从宏观上讲，汽车工业是我国国民经济的支柱产业，准确预测汽车销量不仅对汽车制造商和经销商在制定战略和目标有着巨大的作用和意义，从长远角度来说，对我国汽车市场的发育和成长态势及国民经济的快速发展也起到了一定的影响作用。　　改革开放以来，随着我国国民经济的快速发展，我国居民的消费需求也在逐渐的发生改变，“汽车消费”正在替代“住房消费”成为现阶段我国部分居民的主要消费需求，消费者在购买汽车过程中，首先会有需求准备期，在需求准备的这段时间内，消费者会根据自身的喜好、汽车的价格和性能、以及自身的经济状况来获取潜在购买相关汽车的信息。　　随着网络技术的快速发展和互联网的普及，颠覆了消费者获取信息的传统方式，使得消费者更加青睐与从互联网上搜索相关数据和信息，互联网成为用户获取资料和信息最快捷的途径之一，根据中国互联网信息中心的统计数据显示，截止到2013年底，80％左右的网民使用搜索引擎获取相关信息。由于网络搜索数据记录了数以亿计的搜索关注与需求，反映了市场主体的行为趋势与规律，为研究社会经济行为提供了必要数据基础。论文的研究建立在大数据时代背景的前提下，通过消费者在互联网搜索相关信息而留下来的记录，论文从我国汽车的低、中、高端市场分别选取了奇瑞、大众、宝马三个品牌的汽车作为研究对象，以消费者购买汽车的行为过程出发点，建立相关理论框架模型，揭示了网络搜索数据与汽车销量之间的相关关系，分别通过百度搜索引擎搜索与奇瑞、大众及宝马三个品牌汽车相关的关键词，采用综合赋权和错位逐步合成方法对搜索到的关键词进行合成，得出相应的网络搜索指数，然后利用网络搜索指数与相应的品牌汽车历史销量数据建立回归预测模型，进而进行协整分析和Granger因果检验。分析与检验结果表明，相比传统的汽车销量预测方法，该方法具有很高的预测精度（处于低端市场的奇瑞汽车拟合度相对较差，拟合度为70.0％，平均绝对误差值为8.51％，处于中端市场的大众汽车的拟合效果远高于奇瑞汽车的拟合效果，拟合度为95.2％，预测的平均绝对误差值为4.85％，而处于高端市场的宝马汽车的拟合度在三个品牌汽车中为最优，拟合度为97.7％，预测效果也最佳，平均绝对误差值仅为2.78％。），预测效果也随着品牌汽车档次的提高而提高，同时该研究方法可以对汽车销量实施监控，且比传统统计部门发布的数据要提前一个月左右。　　虽然有关网络搜索数据的社会性与经济性的相关性研究还处于初级阶段，但随着信息技术的不断发展，及网络搜索数据的不断丰富与全面，该研究方法在理论研究方面将会形成一套完整的理论体系，同时也会有更加广阔的实际应用领域，例如:房地产行业、旅游行业等。