廖甜匯　黎飛　張森　張亮

摘 要：國(guó)內(nèi)新能源汽車售后服務(wù)市場(chǎng)起步較晚，用戶滿意率不高，服務(wù)體系亟待完善，在大數(shù)據(jù)的時(shí)代背景下，跳脫出固有的被動(dòng)服務(wù)的思維模式，借助信息化的強(qiáng)大力量刻畫用戶畫像，構(gòu)建符合時(shí)代發(fā)展和用戶個(gè)性化需求的主動(dòng)推薦售后服務(wù)系統(tǒng)，由“用戶主動(dòng)預(yù)約”向“主動(dòng)預(yù)約用戶”轉(zhuǎn)變，扭轉(zhuǎn)我國(guó)新能源汽車售后服務(wù)市場(chǎng)態(tài)勢(shì)，將成為我國(guó)新能源汽車售后服務(wù)發(fā)展的一大趨勢(shì)。

關(guān)鍵詞：新能源汽車 個(gè)性化推薦 大數(shù)據(jù) 售后服務(wù)

Personalized After-sales Service Recommendation System for New Energy Vehicles based on Big Data

Liao Tianhui Li Fei Zhang Sen Zhang Liang

Abstract：The domestic new energy vehicle after-sales service market started late， the customer satisfaction rate is not high， and the service system urgently needs to be improved. Under the background of the big data era， the purpose of the article is to break the inherent passive service thinking mode and use the powerful power of information to portray users portrait， and construct an active recommendation after-sales service system that meets the development of the times and the individual needs of users， and transform from "users actively making reservations" to "actively making reservations for users"， so as to reverse China's new energy vehicle after-sales service market， which will become a major development trend of China's new energy vehicle after-sales service.

Key words：new energy vehicles， personalized recommendation， big data， after-sales service

1 引言

隨著我國(guó)經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展的新時(shí)期，我國(guó)新能源汽車行業(yè)的發(fā)展也逐步由政策驅(qū)動(dòng)型向市場(chǎng)驅(qū)動(dòng)型轉(zhuǎn)換。此外，5G時(shí)代的到來(lái)不斷推動(dòng)著經(jīng)濟(jì)以及相應(yīng)計(jì)算機(jī)技術(shù)的跨越式發(fā)展，各行各業(yè)都在努力探索現(xiàn)代計(jì)算機(jī)相關(guān)技術(shù)在自身所在行業(yè)中的應(yīng)用。在新能源汽車市場(chǎng)進(jìn)入紅海廝殺期的大背景下，新能源汽車廠商的服務(wù)水平也成為用戶選購(gòu)汽車的重要考量因素之一，其中，售后服務(wù)作為企業(yè)服務(wù)的主要內(nèi)容也受到越來(lái)越多的關(guān)注，此時(shí)傳統(tǒng)的被動(dòng)式售后服務(wù)的局限性也不斷顯現(xiàn)。因此，如何在大數(shù)據(jù)時(shí)代背景下，主動(dòng)脫離傳統(tǒng)低效的被動(dòng)式售后服務(wù)，利用計(jì)算機(jī)相關(guān)技術(shù)為用戶提供更具競(jìng)爭(zhēng)力的主動(dòng)式售后服務(wù)已經(jīng)成為新能源汽車廠商思考的重要問(wèn)題。

2 被動(dòng)式售后服務(wù)和主動(dòng)式售后服務(wù)

汽車制造商、經(jīng)銷商、維修商、零部件供應(yīng)商和汽車用戶共同組成了汽車售后服務(wù)的價(jià)值鏈[1]。在大數(shù)據(jù)的加持下，汽車售后服務(wù)業(yè)呈現(xiàn)出被動(dòng)式服務(wù)和主動(dòng)式服務(wù)的兩極發(fā)展，與其他行業(yè)的售后相比，汽車售后服務(wù)具有持續(xù)性較強(qiáng)，利潤(rùn)較為豐厚，服務(wù)具有重復(fù)性，服務(wù)分工向逐漸細(xì)化發(fā)展，售后服務(wù)體系趨于體系化等特點(diǎn)。

在現(xiàn)有的市場(chǎng)服務(wù)體系下，我國(guó)新能源汽車售后服務(wù)長(zhǎng)期處于被動(dòng)提供服務(wù)的狀態(tài)，各廠商在用戶的請(qǐng)求或要求下，才被動(dòng)地去滿足用戶需要的服務(wù)，以服務(wù)供應(yīng)為核心和主要推動(dòng)力，服務(wù)效率低下。隨著新能源汽車市場(chǎng)進(jìn)入紅海廝殺期，各新能源汽車廠商也紛紛探索以用戶為中心的主動(dòng)式售后服務(wù)，希望通過(guò)優(yōu)化售后服務(wù)，來(lái)增加用戶粘性。通過(guò)收集整合用戶信息，總結(jié)預(yù)測(cè)用戶需求，并通過(guò)恰當(dāng)?shù)姆绞铰?lián)系用戶，為用戶主動(dòng)推薦相應(yīng)的服務(wù)信息，這種主動(dòng)向用戶推薦售后服務(wù)的主動(dòng)式服務(wù)既能及時(shí)有效的滿足新能源汽車用戶的需求，又體現(xiàn)了新能源汽車售后服務(wù)商以用戶為中心的服務(wù)理念，高度契合汽車售后服務(wù)市場(chǎng)要求。因此，在大數(shù)據(jù)時(shí)代背景下，探索一種及時(shí)高效的新能源汽車售后服務(wù)推薦系統(tǒng)，將成為我國(guó)新能源汽車售后服務(wù)發(fā)展的一大趨勢(shì)。

3 新能源汽車個(gè)性化售后服務(wù)推薦系統(tǒng)

3.1 系統(tǒng)主要組成部分

將新能源汽車售后服務(wù)系統(tǒng)界定為一個(gè)在大數(shù)據(jù)背景下，綜合運(yùn)用數(shù)據(jù)整合分析，模型推理等技術(shù)提前預(yù)測(cè)用戶需求，并在適時(shí)的時(shí)機(jī)主動(dòng)向用戶推薦用戶所需的服務(wù)的專業(yè)化程度和技術(shù)復(fù)雜程度均比較高的智能化服務(wù)系統(tǒng)。基于上述界定，將新能源汽車個(gè)性化售后服務(wù)推薦系統(tǒng)分為信息整合模塊，分析判斷模塊，個(gè)性化主動(dòng)推薦模塊和服務(wù)評(píng)價(jià)模塊。

3.2 信息整合模塊

新能源汽車用戶何時(shí)需要售后服務(wù)，需要怎樣的售后服務(wù)主要受到用戶自身駕駛行為和汽車當(dāng)前狀態(tài)的影響，故要通過(guò)信息整合構(gòu)建用戶行為和車輛狀態(tài)數(shù)據(jù)庫(kù)，刻畫動(dòng)態(tài)的且全面的用戶畫像，為下一步的分析判斷模塊提供數(shù)據(jù)支持。

用戶本身的個(gè)體特征和其行車環(huán)境是影響新能源汽車用戶行為的兩個(gè)主要因素，而不論是用戶個(gè)體特征還是行車環(huán)境，我們均能將其統(tǒng)籌劃分為社會(huì)和自然兩個(gè)部分，社會(huì)部分是由社會(huì)關(guān)系中的各個(gè)主體所影響的部分，而自然部分則為由非社會(huì)關(guān)系中的各個(gè)主體所影響的部分。因此，可將用戶行為數(shù)據(jù)庫(kù)細(xì)分成用戶自然屬性數(shù)據(jù)庫(kù)、用戶社會(huì)屬性數(shù)據(jù)庫(kù)、行車自然環(huán)境數(shù)據(jù)庫(kù)和行車社會(huì)環(huán)境數(shù)據(jù)庫(kù)[2]。

車輛電池狀態(tài)、車輛易損件狀態(tài)和車輛遭受事故情況是影響新能源汽車車輛狀態(tài)的三個(gè)主要因素。因此，可將車輛狀態(tài)數(shù)據(jù)庫(kù)大致細(xì)分為車輛電池狀態(tài)數(shù)據(jù)庫(kù)、車輛易損件狀態(tài)數(shù)據(jù)庫(kù)和車輛擦碰事故數(shù)據(jù)庫(kù)。

3.3 分析判斷模塊

基于信息整合模塊所構(gòu)建的用戶行為和車輛狀態(tài)數(shù)據(jù)庫(kù)，分析判斷模塊可以對(duì)用戶行為和車輛狀態(tài)進(jìn)行分析，一方面，基于對(duì)新能源汽車用戶行為的分析，我們可以總結(jié)出用戶的行為偏好，并通過(guò)對(duì)用戶行為偏好的建模分析，推斷出用戶在未來(lái)某一特定時(shí)間內(nèi)最有可能出現(xiàn)的行為，從而及時(shí)甚至超前的為用戶提供個(gè)性化服務(wù)推薦;另一方面，我們可以對(duì)新能源汽車狀態(tài)進(jìn)行評(píng)估，包括易損件損耗程度、電池虧電程度、刮碰程度等。需要指出的是分析判斷模塊所做出的分析判斷是動(dòng)態(tài)的，因?yàn)橛脩粜袨楹蛙囕v狀態(tài)處于一個(gè)不斷變化的動(dòng)態(tài)過(guò)程中。

3.4 個(gè)性化主動(dòng)推薦模塊

在由傳統(tǒng)低效的被動(dòng)式售后服務(wù)向更具競(jìng)爭(zhēng)力的主動(dòng)式售后服務(wù)轉(zhuǎn)變的進(jìn)程中，個(gè)性化推薦應(yīng)該被認(rèn)為是一個(gè)關(guān)鍵突破點(diǎn)，對(duì)于用戶來(lái)說(shuō)，理想的售后服務(wù)應(yīng)該是高度契合自身需求的，無(wú)目的廣撒網(wǎng)式的主動(dòng)推薦，不僅無(wú)法精準(zhǔn)向目標(biāo)用戶提供準(zhǔn)確的服務(wù)信息甚至?xí)鹩脩舴锤?，因此?duì)于新能源汽車廠商來(lái)說(shuō)，充分把握用戶需求特點(diǎn)，為用戶提供精準(zhǔn)的個(gè)性化服務(wù)是搶占新能源市場(chǎng)的重中之重?；谛畔⒄夏K和分析判斷模塊所顯示的信息，個(gè)性化主動(dòng)推薦模塊可通過(guò)微信小程序、車載語(yǔ)音系統(tǒng)、短信、郵件等方式主動(dòng)提醒用戶，包括維保提醒、易損件提醒（輪胎損耗提醒、雨刮損耗提醒、剎車片損耗提醒）、虧電提醒、道路救援（碰撞提醒）等，并迅速為用戶提供相應(yīng)的定制化服務(wù)，包括精準(zhǔn)推送距離用戶一定范圍之內(nèi)的多個(gè)服務(wù)站點(diǎn)，相應(yīng)的服務(wù)人員的基本情況和服務(wù)時(shí)間，以供用戶選擇，引導(dǎo)用戶進(jìn)行相關(guān)的售后預(yù)約等。

3.5 服務(wù)評(píng)價(jià)模塊

用戶到店接受相關(guān)的一系列服務(wù)后，積極引導(dǎo)用戶對(duì)此次售后服務(wù)進(jìn)行多維度的相關(guān)評(píng)價(jià)，并將此次評(píng)價(jià)的內(nèi)容公開化透明化，在為其他用戶的服務(wù)選擇提供依據(jù)的同時(shí)，激勵(lì)售后服務(wù)人員提高自身服務(wù)水平。同時(shí)，通過(guò)刻畫用戶畫像，分析用戶所需的售后服務(wù)及用戶集中點(diǎn)，在相應(yīng)區(qū)域構(gòu)建“一站式”售后服務(wù)平臺(tái)，給用戶提供更高效便捷的售后服務(wù)，形成良性循環(huán)，提高用戶滿意度，提升企業(yè)競(jìng)爭(zhēng)力。

4 結(jié)語(yǔ)

新能源汽車企業(yè)想要在物聯(lián)網(wǎng)新時(shí)代中更加具有競(jìng)爭(zhēng)力，在產(chǎn)品設(shè)計(jì)、實(shí)現(xiàn)產(chǎn)品實(shí)時(shí)升級(jí)支持、運(yùn)營(yíng)模式、售后服務(wù)等各方面都需要進(jìn)行一個(gè)全新的提升，以此來(lái)實(shí)現(xiàn)新突破。在新能源汽車售后服務(wù)這一模塊，基于大數(shù)據(jù)主動(dòng)向用戶推薦個(gè)性化服務(wù)將成為未來(lái)的大趨勢(shì)，各汽車廠商應(yīng)積極主動(dòng)由“用戶主動(dòng)預(yù)約”向“主動(dòng)預(yù)約用戶”轉(zhuǎn)變[3]，為用戶帶來(lái)五星級(jí)享受，提高自身的品牌競(jìng)爭(zhēng)力。

基金項(xiàng)目：廣西創(chuàng)新驅(qū)動(dòng)發(fā)展專項(xiàng)資金資助項(xiàng)目（桂科 AA18242039）;柳州市科學(xué)研究與技術(shù)開發(fā)計(jì)劃資助項(xiàng)目（2018AD 20501）

參考文獻(xiàn)：

[1]汪燕.我國(guó)汽車售后服務(wù)業(yè)發(fā)展研究[D].華東師范大學(xué)，2006.

[2]曾珠.基于客戶行為差異的汽車售后服務(wù)推薦研究[D]. 武漢理工大學(xué)，2013.

[3]羅駿煒. 基于物聯(lián)網(wǎng)和大數(shù)據(jù)分析的預(yù)測(cè)型售后服務(wù)[J]. 現(xiàn)代信息科技，2018（09）：190-191.