1、 中国汽车行业营销数字化转型（2020） 百步穿杨，化危为机 目录 管理层摘要. 1 1. 中国汽车行业正面临前所未有的挑战. 2 1.1. 外患严重，经济下行与国际形势影响下中国汽车市场持续低迷 . 2 1.2. 内忧突出，需求变化迫使车企与经销商尝试转变 . 2 1.3. 雪上加霜，新冠疫情全面影响汽车产业 . 2 2. 数字化转型：认清车企生死攸关的转折点. 4 3. 营销数字化：把握车企数字化转型的切入点. 5 3.1. 困难重重：车企数字化营销的困境 . 6 3.2. 如何成功：车企营销数字化转型的必要条件、最终目标和建设路径 . 9 4. 营销中台落地汽车行业的应用实践. 19 4
2、.1. 案例一：高效获客-提升营销活动管理效率 . 19 4.2. 案例二：精细运营-提升消费者体验和客户忠诚度 . 20 4.3. 案例三：内容管理-提升品牌长期价值 . 23 5. 营销数字化只是开始：营销中台对车企整体数字化转型的启示 . 26 6. 结语 . 28 报告作者及致谢. 29 关于明略科技. 30 关于恩亿科. 30 关于秒针. 30 关于倍比拓（beBit）管理咨询公司 . 30 2020 年 6 月 明略科技 1 管理层摘要 中国市场近年来历经新常态、贸易战摩擦等内外重大事件，宏观经济涨势趋缓。中国汽车行业更是连续两年销量下滑，面临前所未有之挑战。雪上加霜的是，随 20
3、20 年新冠疫情影响在全球范围扩张，汽车供应链受创，线下业务数月来难以复苏，中国汽车行业愈发艰难。 虽短期遇挫， 但明略分析表明未来汽车市场依然向好。 危中含机， 唯变可通， 车企只有拥抱数字技术，才能在全产业链上建立竞争优势，从而战胜挑战，赢得未来。千里之行，始于足下，数字化转型切入点尤为重要。营销因其天然信息属性已催生出成熟数字化产品，成为包括车企在内的大部分企业数字化转型的起点。 知易行难，车企营销数字化普遍遇到瓶颈，转化率持续走低。明略研究发现，问题的根本在于客户需求难以把握、数据赋能难以实现以及系统平台难以统一。欲解决这些挑战，车企首先要知行合一，一方面务必管理先行，制定并分解数字化
4、战略目标，建立相应执行组织与团队；另一方面应切实打好数据和系统基础，为进一步数据赋能创造条件。 实践出真知，明略拥有成体系的车企营销数字化转型方法论与操作步骤。通过数据与系统准备、分析洞察、闭环智能三大步骤，帮助企业建立营销中台，最终打造全链路在线、全数据运营及全流程智能的全面营销数字化能力，解决当下业务痛点，用数据持续驱动业务创新。 深耕多年，明略已帮助多家车企成功实现营销数字化项目落地，助其成就跨消费者生命周期的数字营销。 本报告遴选三个典型案例： 1） 高效获客， 完成营销线上各环节数据互通及营销活动分析、 决策、 执行、反馈等流程在线，提升营销效率；2）精细运营，通过运营数据发掘与流程
5、智能，自动、有针对性地围绕消费者完成多触点精细化运营，提升消费者体验和客户忠诚度；3）内容管理，通过内容数据化治理，细化内容标签，依据标签进行客户测试，根据测试结果优化投放策略，确保内容有效打动客户，提升品牌长期价值。 在实践过程中，明略深知数字化转型绝非简单地上一套系统，而是要同时建立起一套适应数据智能时代的管理理论和思维。它要求企业重视自身和客户的数据安全，树立设计思维，着手建设平台化矩阵式的组织结构，采用敏捷化工作方式，准备迎接人机协同的未来以及开始沉淀数字创新的企业文化。 营销中台可谓车企开启数字化世界大门的一把钥匙，车企通过项目实践，可从中感受到数字时代下全新理念、模式、组织及流程的
6、力量，从而做好准备，拥抱变革，迎接光明的未来！ 2020 年 6 月 明略科技 2 1. 中国汽车行业正面临前所未有的挑战 1.1. 外患严重，经济下行与国际形势影响下中国汽车市场持续低迷 经济下行，整体市场持续低迷。近年以来，随着中国经济进入新常态，宏观经济承压，增长速度放缓。2019 年中美贸易摩擦加剧， 进一步加大国内经济下行压力， 制造业受挫， PPI 同比增长率为负。 与此同时，国内 CPI 却持续上涨，经济增速下行与物价上涨双重因素导致 2019 年中国整体市场低迷。 贸易战加大不确定性，汽车制造业遭受冲击。2019 年中美贸易战逐步升级，5G、半导体、汽车工业等高端制造业成为双方
7、关注的重点领域。贸易战过程中的加税政策虽然只是短期手段，但贸易摩擦带来的不确定性却影响深远。尽管 2020 年 1 月份中美双方签署第一阶段贸易协议，局势有所缓和，但由于不确定性影响了市场参与者预期，截至目前，中国整车出口颓势并未大幅改观。 1.2. 内忧突出，需求变化迫使车企与经销商尝试转变 由于消费者需求受限，汽车销量持续走弱。一线及核心二线城市遭遇汽车保有量瓶颈，国六政策实施在即导致二三线城市消费者暂时观望，汽车消费需求整体下滑。这导致 2018 年中国汽车销量出现二十八年来首次负增长， 整体销量下降 2.8%。 而 2019 年中国汽车市场继续处于下行状态， 整体销量下滑达 8.2%，
8、中国车市处在“寒冬”之中。 尚有需求的消费者关注点也发生了变化，年轻一代购车者更信任新型数字营销，并要求车企与经销商提供新型数字科技服务。 特许经营、 总代理、 4S 店是中国汽车传统销售渠道模式， 其中 4S 店为主流模式，可表述为厂商-专卖店-最终用户。近年来，随着移动互联网的普及以及“数字原生一代”逐步成为购车增长主力，消费者在购车全过程中越来越多地借助数字化平台。据明略科技旗下独立品牌秒针系统调研发现，约60%的买家通过汽车网站完成品牌认识与筛选，未来消费者更习惯网购式体验。同时消费者也更加关注智能驾驶、一键停车、语音互动、车联网等科技服务。 为应对消费者需求变化，传统车企须以客户为中
9、心，建立从上游到下游、从内部运营到外部协同的综合性平台。车企在设计研发阶段就要以客户为中心打造新款产品；在生产制造过程中尽可能采取柔性制造的技术，以应对不同客户需求并提供部分定制化服务；在销售以及售后阶段更应针对客户诉求以及行为习惯及时进行调整。在产业链方面，车企、经销商、零部件商以及其它行业参与者，应建立统一协作平台，从单向线性转变为双向网络沟通，以便及时了解包括客户在内的全产业链参与者的相关意见和反馈。 车企与经销商唇齿相依，客户需求变化也使得经销商运营艰难，进而重视高附加值售后服务。传统经销商经营状况加速恶化，纷纷开始寻求转变。中国汽车流通协会公布，2018 年经销商新车毛利率从 201
10、7年的 5.5%下降至 0.4%，经销商亏损面从 2017 年的 11.4%增至 39.3%。进入 2019 年，除少数品牌外，经销商的新车毛利普遍为负，亏损面进一步加大。传统经销商已开始转型，从专注产品品质到重视售后消费者体验，依靠数字化技术提供更好的附加价值服务，并且开始尝试用数字营销技术保持对消费者的全周期关注，从而获得长期回报。例如，经销商通过微信小程序开启在线看车、保养提醒与在线预约、一键呼叫救援以及故障在线咨询等服务。 1.3. 雪上加霜，新冠疫情全面影响汽车产业 2020 年 6 月 明略科技 3 2020 年初突发新冠疫情对中国经济以及汽车产业产生巨大冲击。发改委新闻发布会公布
11、 2020 年一季度国内生产总值下降 6.8%，近 20 年来首次为负。疫情导致中国汽车产业全面受挫，2020 年一季度汽车制造业工业增加值同比下滑 26%， 为降幅最大行业。而汽车产业又是中国经济的重要支柱之一， 2019 年汽车产业占全国 GDP7%，占全国社会消费品零售总额 10%，再考虑到其约 2.5 倍的产业拉动效应，汽车产业市场恢复情况对疫情之后全社会经济复苏有着至关重要的作用。 疫后消费虽有“恢复性”反弹，但全年汽车销量预计仍会下跌 10%左右。由于疫情期间部分刚性汽车消费受到抑制，在疫情之后这部分汽车消费可能会集中爆发，形成“报复性消费”。但业内专家普遍认为疫情导致的经济增速下
12、行与消费紧缩仍会持续影响今年汽车消费者的购买能力，因此汽车销量可能要到下半年才能恢复 2019 年同期水平，而上半年的损失则无法全部挽回，2020 年全年汽车销量跌幅或超 10%。 2020 年 6 月 明略科技 4 2. 数字化转型：认清车企生死攸关的转折点 汽车行业的未来依旧光明。虽然汽车销量连续两年下降，但明略分析表明此为产业调整与转型阶段，长期来看中国汽车市场仍有望再续增长。具体而言，增长动因主要有以下三点：一是中国人均 GDP 与人均可支配收入未来将持续增长，这将继续带动消费升级与消费增长。二是一线城市因交通密度限制而增长变缓，但占据中国大部分人口的二三四线城市以及农村地区将释放更大
13、的市场购买力，成为后市增长主要驱动力。三是海外市场潜力巨大，2019 年中国出口汽车 122 万辆，占全国产量 5%左右。随着中国汽车产业链竞争力的增强、海外投资的加大以及对一带一路国家影响的深化，海外市场有望成为中国汽车行业新的增长点。 虽然行业前景光明，但并非所有车企都可以熬过当前的寒冬。车企只有凭借数字化技术，才能战胜挑战，在全产业链上建立技术优势并赢得未来： 数字化助力研发设计，加速迭代升级。数字化协同研发与数字孪生仿真将成为汽车研发的主要创新模式。数字化协同研发通过统一平台将设计公司、供应链、车企、销售、技术服务公司以及消费者等全产业链参与者协同起来，从而保障功能设计、及时上市以及客
14、户满意度。数字孪生仿真可以通过虚拟方式在产业链中对零部件信息进行传导与模拟仿真，从而缩短验证时间、加快开发流程。 数字化优化制造流程，使其更高效更智能。在供应环节，数字化技术可以使供应链信息传递从以前的单向线性系统升级为双向网络系统，从而优化供应链管理，打造柔性供应链，并实现产业链协同。在制造环节，工业机器人的大量使用，在保证制造质量的同时，逐步降低生产成本。数字化技术也帮助实现制造工厂内外部各类信息与设备实时交互，从而使柔性制造、客户化定制成为可能。 数字化赋能销售，开拓销售渠道与优化营销策略。在销售方式上，汽车超市、汽车电商、直播卖车等新零售模式兴起，丰富了汽车销售渠道。在营销方式上，数字
15、化技术可以定量分析线上线下多种媒体广告对目标客户群的具体效果，匹配最优营销组合方案；还可以进行消费者洞察，结合模型能力，实现千人千面的个性化推荐。 数字化拓展科技服务，提升客户驾驶体验。随着技术发展，购车者对于数字化驾驶体验将会越来越重视。 一方面新技术可以让汽车驾驶全流程更加智能便捷， 比如一键停车、 车位预约、 加油充电网络等服务。尤其是自动驾驶技术以及人-车-路-云的车联网技术，综合运用了 5G、AI、云计算等新兴技术，将重新定义汽车驾驶这一概念。另一方面汽车车内空间作为个人的独立空间，语音交流与控制、大屏幕信息展示、智能导航等全面数字化服务可以更好提升客户的驾车体验。 数字化加强售后服
16、务，为客户提供更便利、更定制化的服务。数字化技术协助车企与经销商深度挖掘客户购车、用车、维护等环节相关数据，从而提出更有针对性的定制化服务以及预测性的维护保养方案。例如，经销商为客户提供 O2O 服务线上下单与线下上门取车、还车等到户服务，打通线上线下的信息及服务交互。 汽车产业进入数字时代是大势所趋，故汽车企业开展数字化转型势在必行。车企积极拥抱数字化，对于龙头企业而言，可以保持领先、强者愈强；对于后起之秀而言，有望实现异军突起、弯道超车。在当前汽车产业调整与转型的重要时期， 只有拥抱变革， 积极进行数字化转型， 中国车企才能不被时代大潮所弃，逐步建立技术护城河，迎接光明的未来。 2020
17、年 6 月 明略科技 5 3. 营销数字化：把握车企数字化转型的切入点 营销数字化通常是企业数字化转型的入口。首先，营销的本质是消费者跟广告之间的信息匹配，其天然具备数字化基因。消费者的特征信息，可以通过互联网中大量消费者行为数据，在保护好隐私安全的前提下，进行抽象化与数据化，助力企业更好地了解客户。企业广告的内容、创意、后台的产品信息，亦可做结构化与数据化处理。在需求侧与供给侧皆量化的条件下，营销环节可形成数字、流程与监测的全面闭环反馈。其次，从营销入手，除积累数据资源外，还可储备人才。比如宝洁、联合利华等世界 500 强品牌，很早就开始互联网广告投放， 拥有丰富的经验， 并在此期间培养了大
18、量的既懂营销、 又懂数据分析的人才，为公司整体的数字化转型奠定了坚实基础。 并且车企应进一步加大营销数字化的投入， 原因有三， 首先我国汽车行业的数字化营销已有一定基础。汽车作为高端工业消费品，其品牌营销对于产品增值至关重要，加之营销试错成本较低，汽车行业因此普遍认可“营销切入”的观点，并持续投入数字营销。赛迪汽车报告显示，2017 年车企数字营销投入为 127.8亿元，2018 年为 153.4 亿元，2019 年达到 185.5 亿元。据明略科技旗下独立品牌秒针系统估算，2021 年汽车广告主在数字媒体的营销预算投入预计可达总预算的 55%。 在此基础上，营销数字化转型仍需加速，因为数字营
19、销需求已经由“重要不紧急”变为“重要且紧急”。疫情前，虽然车企关注并投入数字化营销，但传统线下活动仍是车企与经销商的主战场，数字营销只是锦上添花。但疫情后，线下活动停摆，具备数字营销能力的车企能够快速对接平台，转换战场，抓住商机；而不具备该能力的车企基本束手无策。随着消费者购车习惯的重塑，营销数字化能力已至关重要。 此外，对车企而言，可借中国本土移动互联网之势，把握数字化营销在全球市场的发展机遇。天然的数字化特征使汽车营销很快沉淀出较为成熟的产品与技术。 尤其在中国， 移动互联网普及率已是世界领先，车企无需再投入大量资源培养消费者习惯，同时行业内外还有大量数字营销实践可以借鉴，这样的市场环境可
20、谓孕育、验证数字营销的沃土。中国汽车市场的数字营销快速布局，有利于将来在全球市场的推广。而这不仅具有短期的经济意义，长期来看也有助于本土车企和合资公司在全球市场建立品牌影响力。 2020 年 6 月 明略科技 6 针对营销数字化的投入，最终可助力车企全面数字化转型。营销数字化不仅可以助力车企营销业务，还会为企业带来全新的理念、模式和流程，引导企业做好数据汇聚、治理、开发、应用等工作，为企业全面数字化转型打好基础。 3.1. 困难重重：车企数字化营销的困境 数字化转型初期，车企普遍遇到了数字化营销的瓶颈，具体体现在数字营销方式逐步同质化、销售线索质量下降、转化率持续走低等。面对销售压力和低迷的市
21、场环境，短期营销效果的缺失会使车企对持续投入产生质疑和退缩，瓶颈迟迟难以突破。明略追根溯源，发现车企营销数字化转型的主要挑战在于客户需求难以把握、数据赋能难以实现以及系统平台难以统一。 客户需求难以把握 客户心智本就难以把握，即使抓住其心智变化，汽车消费者复杂的决策路径和购车时周围信息环境的影响均会进一步增加其购车需求的不确定性。 多变的关注点消费者关注点不断改变，难以抓住其当下心智变化。例如，随着出行行业发展，越来越多年轻消费者倾向于租车，不再认为买车是刚需。又如，消费者对产品的关注也从“驾驶感”向“掌控感”倾斜，对车联网等数字化功能要求越来越高，实现手机控车将是一大卖点。此外，消费者需求在
22、疫情前后发生跃变，“及时行乐”心态在疫情后主导消费者购车意愿。消费者更愿意“享受美好生活”，对维修、优惠、安全等话题讨论度提高，同时豪华车关注度的复苏情况也高于行业平均。 2020 年 6 月 明略科技 7 多样的决策路径即使抓住客户心智变化，多样的决策路径也增大了其购买决策的不确定性。据明略科技旗下独立品牌秒针系统调研发现，消费者在产生购车需求后，会通过多途径获取信息，同时评估多个车型92.0%购车人先以多个品牌为目标， 对比后选择最适品牌与车型。 针对购车这类大额支出， 消费者会在评估过程中更加谨慎，出现从初步了解、到产生兴趣、到深入了解后又重新评估的情况，甚至会在整个过程中改变购买需求多
23、达 42.2%的购车人在最终决策过程中改变过主意。 复杂的决策影响消费者购买决策易受他人影响。在做购车决策时，由于汽车消费的高客单价，往往是多人参与决策。若营销内容局限于最终购车的小范围目标客群，则营销效果难以达到预期。明略调研发现，34%的购车决策是由多人参与共同决定的，尤其是家庭购车过程中，伴侣、亲友都会参与其中并影响最终决策；56%的购车人会考虑亲友的意见，购车过程中消费者所处圈层的人群意见对车型选择有较大影响。决策过程中，产品、品牌、价格和服务等因素均是购车主要考虑因素，且针对不同人群，重点考虑因素均不同。因此，营销目标客群应该远大于其销售目标客群，且营销内容也应该随客群而变化。 20
24、20 年 6 月 明略科技 8 数据赋能难以实现 明略实践发现，车企营销数字化转型过程中数据赋能难以实现，主要受三种因素影响，包括全链路数据不通、多源数据标准不统一以及模型与企业自身不适配。 消费者全链路数据不通。汽车营销过程触点众多，消费者信息数据、行为数据、车辆数据难以统一，使车企整合消费者画像受阻，营销投放难以聚焦。汽车销售涉及参与者众多，包括母公司、合资公司以及经销商等，这些主体各自为政，数据互不相通。由于数据归属不同、应用场景有限和频率较低，导致车企缺乏细分的人群切割维度，难以整合全方位的消费者画像。而粗略的人群切割和模糊的消费者画像使广告投放无法聚焦，执行过程中只能“刷量”，最终造
25、成了营销资源的浪费。 多源数据标准不统一，直接使用效果较差。即便数据割裂问题解决，数据标准的不统一也将影响数据使用。车企内部的业务系统与外部的数据采集技术厂商的数据结构通常无法直接对齐，导致出现同一实体的字段命名不统一、参数取值规范不尽相同等情况；从而增加了应用场景中的数据-业务关系解释成本，提高了错误数据和复杂数据的检查难度， 最后导致数据的正确性难以保障。 “脏乱差”的数据不仅无法为业务赋能，反而可能误导企业。 模型与企业实践不适配。基于模型的人工智能技术可提升营销活动的分析洞察能力以及与消费者互动的智能化程度，从而创造更高的业务价值。但很多企业在选择算法构建模型的过程中，主要依赖外部通用
26、经验， 无法根据自身业务需求和数据现状， 进行算法对比选型或者模型优化， 导致模型与企业实践不匹配，无法为业务提供更深层的洞察或者更智能的优化。 系统平台难以统一 数据的沉淀、整合、治理、应用都要依托于系统平台，但车企的系统平台长期割裂，带来了严重的数据孤岛和执行断点问题。 平台割裂的本质是组织的割裂， 然而欲通过统一组织系统来解决数据与平台问题，其阻力可想而知。 2020 年 6 月 明略科技 9 汽车行业数据孤岛之所以成为“顽疾”，主要归因于其营销和销售涉及到的多个分散的业务系统。长期以来，车企在管理营销活动和销售活动时，需要密切对接各类服务商，例如媒体代理商、渠道商、客服服务提供商等。而
27、每一类对接主体几乎都有一套独立的业务管理系统，众多分散的系统使数据整合与治理成为浩大的工程。 系统割裂造成的另一问题是业务执行的断点。即使数据打通了，但要想实现数据对业务长期、持续地赋能，也必须解决系统割裂的问题。数据模型要求根据业务表现的闭环反馈进行自我迭代，但割裂的系统导致闭环反馈只能人为执行，效率与准确性都会遇到瓶颈，即“执行断点”。旧系统的割裂本已使得闭环反馈不易实现，如果不去统一各类系统，而为了某项业务增加新的系统，企业也许会在部分业务上获得短期收益，但会为将来构造闭环反馈系统制造更大的困难。 要解决系统割裂问题，必须釜底抽薪，从组织体系的平台化开始，打造中台型组织。汽车行业利益相关
28、方错综复杂，组织革新难以一蹴而就。即使是关联密切的销售和营销体系，其间也存在严重的矛盾与割裂：传统营销基于以销售线索为导向的 KPI 体系，与实际销售结果存在严重断层；而传统销售主要考虑与经销商的渠道合作，缺乏数据合作，经销商也缺乏提供数据的意愿和能力。销售与营销的割裂阻碍了车企对消费者长期体验和价值的管理。不管是改变营销 KPI 体系，还是解决与经销商的商业合作模式，都牵扯到大量利益分配问题，解决起来可谓错综复杂，举步维艰。 3.2. 如何成功：车企营销数字化转型的必要条件、最终目标和建设路径 面对营销数字化转型的重重困难，车企不得不攻克数据孤岛、系统割裂等顽疾，经历内外部整合的阵痛。这需要
29、车企管理层坚定决心，通过自上而下的管理，确定营销数字化转型目标，推动举措落地，并指导实践。而在实践过程中，管理层则必须了解转型是长期的过程，应该从最根本的数据和系统问题开始，打好地基、逐一击破，最终改变传统业务模式，用数据驱动业务创新，优化客户体验。 必要条件：管理先行，战略制定与执行团队组建 管理先行要求车企通过自上而下的目标制定、目标分解、优先级排序来做高层次的全局谋划，使企业2020 年 6 月 明略科技 10 内部各组织万众一心。 1) 全局谋划需要首先确定“合力方向”，而系统性的现状诊断是确定方向的有效途径。“系统性”体现在两个层面：一是全面评估自身营销数字化能力，以明略的营销数字化
30、现状诊断工具为例，评估模型从企业顶层的数字化意识，到企业资源层面的数据资源与营销中台，再到企业业务层面的数字化实践，自上而下均需涵盖；二是清楚其各个能力正处于在行业什么位置，可借助明略等第三方机构与行业平均对标，做差距分析，以求夯实强项，补齐短板。 2) 找到方向后，还需将总体目标分解，明确具体的战术举措和优先级。车企组织系统庞大，因此需要将目标分解到不同组织板块，明确各组织板块的发展对策和战术举措。接着，依据各战术举措的重要程度与难易程度确定执行优先级，从重要且简单的速赢业务着手，再做重要而复杂的，以此类推。 根据优先级， 车企应该坚定不移地推进相应的管理举措。 结合车企营销数字化的挑战和行
31、业所处阶段，以下三方面的管理举措适用于目前大部分车企： 1) 针对客户：在营销互动中洞察需求，强化消费者生命周期，贯彻“数据赋能”。 利用消费者生命周期管理理念，创造更多客户体验场景，试探客户反应，从而了解其偏好。比如，车企可设置净推荐值（NPS, Net Promoter Score）等体验指标（详见下文“NPS 管理特别篇”），从客户体验出发设计新的数字营销模式，并根据客户反馈迭代更新。 对于购买决策时多因素的影响，一方面应从多方获得更加齐备的信息以强化对消费者的全面认知，另一方面需要利用机器学习、深度学习、知识图谱等人工智能技术持续探索，以提高预测精度，实现针对性营销。 2) 针对数据：
32、在处理数据过程中，应着手打通数据，治理数据，并积累行业专精。 首先要打通数据：即使是从营销数字化入手，管理者也应以高于营销的远见卓识，构建具有通用性的基础数据处理能力，并通盘统筹各部门数据的开放与打通。 其次要完成数据治理：数据打通汇总完成后，需要对数据进行口径一致、命名一致、算法一致的规范定义与整理。在此过程中数据治理人员应与业务部门紧密合作，确保治理的结果对业务有指导意义。 最后要积累行业专精，适配企业业务：从现在开始使用数据指导业务，创造数字化人才与业务专家的合作契机，使业务专家熟悉数据驱动业务的方式，提出更合乎实际的 IT 需求，而数字化人才也能不断构建适合汽车行业特点、甚至适配车企自
33、身的模型，使数据的分析应用能够符合业务需求。 3) 针对系统：在系统统一过程中，设计应着眼长远，执行应切实落地。 在设计系统平台的过程中， 需要管理者着眼长远。 第一要统一： 使用统一的架构规划和业务管理系统，做到既能短时间提高管理效率，又能很好的组件化；做到不过度设计、不重复开发，和其他业务系统实现打通。第二要完整：坚持数字化项目“数据采集-数据治理-数据赋能-业务应用-闭环反馈”的完整流程，优化平台闭环能力，为长期、持续的数据赋能奠定基础。 2020 年 6 月 明略科技 11 车企需要明确营销数字化转型的责任主体，制定合理的组织目标、配套考核和激励机制，优化组织内的协作流程。明略建议车企
34、在转型初期成立专门的数字化转型领导小组与敏捷化实施团队，统一指挥协调各个业务转型步调，以支持长短期目标的快速调整与匹配，统筹推进数字化转型落地，将“业务孤岛”连接成“平台大陆”。 消费者生命周期的体验管理-NPS 管理特别篇 消费者对车企闭环管理的感知遍布其消费生命周期， 要实现以消费者为中心的闭环管理， 有效延续消费生命周期， 车主与品牌之间的每一次线上及线下交互体验都应该被精心设计、 持续追踪及迭代优化。 针对消费者生命周期管理， 建议车企除了营销数字化转型外，应进一步做到以消费者为中心的“体验转型”，实现售前、售中及售后体验的端到端管理。 鉴于消费者生命周期管理是一个全链路客户旅程地图的
35、设计、监测及优化的过程，我们建议车企导入客户体验北极星指标NPS 来协助管理全链路的旅程地图。NPS 是询问客户 0-10 分的推荐度，9-10 分为推荐者，7-8 为中立者，6 分以下为贬损者，推荐者比例减去贬损者比例为一家企业的净推荐值分数。一家车企的 NPS 反映了其设计及管理客户体验的能力。 车企亟需由“以销售为中心”向“以客户为中心”转型。 提升 NPS 到底有什么商业价值？以 2015 年开始与倍比拓合作的某日系大型汽车集团为例，在完整的消费者生命周期里，推荐者比贬损者的购车辆数高出 27.8%、购车金额高出 11.2%、购买汽车相关衍生商品上（包括车险及贷款等）高出 70%、平均
36、真实推荐该品牌给亲朋好友的次数上高出 5 倍。推荐者对车企更积极的推荐，打造更优质的品牌口碑，从而为车企带来更高商业利益。 善用 NPS 来管理全链路的客户体验地图。 Step1 建立旅程地图 透过客户视角画出客户旅程地图是 NPS 体验管理的第一步，帮助企业理解每个体验环节下的亮点及客户痛点，并梳理每一个体验下的驱动要素。举例来说，在“销售体验”环节可能影响该体验的好坏包括 1）销售人员的态度，2）销售人员是否能针对客户需求进行推荐，3）销售人员对于产品专业的了解等。这些要素左右了客户对于当下体验环节的感知，我们称为驱动要素。 2020 年 6 月 明略科技 12 Step2 建立关系性 这
37、个环节通过定量分析分别建立一级 NPS 指标与二级旅程体验，二级旅程体验及三级驱动要素的回归关系。回归系数越高表明该体验/驱动要素对客户体验越重要。只要车企持续监测及优化这些重要体验，NPS 分数就会提升。 Step3 监测客户感知数据 驱动要素与企业内、 外部数据做串联后， 可评判企业目前客户体验现状。 内部运营行动数据 （O-Data） 指客户留下的“痕迹”，如财务数据、转化率、跳离率，重复购买次数等，这些数据描述客户在使用产品或服务的过程中已经发生的行为。外部体验感知数据（X-Data）指客户的感知反馈，如 NPS 净推荐值，客户满意度，品牌喜好程度等，它告诉企业客户为什么会有这些行为。
38、O-Data 和 X-Data 结合，可告知体验的表现。 以“门店体验比较”这一环节为例。该环节重要的驱动要素包括了 1）销售人员态度亲切，推介基于客户需求；2）购车/金融方案灵活丰富，条款清晰；3）4S 门店环境舒适，陈列/展示方便体验等。企业需要找到可以代表这些驱动要素的 O-Data，比如各销售人员销售车辆数，4S 门店销售车辆数，客户驻留 4S 门店时长，销售人员被投诉次数等，并采集有关这些驱动要素的 X-Data，包括客户对【销售人员的答疑专业、易懂】体验的满意度评分，对【销售人员态度亲和】的满意度评分，及【销售人员依照我的需求进行推荐】的认同程度评分等。 2020 年 6 月 明略
39、科技 13 Step4 优化及迭代 针对不佳的体验环节，企业可展开以客户为中心的设计思维方法论来解决客户痛点，进行线上及线下解决方案的原型设计和测试迭代。 总结 NPS 管理体系从客户视角帮助车企执行体验转型的依据，并可以追踪及监测体验的改善状况，久而久之将形成客户体验优化的闭环，最终为车企创造出以顾客为中心的组织及文化。 同时，NPS 管理体系能替车厂持续“制造”高价值用户及忠实粉丝， 他们会支付更高的价格以换取更好的服务质量， 并变成品牌的推荐者。体验管理体系有助于提高整车厂运营的绩效，带给客户美好体验，消费者生命周期随之延长，打造车企的“体验经济”的竞争壁垒。2020 年 6 月 明略科
40、技 14 目标与路径：三大步骤打造全面营销数字化能力 企业营销数字化转型的最终目标是建立全面营销数字化能力，即全链路在线、全数据运营和全流程智能，解决实践痛点，最终成就跨消费者生命周期的数字营销。链路在线是数字化的基础，实现原始数据的累积和流程的线上走通；数据运营实现数据和行业知识相结合，形成执行与反馈闭环，是数据赋能业务、指导业务的基础；流程智能用于提升效率，改善效果，是驱动营销数字化持续优化的动力引擎。营销数字化是一个综合管理能力，需要在这三方面齐头并进，单一数字能力无法解决实践中的问题。故而，每个营销数字化项目的落地，本质上都是在不断推进这三个方向协同发展。 为打造全面营销数字化能力，企
41、业需要通过营销数字化项目实践，按照数据与系统准备、分析洞察以及闭环智能三大步骤逐步推进，最终打造营销中台。其中，数据与系统准备是整个项目基础，完成原始数据累积，为下一步应用打好基础；分析洞察是通过数据提升对业务的认知，发现问题并找到解决方法的过程；闭环智能是在分析洞察的实践基础上，构造闭环能力，将策略对业务的影响通过数据反馈，再分析，再优化，最终实现不断自动优化。 2020 年 6 月 明略科技 15 1) 全链路在线，全面提升营销运营效率 全链路在线不仅指营销活动和消费者互动的数据在线，为营销中台提供基础数据；也包括业务部门的流程在线、分析在线与决策在线，提升运营效率；最终在链路中实现闭环反
42、馈，即优化在线。 对于大部分车企而言，数字与流程在线、分析与决策在线和优化在线可显著提升营销全周期的运营效率，具体分析如下： 数字与流程在线 数字在线是指营销活动在线和消费者行为数据沉淀。营销活动在线范围正在扩大，随着技术发展，除了硬广在线（包括传统 PC 和移动端页面广告、数字电视广告、户外广告和音频广告等），软广（比如社交网络 KOL、综艺节目赞助等）也可数字化和可评估。消费者行为数据沉淀则通常包含了身份标识（后称ID）、时间、行为、对象、基础指标等信息的积累。 流程在线一方面指各个线下业务流程的线上化，使业务处理效率、过程和结果可控、可追溯；另一方面也包括前后流程环节的在线打通。 数字与
43、流程在线是营销数字化的第一步，在数据与系统准备阶段实施。对于数字在线，需要通过应用程序接口（API）、文件传输协议（FTP）以及人工导入等方式对接多种数据源，获取线上系统数据，例如广告数据、官网数据、小程序数据以及客户关系管理（CRM）数据等。传统的线下车展或者门店活动也可通过二维码等移动互联网技术实现部分数字在线。对于流程在线，简单流程可用一些常规线上协作工具完成，复杂流程则需构建专门的业务系统加以实现。 分析与决策在线 分析与决策在线是指将营销中的分析与管理活动进行线上化，其作用有两点：一方面使得分析与管理的进程与结果可以实时传递给活动其它参与者，以便及时配合与反馈；另一方面也将相关数据记
44、录在案，便于下一步运用大数据技术进行优化与智能化。 分析与决策在线需要基于数据与流程在线相关工作，在分析洞察阶段实施。首先需要构建数据仓库，以管理和定时更新需要分析的数据，然后将常用分析方法在线化，形成简便易用的工具，比如转化漏斗、归因分析、消费者路径分析等。管理人员借助这些工具即可完成相关在线分析，并以此为基础构建业务系统的线上流程，最终实现在线决策与在线执行。 优化在线 优化在线指将传统线下优化方案的产出过程和执行过程都线上化和自动化，例如将优化预算分配的经验模型沉淀为在线工具，定时更新数据以产出优化方案并指导预算分配。 优化在线是方案执行后的反馈优化过程，在闭环智能阶段实施。在后台管理系
45、统和营销活动执行系统线上打通后，车企可通过人为制定、规则管理、算法智能等方法生成一系列优化触发条件和执行策略，最终实现优化在线。 2020 年 6 月 明略科技 16 2) 全数据运营，软硬兼施，人才培养 全数据运营是指对营销各阶段相关数据的处理与应用，包括前期准备过程中的数据打通与治理、中期数据-业务关系梳理中的可视化分析与标签赋能，后期数据闭环反馈中的营销效果对比分析。全数据运营同时应关注三个方面，一是业务层面数据运营设计数据模型，进行数据治理，满足业务场景；二是数据运营本身的流程管理规范数据开发和使用流程，保障数据使用安全，提升开发效率；三是全数据运营也应注意对企业中数据运营和开发人员的
46、培养，使企业有能力去践行全数据运营的相关要求。 对于企业而言，从数据积累到数据应用需要经历必不可少的三个步骤：数据打通与治理、数据可视化与赋能以及数据闭环： 数据打通与治理 数据打通是指对来自不同业务系统的数据需要进行 ID 打通， 以实现对消费者跨渠道跨触点的可识别与可追踪。例如打通客户关系管理系统中的客户数据、媒体广告数据、官网数据以及微信数据，从而了解消费者从广告互动到留资再到成交的完整路径。 数据治理主要包含数据标准化过程以及数据建模过程。 其中， 多源异构数据的标准化处理是重中之重，营销中台采用多种对接技术和数据存储结构实现多源数据的统一管理。对于文本和图像等非结构化数据，还需对其做
47、结构化，以补充可分析的数据维度。 数据打通与治理是后续数据应用的基础，在数据与系统准备阶段完成。数据打通过程可依赖规则和算法实现。对于来源少，维度少的数据治理可采用轻量级数据处理工具（ETL），而来源多或维度多的数据治理则需专门的系统工具。数据打通与治理可解决数据割裂与标准不统一的问题，使数据达到可用状态。 数据可视化与赋能 数据可视化指在数据完成抽取、清洗、储存后，获取业务关键指标，通过可视化技术使客户直观了解数据自身情况以及数据所代表的业务及管理情况。 数据赋能指针对业务场景，完成维度和指标的定义、标签的提取、人群的圈选等数据萃取过程，从而为分析洞察提供数据基础以及为营销活动提供决策支持。
48、 数据可视化与数据赋能是基于可用的数据，在洞察分析阶段实施的。数据可视化过程首先依赖业务专家根据需求进行数据梳理以及可视化表达设计，例如选择基础图表、设计多视图关系、运用动画等，然后使用图表或动画组件等前端技术方式实现。数据赋能主要通过提取数据标签来实现，其过程需要建立数据关系， 套用算法模型， 借助大数据计算能力， 形成各类标签。 标签体系既包含消费者自身属性的静态标签，也包括数据萃取和建模构建出的动态标签，例如消费者转化流失风险标签。 数据闭环 数据闭环指在流程执行结束后， 将执行效果与对照组对比分析， 依据结果对模型参数进行反馈与调整。只有完成数据闭环，模型与系统方可不断进行调整优化，使
49、其更适应车企与业务特点。 数据闭环是数据运营的最后一环，在闭环智能阶段实施。需要全面监测和采集业务系统执行效果相关数据，然后通过软件开发工具包（SDK）/应用程序编程接口（API）方式回流到数据管理系统和业务系统，2020 年 6 月 明略科技 17 为系统优化提供数据支持。 3) 全流程智能，提升投放效率，降低决策风险 全流程智能是根据营销数字化项目不同阶段，进行针对性的智能化应用，包括初期数据治理完成后的智能探索、中期基于数据标签的智能分析与预测以及后期基于数据执行结果的智能推荐与优化。智能探索可挖掘数据维度和指标关系，提升数据价值。智能分析与预测可通过历史数据训练算法模型，结合动态数据进
50、行分析，提升预测准确度。智能推荐可对消费者、内容、渠道、时间多个因素进行综合考虑并进行自动投放，提升投放效率。智能优化则根据营销结果对营销决策模型进行连续优化，降低决策风险。通过全流程智能， 企业员工还可近距离了解人工智能等新兴技术的特点与工作模式， 从而进一步激发数字化思维，加速车企创新。 通过智能探索、智能分析与预测、智能推荐与优化，可助力精准营销，实现千人千面的个性化推荐，具体分析如下： 智能探索 智能探索指借助算法、大数据等手段，透过数据表象，挖掘更具业务价值的信息和一些隐性关系。例如通过一些聚类分析方法探索作弊流量特征等。智能探索突破了传统探索方式的局限，比如对专业人员的过度依赖、对
