在互联网+和大数据背景下,汽车企业管理和营销更加依赖对客户行为、偏好数据的收集和分析挖掘,支持潜在市场开拓、客户粘性维护等公司营销的各个环节。潜在汽车客户分析是建立品牌和客户关系的重要技术环节,通过店展厅、来电客户访问、来店拜访、WEB在线分析客户的行为等渠道收集客户行为和偏好,从中进行挖掘潜在客户,有效支持市场推广效果。从多种渠道收集的信息具有大数据的基本特性：数据容量大、非结构化、实时性强等特点,对数据分析带来挑战,造成挖掘结果准确性问题。针对上述问题,本文侧重通过无导师的数据分析技术研究客户聚类问题,支持精准潜在客户识别问题的解决。基本方法是基于主成分分析法的特征构建和两阶段聚类分析方法,同时为了快速有效地分析和利用已有客户,提出了基于改进的Hash快速属性约简算法的汽车客户分析模型,具体取得以下的主要成果：1.本文立足于基于主成分分析法和两阶段聚类分析法的汽车潜在客户开发和管理的研究。根据汽车客户选择的数据自身特点,聚类分析能够自动进行数据信息的挖掘,其具有低成本、占用内存资源少、简单易行的特点。采用主成分分析法提取汽车客户分类的主要影响因子,并在此基础上,利用两阶段聚类分析法进行潜在汽车客户分析。2.分析基于Hash快速属性约简算法,并分析其具有的特点及存在的缺陷。针对其缺陷或者低效性提出了改进方案,其可以有效地提高约简算法效率,使得计算复杂度进一步降低。实验发现可以提高效率达到20～30%。通过系统计算的复杂度和效率性,总结出了改进算法的优越性。3.基于上述两个分析方法,开发了汽车销售状态分析系统,利用历史销售客户数据库信息和以往的调研数据信息产生决策树,为销售人员针对不同的客户制定不同的销售策略提供帮助,并进一步探索汽车销售服务行业的潜在客户策略。利用以往销售数据库的信息产生约简属性,指导销售人员根据客户的信息推荐不同的汽车配置,这对于汽车销售产业更好地实践客户服务具有一定的指导价值。