企业的生产经营活动需要预测市场销量,准确的销量预测能够有效的减少生产资源的浪费以及库存堆积。随着网络技术的发展以及物质生活的提升,用户获取信息的方式逐渐由线下的口耳相传的模式转换为线上的搜索咨询,这种生活方式的转变为网络搜索数据与在线评论的使用提供了机会,使得网络信息成为消费者行为研究的有效资源。网络搜索数据已经广泛用于预测领域,本文在使用网络搜索数据的基础上,加入销量数据和文本数据,探索不同形式数据对汽车销量预测的影响。针对月度销量数据具有的周期性波动特点,采用ARIMA模型的季节调整形式,同时,加入百度指数和情感值等外生变量,构建SARIMAX模型。另一方面,针对百度指数数据量大的特点,采用具有信息抽取优势的深度学习方法——卷积神经网络构建销量预测模型。结果显示,两种预测模型均具有良好的预测精度,但是基于卷积神经网络的汽车销量预测模型预测效果更好。同时,对比不同数据的预测精度,发现百度指数、历史销量数据以及情感值三种数据组合的预测模型比单一数据的模型预测效果更好。本文创新性的将百度指数、销量数据、文本数据结合,采用卷积神经网络算法构建适合三种数据特点的汽车销量预测模型,为汽车销量预测领域提供了新的思路。该销量预测方法不仅可以运用于汽车领域,也可以为其他市场研究提供参考。