Ostotapahtuman ennustemallin kehittäminen ajoneuvomarkkinoinnin tueksi

Perinteisesti ajoneuvojen markkinointikampanjoissa kohderyhmät muodostetaan yksinkertaisella kriteeristöllä koskien henkilön tai hänen ajoneuvonsa ominaisuuksia. Ennustavan analytiikan avulla voidaan tuottaa kohderyhmänmuodostukseen teknisesti kompleksisia mutta kuitenkin helppokäyttöisiä menetelmiä. Tässä työssä on sovellettu luokittelu- ja regressiomenetelmiä uuden auton ostajien joukkoon. Tämän työn menetelmiksi on rajattu tukivektorikone sekä Coxin regressiomalli. Coxin regression avulla on tutkittu elinaika-analyysien soveltuvuutta ostotapahtuman tapahtumahetken mallintamiseen. Luokittelu tukivektorikonetta käyttäen onnistuu tehtävässään noin 72% tapauksissa. Tukivektoriregressiolla mallinnetun hankintahetken virheen keskiarvo on noin neljä kuukautta. Työn tulosten perusteella myös elinaika-analyysin käyttö ostotapahtuman tapahtumahetken mallintamiseen on menetelmänä käyttökelpoinen.

The set of criteria used in target group generation for an automotive marketing campaign is usually a simple one. Typical variables used describe person demographics or vehicle details. Technically complex, yet easy to use, methods from the area of predictive analytics can be used in target group generation. This thesis uses classification and regression modelling to model important features concerning a purchase event. The method used in classification and regression tasks is Support Vector Machine and its variation for regression. The usability of survival analysis to predict a purchase event is also studied. Cox Proportional Hazards Model has been used as the method of survival analysis. The classification task succeeds in about 72% of the cases. Regression model used to gain information about purchase timing succeeds with a mean error of approximately four months. Survival analysis has been found to be a viable method for modelling a purchase event and its timing.