分类器集成在一

起形成一个强分类器。X GB o ost是一种提升树模型，它是将许多树模型集成在一起，形成

一个很强的分类器，所用到的树模型则是CART 回归树模型。

对新数据进行数据分析、特征工程、数据转换以及利用XGBoo st算法对数据根据车款评级

分类进行建模，并可以通过评级内车款的销量加权得到相应的回购概率，筛选排名前10的

车款进行推荐；我使用P ython 的X GBCl assi fier 来建模（左上图为个人撰写的代码），并

采用5折交叉验证来提升模型泛化能力和可信度，通过使其多分类对数损失函数最小化来实

现多分类任务。

X G B o o s t 算法介绍

数据建模

模型评估

通过对超参数（学习率、树总量、最大深度等）的调节，刻画 confu sion matrix （右上）

和classification report（左下）来体现模型在测试机上的泛化能力，准确度、特异度

以及召回率都达到95%以上，说明模型有很强的泛化能力，能对新数据进行预测。并且通

过随机森林的特征分裂算法刻画了各特征的重要性（右下）；影响因素前五的特征分别为

重购价差、开票价格、重购时差、市场车型以及客户行业。