深度 | 汽车行业如何通过数据驱动决策，赋能全域全链路业务经营？

企业内外部数据打通汇聚只是基础，构建科学指标体系才是智能决策的首要条件，没有指标就无法评估优劣，无法以数据驱动决策。

指标规划的核心是“自上而下统一”和“深度结合业务场景”，从横向、纵向、流程转化多维度设计统一的指标评估体系，实现全流程业务数据，采集、监控、分析能力。

以实际针对“业务运营管理”搭建的指标体系为例，多维度且叠加业务深底理解去综合构建销售业务、水平业务、售后业务等板块的运营评价指标体系。以业务场景为基准，针对每一个场景赋予关键评估指标，比如基于销售业务中的到店场景，可以拆分出“首次到店数、再次到店数、到店成交率”等核心指标。

可视化看板的搭建关键是要立足于业务需求，根据指标规划和职能架构层级综合搭建，并且支持多层级下钻定位问题。在从线索到终端交车，售前售中售后全客户转化旅程中，每一个关键转化阶段都有评估指标，指标看板需要多层级下钻。

以线索和到店两个业务场景举例探讨。

在线索阶段，总部发现一级指标“线索跟进率”完成进度不及预期时，我们要能下钻看各个区域的线索跟进率目标达成情况，给线索跟进率业绩不及预期的区域发预警；区域层级指标又可以下钻看各个经销店的线索跟进率情况，给业绩不好的门店提醒预警；门店可以下钻各个顾问的线索跟进率，溯源定位线索跟进率低的顾问；

比如发现垂媒渠道的线索量明显下降，但短视频的线索量增加，整体线索量呈下降趋势，对比同区域优秀门店的渠道线索占比和增速指标，进一步验证短视频渠道在该区域门店中的线索获取权重大幅提升，定位问题、明晰差距，就可以制定策略了，在下一周期的线索获取渠道成本规划中增加短视频的投入。整个过程就是线索阶段的以数据驱动决策的全链路思维。

到店场景亦是如此，当到店成交率指标下降时，我们下钻到“首次到店成交率、再次到店成交率”等指标、分层级看总部-区域-经销店的表现情况，洞察定位问题和分析原因，明晰差距。

与其事后分析溯源，不如事前及时预警，及时干预做出行动改善。

预警提醒的功能构建并不难，最大的难点在于“预警规则”，告诉AI自动预警系统在什么情况下做诊断预警才是根本，因此我们要立足于业务需要构建符合业务场景的预警诊断模型。

预警模型要考虑三大因素，分别是“与自身对比”、“与对标目标对比”、“与大盘趋势对比”，总部-区域-经销店的预警模型并不完全一致。对于总部来说，需要看时间趋势下，自身业务环比同比表现，要看对标竞品的表现，也要关注行业大盘趋势；对于区域来讲，要看时间趋势下，本区域的环比同比表现、对标竞品的区域表现和本品对标区域表现，以及本品整体大盘表现；对于经销商门店而言，要看时间趋势下，本店自身环比同比表现，区域门店均值、中值，以及本品区域和总部大盘情况。

以试驾到成交环节的诊断预警为例，某车企华南大区9月份在试驾意向客户量充足的情况下，实际订车订单量却环比8月份增长不及预期，同比去年9月份试驾下定转化率下降；除了与本区域对比外，华南大区9月份意向客户下定业绩排名在各区域中下降，试驾下定转化率低于总部大盘均值，基于预警模型配置，华南大区收到试驾下定转化率下降预警。

影响试驾下定转化率的因素可能有“店端服务体验不好、试驾车型不满意、销售顾问讲解不清晰、竞品更有优势”等，经过区域之间表现对比，发现“华南区域店端服务满意度明显低于其他区域”，其余主推车型、竞品竞争态势等维度指标都差异不大。

预警及时发现问题后，华南区域管理中心即时干预，优化重塑店端服务体系，一方面增强到店客户的偏好画像同步，一方面加强店端顾问员工的服务意识和能力培训。

在到店前客户画像和预期管理方面，在预约到店的表单中增加“是否需要预留车位”、“是否需要准备儿童娱乐礼品”、“是否需要预留早餐”等选项，既让客户感到贴心，又补充了客户画像“是否有车、是否有小孩”；叠加服务意识和能力的增强，在10月份华南区域的试驾下定转化率有效回升。

诊断预警只实现了针对单个弱项进行有效干预管理，单个弱项的提升不足以提升业务整体的健康度，因此结合业务场景构建全面、科学的健康度评估体系成为必然。

业务健康度评估体系的构建关键是“面向不同的对象构建不同的健康度评估模型”，既要结合业务指标体系，也要融合评估对象的特性。其中，面向顾问人员的能力评估需要“将顾问的工作SOP化模块化”，比如顾问的销售工作可以拆分为“热情接待-核对客户信息-了解客户车型偏好-邀请试驾-陪同试驾并讲解-价格谈判-按流程下定”等；

面向品牌的健康度评估就要围绕“品牌声量、品牌互动量、品牌口碑”等维度综合分析；面向经销商的健康度评估是以经销商的服务能力维度展开，比如网上销售效率、业绩、成交订单量、客户满意度等维度综合评估。

以某经销店业务健康度评估为例展开探讨。首先确定评估维度，即8个维度“网销效率、网销业绩、展厅效率、展厅业绩、终端结算、库存管理、保客销售、满意度”等；其次定义每个维度下的指标打分规则，例如满意度指标下有销售服务满意度、售后服务满意度，销售服务满意度又包括“邀约、到店、试驾、谈判、下定、等待提车、提车”等环节满意度，每个环节满意度得分决定销售满意度得分；销售和售后满意度得分决定经销店满意度维度得分。

然后不同车企可根据实际业务设计适合自身的健康度评估规则，例如将区域内各个经销门店的满意度得分排名，以“优秀”，“健康”，“预警”，“高危”将区域内经销店的健康度划分为四个等级，实现以数据驱动经销店定位问题，对标分析原因，做出行动改善问题。

辅助决策的场景分为两个层级，第一层是通过各个阶段的业务数据指标溯源分析，通过目标与实绩对比，找到与标杆案例的差距点，从而辅助管理者更科学的决策，提升决策精准度；第二层是通过每一次的辅助决策形成全链路、分层级、可复用的业务管理模型，沉淀存储在策略库，并对策略进行标签化分类，在管理者收到业务诊断预警的同时智能推荐相应的策略，从而实现更加智能的辅助决策，提高决策效率。

对于全新构建DSS决策支持系统的车企来讲，应用初期肯定要先通过构建指标体系、搭建数据看板、开发自动预警能力、构建健康度评估模型以实现第一层级的辅助决策，即以决策者通过使用系统做更高效精准的业务分析洞察。

即先完成辅助决策闭环能力的搭建，提升决策精准度，再往智能决策推荐方向提升决策效率。以第一层级的辅助决策能力为例，系统要实现辅助决策需要构建“总部-区域-经销店”多层级的业务分析能力，将“线索-到店-试驾-订单-终端提车成交”过程透明化、可视化、打开过程黑盒，实现线索跟进战败分析、保客运营分析等全客户生命周期的决策辅助能力。

现阶段的数字化系统只能做到赋能业务决策，不能实现全自动的“分析规划-决策行动-效果评估-策略沉淀”一体化流程，因此结合业务场景和组织架构搭建闭环管理机制显得格外重要，这决定了“搭建DSS决策支持平台后是摆设还是真正的辅助决策”。

搭建闭环管理机制可以充分应用PDCA管理模型，即Plan分析规划—Do决策行动—Check评估效果—Act标杆策略沉淀。线上通过分析平均值和标杆值明晰提升空间，诊断问题原因，执行改善策略；线下构建PDCA闭环管理机制，决策者制定的改善策略分发给专人执行，并由监督部门评估效果，最终将有效的标杆策略沉淀复用。

最后还是回到数据驱动决策的实践来看，数据驱动决策是一种精细化的经营思维，可广泛应用于各个业务板块。DSS智能决策支持系统基于全客户生命周期的营销运营管理角度切入，以打通企业内外部数据构建指标体系和健康度评估体系为起点，构建PDCA管理机制为应用落脚点，实现业务增长为终点，以终为始，帮助车企直面“高企不下的获客成本”，通过精细化经营管理实现业绩增长。