撰文 / 劉姍姍
編輯 / 張 南
設計 / 杜 凱
編者按：
一場由數字化轉型帶來的產業變革已經進入迅速發展時期，也為企業生存提供了全新的發展方向和考驗。
在楊辰韻看來，數字化轉型裏有非常多的坑，需要大家去共同面對和克服，或者在實操層面避免，否則會發現有非常多的實操層面上，可能之前前所未見相應的困惑。
8月13日，第十二屆中國汽車藍皮書論壇第三天會議上，創略科技聯合創始人兼總裁楊辰韻發表演講，給出了在其公司在幫助車企打通營銷數據實踐中總結出來的經驗和案例。
以下為楊辰韻的演講實錄，汽車商業評論記者劉姍姍整理，此處略有刪節。
大家在前面兩年一直談論數字化轉型的議題，疫情也讓我們看到越來越多的汽車行業的客户開始意識到數字化轉型的重要性和迫切程度。在存量時代裏挖掘新的增量，這是非常關鍵且相當重要的。
數據為數字化轉型的關鍵點
汽車行業裏面，整體銷售週期會比較長，當中的每一個環節，這裏面的基礎就是數據相應的採集。為什麼一些造車新勢力或者智能汽車品牌開始組建私域流量矩陣，就是希望在前期能夠通過內容以及運營讓客户的標籤逐步體現起來，做個性化營銷。
“
為什麼一些造車新勢力或者智能汽車品牌開始組建私域流量矩陣，就是希望在前期能夠通過內容以及運營讓客户的標籤逐步體現起來，做個性化營銷。
”
無論是主機廠還是經銷商現在都要進行以客户為中心的轉變。現在有一些國內的自主品牌也開始講全面2C的策略，不僅僅圍繞着車售賣完之後，而是自己可以有更多的接觸和積累數據資產的觸點，把用車的生命週期和客户角度真正結合起來，以客户為中心去做相應後續的工作。
基於此，我們2015年、2016年專注在大數據架構下去推出客户數據中台或者客户數據平台CDP（持續數據保護）理念，通過私域流量和私域矩陣逐步採集以前沒有去採集或者關注的消費者行為數據。
在沒有這樣的系統之前，企業存在比較多的數據沒有打通的問題，因為之前都會有一些基於留資線索等等的以保客為主的數據，當中就有CRM等系統的數據。
在沒有打通情況下，真正把數據去做到相應的營銷轉化，就不是基於整體客户的立體的畫像來做這個事情。打通數據，是提升客户體驗和個性化，實施智能和高效營銷的第一步，打通之後，我們就能逐步基於人工、專家標籤作一些預測性的分析。
在這個基礎之上，就可以去做相應的個性化營銷，從最開始的潛客預測購車意向或者預約試駕意向到保客置換或者復購意向再到新客的拓展，都可以基於已有客户畫像做得更加精確，保證精準的觸達。
這個打通是很關鍵的，數據整體打通後我們才能真正去開始理解客户到底現階段是否有相應的維保需求或者其他新增需求等等，根據需求企業作出相應調整或者策略，最終應用到包括運營，包括營銷以及售後服務，甚至C2M、C2P場景上。
在營銷層面，核心是潛客層面上。如何甄別或者做一些潛客的個性化的營銷。當中有三個關鍵的場景：
第一，它在過去或者未來這段時間裏面是否會有真正意義上的購車意向。
在購車意向和預約試駕意向甄別上，以前經銷商在沒有精準的數據支持下，DCC部門每天需要打大量的電話，但是這些客户本質上不是他們高意向客户等，客户體驗不好。
同一個情況下，提前用大數據作支撐甄別出在未來一個月到三個月內會有購車意向相應客户，再去做相應的電話觸達，這個是有價值的信息，有意義的信息。
第二，保客或者已有客户層面上，在觸點比較少的情況下，每年的續保是在保客層面上比較關鍵的場景。
如果出現續保裏面有猶豫、不續保或提到其他品牌名字等情況，這説明有可能他會有換新或者置換的意向，這時候是要給他推可以更換或者換新同一品牌的其他車型或者更高端車型的一個關鍵的機會。
這裏面會涉及到對話或者留言的語音轉文字，轉化之後通過專員處理技術識別當中的相關的關鍵詞和語義分析，在這種情況下判斷是否可能會有潛在置換的需求。
在保客裏不僅僅是續保這一塊，本質上在售後非常多的環節裏抓取到相應的需求數據、維保數據等提升相關的售後服務，也對品牌的忠誠度和長期合作具有重要的意義。
第三，新客推廣。之前很多的傳統主機廠或者自主或合資品牌以及其他的公司都會涉及到比較多拍腦袋的決策。
有些自主品牌的認知的客户是20到30歲的有競青年的畫像。但基於車主的特徵做相應的判斷和基於一些具類和分類算法去判斷之後會發現，品牌更大部分受眾在40歲到50歲的年齡段，跟車企拍腦袋決定的客户受眾不一樣。
如果客户定位環節出現問題，本質上後面的營銷推廣環節就存在相應的問題。但是通過一些無監督的具類或分類算法可以幫助這些企業識別到真正的客户羣體，然後基於這些去做更加個性化或者精準的營銷。
營銷智能化
除了剛剛提到在營銷場景，按照生命週期階段做營銷自動化或者營銷智能化也是非常關鍵的一個點。
在主機廠使用營銷自動化的平台時，其核心涉及到幫助營銷人員操作畫布上設置，希望在什麼條件下對什麼樣的人羣作出相應的動作，比如試駕之後體驗問卷調查，或者針對車主去推送其他的相關服務等情況，到底是應該發送微信、短信還是應該去做電話的關懷或者回訪。
這些本質上降低了IT部門在日常的營銷活動當中較多的介入和人工做相應的支持，儘可能的讓營銷人員在不需要寫任何代碼的情況下，能夠自主的去完成營銷自動化的每一個相關的環節。
在客户數據、數字化應用場景上，整體都應該是以客户為中心，不僅僅在70%、80%場景在於營銷的情況下。其實客户的洞察反饋以及C2M或者C2B場景也是非常關鍵的。
以威馬為例，其新車型上市之後，威馬特別想關注用户到底在評價它的外觀、內飾、電池、性能還是個性化等比較好看。這就是基於所有客户洞察反饋以及基於這些實時的客户相關的一些反饋，能夠幫助威馬做到更好的服務以及在未來的新的產品的研發或者是個性化製造方面做到更加貼合客户需求。
例如滴滴的應用場景中，因為大多數情況下會是文本類客户數據的存在，在數據越來越大情況下，基於自然語言處理一個事件是順風車、專車還是出租車的事情，是司乘關係，還是諮詢、投訴是憤怒或者開心的情緒，靠人工解決不太現實。機器自然語言處理在AI裏面可以幫助滴滴收集客户洞察反饋，實時地解決相應的事件，以及支持到客户洞察或者C2M的場景。
我們幫瑪莎拉蒂品牌基於它在國內車主的特徵預測其百萬級別潛客的購車意向。潛客層面上基於內部DMS或者私域的行為數據等去搭建多層的散發組合模型，經過兩年多合作，預測準確率已經訓練到接近97%，根據大數據篩選的潛客預約試駕的成功率翻倍提升以及最終相應轉化率提升，每天變化可以讓銷售代表實時查看基於此判斷下一步怎麼樣做相關的推薦。
解決目前汽車行業相關問題，有時也需要跳出汽車行業固有的思維去看其他行業在數字化轉型裏是怎麼解決的。
我們在零售行業也做了很多的客户。在星巴克咖啡幫它搭建國內客户數據平台，星巴克APP是它戰略裏面基於存量客户做數字化營銷。在打通多個觸點確保同一個用户之後，APP會根據用户需求推不同的券以及食品的搭配。我們幫它做到了90%的預測率，提升一半以上食品、飲料搭配的相關模型。
在旅遊行業，春秋航空、東航旅遊客户相對高頻效果更加明顯。通過過去三年幾個億訂單以及過去72小時的行為數據，去預測未來7天之內，上億的乘機人實際會乘坐400條航線中哪一條。
通過接近兩年的時間預測準確也做到了接近99%，預測未來7天購買航線的準確率。以前在100條裏有0.7到1條轉化率，現在提升了10倍。這是基於在自由觸點上數據量比較豐富的情況下達到的顯著效果。
除營銷場景以外，大家會發現以客户為中心的場景事實上非常多的開始延展到大於營銷場景之外的應用場景，包括這兩年都在提的C2M、C2B等個性化的需求到個性化製造，以及個性化需求的這些點。到後面，我們看到有一些主機廠的設計部門或者產品部門也開始關注基於客户數據去打造一些相應的汽車特徵。