2020中国汽车行业营销数字化转型.pdf

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 4.1. 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 2020 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% ， 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 2017 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 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 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。 2020 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 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：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