随着中国经济的发展和人均收入水平的提高，中国汽车行业在近几年得到了快速发展，但受宏观经济和限购政策等因素的影响，中国汽车行业内的竞争强度也日益增大。企业之间的竞争焦点已从传统的产品和服务的竞争逐渐转向客户资源的竞争。互联网使得人们不再是被动的信息接收者，也可以是信息的传递者，可以在任何时间和任何地点通过不同的网络平台实现信息的传递和分享。人们在访问汽车企业网站的同时，便提供了其地理位置、访问使用的终端设备、访问轨迹、采用的查询关键词、总体的浏览时间等信息，所有这些信息形成了用户的大数据。企业可以通过数据挖掘技术，即通过机器学习算法，从这些海量数据中挖掘出网站访客的有价值的信息和规律，以此来指导企业切实提高网站访客的转化率，进行科学的营销管理优化和互联网渠道选择。　　本文通过对国内外研究成果的整理，首先对数据挖掘、决策树模型和互联网用户访问行为的研究现状进行了论述，明确了本文的研究目标和研究内容。接着对决策树模型、网站用户行为分析的定义和方法以及访客的相关定义进行了界定。在此基础上构建了“互联网+”下的中国汽车企业媒体投放模型，得出了网站访客的来源渠道。并从访问来源、访问需求和访问质量三个方面分析了车辆厂商访客网站访问的主要行为，对网站访问用户的搜索过程和浏览过程进行了论述，以此按照科学性、动态性和综合性等原则构建了车辆厂商网站访客在搜索来源和投放来源两大来源下的访问行为指标体系。指标体系主要涵盖了用户基本信息和用户行为信息等两大类别的指标。其中用户基本信息包括用户访问终端、访客地域、访客选择的搜索引擎和访问需求等相关指标。用户行为信息主要包括访客量、访客回访量、访客停留时长、跳失率和是否注册及咨询等相关指标。然后引入具体汽车厂商网站的监测数据，通过数据挖掘中的决策树模型对网站不同来源渠道的用户行为进行分析，建立了不同来源渠道下的车辆厂商网站访客互联网行为预测模型。以了解不同来源下的车辆厂商网站访客访问网站时的行为特征和行为规律。并通过与检验样本集和其它挖掘算法的比较，来检验决策树模型预测的准确性。在定量分析的基础上，提出了中国汽车企业应注重制定科学的网络广告投放策略、完善各渠道投放评价体系、建立网站访客识别系统等建议。