随着补贴政策的逐步退坡及跨国车企的陆续布局,我国新能源汽车市场正面临着日趋激烈的竞争环境。与此同时,数据挖掘技术的兴起促进了客户识别和管理手段的逐渐精细化发展,企业可通过数据分析识别真正“有利可图”的潜在客户以维持未来生存与发展。对潜在客户的识别有助于企业深入认识客户价值,提高客户转化率,降低客户管理成本,实现企业经济效益最大化,这对企业而言有着降本增效的重要意义。基于此,本文展开了新能源汽车潜在客户分类识别方法及模型的研究,主要工作内容概括如下:首先,基于新能源汽车客户分类精准画像需要,利用层次分析法建立了客户生命周期价值评价指标体系,然后,选取了具有代表性的6个城市对现有新能源汽车客户进行了问卷调查,并基于实证数据聚焦客户当前价值及潜在价值,通过K-Means聚类算法构建客户细分模型,将新能源汽车客户根据不同价值特征划分为:钻石客户、黄金客户及白银客户。其次,基于以往学者们的研究成果,对先验知识结合神经网络的应用加以梳理,提出了有限样本下的潜在客户识别算法,即以现有客户调研数据为基础,利用结合先验知识的SEM-BP神经网络两阶段建模方法构建更加鲁棒和有效的有限样本下新能源汽车潜在客户识别模型。第一阶段,将利用结构方程模型研究分析新能源汽车客户转化过程中感知价值六个维度:功能价值-质量,功能价值-价格,情感价值,社会价值,绿色价值及创新价值在新能源汽车客户生命周期价值两个维度:当前价值及潜在价值上的影响,结果表明,除了绿色价值,客户感知价值其余五个维度均对客户当前价值及潜在价值具有显著的正向影响;第二阶段将这五个关键维度作为先验知识用于BP神经网络的输入构建新能源汽车潜在客户分类识别的最终模型,通过实证数据的测试显示,稳定状态下结合先验知识的SEM-BP神经网络模型识别准确率可达94%。最后,通过武汉新能源汽车4S店收集了8位有购车意向的真实潜在客户资料对所建模型进行实证检验,通过后续跟踪回访发现,在最终如期购车的7位客户中,模型准确预测了其中6位客户的价值类型,进一步验证了模型的有效性,表明结合先验知识的SEM-BP神经网络潜在客户识别模型具有较好的价值分类准确性,能够为新能源汽车企业客户管理提供更好的支持。