作者|毛任东
乐车邦托管事业部售后业务中心 总经理
期数:2115
前文分析了大数据在售后业务中应用的第一个方面——通过零部件推算单车产值(前文回顾→案例|4S店售后如何利用大数据计算单车产值)。同时,通过大数据还可以进行跨品牌对标,了解差距。
除了零部件的数据量庞大且繁复外,4S店还有哪些数据?有同仁会说,店内车辆最多。没错,本文将会以某一汽-大众4S店的数据为例讲述大数据的第二个应用——车辆信息大数据。
大数据应用之车辆信息大数据的应用
从图1数据来看,例如4S店客户够买的是哪些车型?宝来有多少台?高尔夫有多少台?车龄在1-2年的客户有多少?4S店的基盘客户中保养占比多少?事故车占比多少?都一目了然。
我们经常会针对客户流失查找原因,4S店通常的做法是给客户打电话以了解影响其流失的因素,如价格贵、距离远等。但换个思路想,4S店能否在不打扰客户的情况下,通过众多的信息抽丝剥茧寻找蛛丝马迹,精准打击,制定客户挽回方案?
很多4S店会针对3年以上流失客户举办活动,打8折、打6折等。但仔细想想,是所有车型的3年以上客户流失率都最高吗?是所有车型的客户都会流失吗?我们以图1为例来分析一下。
先看左面的图表,是按照流失客户数量做了排序。上一年度该店的基盘客户数量约为1.1万人,流失客户约为5600人,流失率为48%。细分来看,流失客户中约1500人为新宝来车主、NCS(速腾)流失客户约1100人、捷达流失客户约690人、迈腾流失客户约520人等,流失率各不相同,占比也不同。通过这样的表格分析,再做客户流失的活动是就会更有针对性,选择流失率大且流失占比也大的车主进行。
第二个是车龄,这也是一直困惑我的问题。我去过很多4S店,都存在与该店一样的问题:第一年流失率特别高。有些店总会解释因为车辆卖到了外地,但通常4S店所说的基盘客户是指到店进行过维修保养的客户,如果没有回厂根本不算。所以说,基盘客户是首保后才开始流失的。
再看图1中,该店第2年到第6年的流失率几乎一样,都是40%。也就是说,这几年客户流失率没有明显降低,也没有明显减少。而第6年到第7年直接提升了13个点至55%,后期流失率一直在55%以上。
接下来再看维修类别,流失率最高的是召回(“Z”)。第二个看首保(“0”),问总经理、服务经理造成流失的原因,发现他们从来没有关心过这个数据,他们不知道首保后的流失率接近50%。也就是说,有接近一半的首保客户被流失掉了。
得到这张表后我们会想,接下来的活动是不是要去分析新宝来的车主在哪一年流失率比较高?流失时是首保流失率高还是召回流失率高?单纯看一个维度,准确率相对较低。如果把车辆信息再结合客户信息,比如新宝来流失的车主里男女占比为多少?谁流失的更多?年龄在什么阶段?什么样的职业?距离4S店有多远?
数据越来越多,有些同仁会认为非常繁杂,但我认为只有了解的数据越多,才能对客户进行更为精准的分析,产品设计才能更加精准。举个例子,我们可以将新宝来车型的价格优惠力度与迈腾车型的优惠力度分别设定,针对2年和5年客户价格优惠也不同等。只有我们分析的越多,心里有体系,才能从无差别打击变为精准指导。
我相信数据的力量,数据是会说话的。只有不断的进行分析,客户画像才会越来越清晰。
联系客服