当前我国数据要素市场建设进入加速落地期，数据知识产权登记作为数据权属确认、权益保护、流通交易的核心前置环节，已经成为各行业合规挖掘数据价值的必备基础。作为全国首批数据知识产权制度改革试点省份，浙江省搭建的省级数据知识产权登记平台，面向全社会提供统一的数据权属登记、存证、公示服务，为合规数据资产的市场化流通提供官方凭证，本次登记正是该平台在垂直产业数据资产化领域的典型落地成果。
临海数云创想信息技术有限公司本次登记的数据知识产权为AI数字人汽车消费与出行行为预测训练数据，不同于传统从用户端采集的行为数据，本训练数据基于AI数字人技术生成，通过AI虚拟海量人群模拟汽车消费与全周期出行行为，并开展聚类分群与规律提取，全程不涉及真实用户个人信息，合规性优势显著，可为汽车厂商、经销商、出行服务平台、金融保险机构提供标准化高仿真底层数据支撑： 1. 针对当前汽车行业获客成本高、投放精准度不足的普遍痛点，该数据集可精准识别购车意向客群与主力消费人群，支撑广告定向投放、客群筛选与渠道资源分配，提升获客效率与线索转化率，降低无效营销投入； 2. 基于车型偏好与用户画像特征，为产品定位、配置规划、区域车型投放策略提供依据，助力车企精准匹配市场需求，降低新车型上市的市场试错成本； 3. 依据车辆保养周期规律，构建车主服务触达策略、保养提醒与售后转化方案，提升售后营收与客户留存率； 4. 通过网约车/公共交通使用规律，挖掘出行需求特征，优化出行平台运力调度、定价策略与线路规划，缓解潮汐出行供需错配问题，提升运营效率； 5. 基于购车时序预测、出行频次预测，指导汽车库存周转、区域铺货、金融分期产品设计与车险定价，优化全链条资源配置，提升产业链抗风险能力； 6. 为汽车行业智能导购、智能客服、直播卖车、市场调研、用户调研等商业化场景，提供合规、高仿真、可复用的虚拟人群行为数据支撑，解决传统调研样本量不足、成本高的问题。
一、核心算法体系
1、采用DBSCAN聚类算法，该算法无需预设聚类数量，适合海量人群的无监督分群，本次以性别、年龄、收入水平、所在城市、家庭结构为核心维度，对虚拟汽车消费与出行人群聚类分群，精准识别高意向购车、高频出行、高频保养三类核心客群。
2、采用Transformer时序预测模型，该模型在长周期行为预测上的精度优于传统统计模型，本次基于出行频次、保养间隔、购车计划等特征建模，预测购车时间、保养周期与未来消费概率，为汽车营销与车主运营提供量化支撑。
3.采用特征加权融合算法，对人口属性、消费能力、购车意向、车型偏好、出行方式等特征权重拟合与分布校准，生成贴合真实汽车市场的虚拟人群样本。
4.采用规则引擎 + 逻辑回归模型，构建购车预算、价格敏感度、保养选择、出行方式判定规则，量化用户偏好强度，支撑车型推荐、服务套餐与出行方案匹配。
二、技术实现逻辑
基于汽车消费、用车保养、公共交通与网约车出行真实行业数据，构建虚拟人群先验分布模型；通过 AI 数字人咨询、比价、选车、保养预约、出行下单等多轮交互采集行为特征，迭代优化标签体系。运用权重归一化、区域分布校准、行为逻辑校验技术，确保虚拟人群结构与行为规律高度贴近真实市场；支持人群特征动态更新，可适配新车上市、促销、季节出行、政策调整等多场景业务需求。
三、数据字段解释（经规则处理）
1.数字 id：AI 数字人唯一标识，保障数据可追溯、不重复。
2.性别、年龄分组、学历、收入水平、所在城市、职业、家庭结构：基础属性字段，经聚类规则处理，作为人群分群核心依据。
3.购车意向时间：经时序预测处理，标识计划购车区间，用于需求预测与线索分级。
4.车型偏好：经特征加权处理，输出用户倾向车型，支撑产品推荐与投放定向。
5.购车预算区间、购车核心需求：经价格敏感度规则处理，反映消费能力与动机，支撑定价与营销。
6.保养周期：经时序与用车行为规则处理，预测保养间隔，用于售后触达与服务转化。
7.保养偏好：经选择行为规则处理，明确保养渠道倾向，优化售后渠道配置。
8.车辆使用场景：经行为聚类处理，明确车辆用途，支撑车型定位与场景化营销。
9.网约车使用频率、公共交通依赖度、私家车使用频率：经出行行为规则处理，量化出行规律。
10.出行时段偏好、替代出行方式：经时序与场景规则处理，挖掘出行特征，支撑运力调度与方案优化
本次数据知识产权登记的完成，不仅明确了该数据集的权属归属，也为其后续的市场化流通、授权使用提供了合规凭证，对于汽车行业训练数据的合规化、资产化具有显著的示范意义，也为数据要素在垂直产业的落地应用提供了可复制的路径。
登记内容：
_1769672084863.jpg)