車企如何從評級開始，確保高質(zhì)量線索的轉(zhuǎn)化率

對當下處于業(yè)務(wù)觀望狀態(tài)中的車企各方，銷售線索質(zhì)量至關(guān)重要。其主要體現(xiàn)在兩個方面，一則在于線索本身內(nèi)含流量成本，在龐雜的情況下無法低成本對其進行篩選評級會進一步拉高營銷成本；二則線索跟進的組織人力保障是有限資源，即顧問在單個時間段內(nèi)只能跟進一部分用戶，如果線索質(zhì)量低或者轉(zhuǎn)化率高的線索跟進不足都會拉低線索轉(zhuǎn)化率，更重要的是無效投入會導致商業(yè)時機延誤，錯失最佳競爭口。

如何在此階段通盤全局提升線索管理水平，【線索評級】這一關(guān)鍵流程必不可少。而“可用數(shù)據(jù)”的數(shù)量和質(zhì)量對實現(xiàn)連貫的線索評級及管理發(fā)揮著關(guān)鍵作用，一則線索管理有賴于到店看車、乘車試駕中“可用數(shù)據(jù)”下的調(diào)整完善；二則需要根據(jù)各渠道、各系統(tǒng)內(nèi)存量的“可用數(shù)據(jù)”為基底，構(gòu)建線索管理體系與組織保障，這是一項體系化的流程。

故而有必要依托數(shù)據(jù)開發(fā)中臺（DP）、客戶數(shù)據(jù)平臺(CDP)等數(shù)字化基礎(chǔ)設(shè)施對進入的原始線索進行通盤的統(tǒng)一管理，采取多層線索保障機制，基于數(shù)據(jù)模型細化線索等級，采取分級分類跟進與培育的多種措施。當然，要聯(lián)通管理的前提是涉及銷售線索的相關(guān)各部門需擁有統(tǒng)一定義口徑的數(shù)據(jù)體系，即在同一業(yè)務(wù)定義內(nèi)對話。

正是由于原始線索龐雜瑣碎，車企都應盡可能通過應用先進的數(shù)字化系統(tǒng)從接入原始線索到線索派發(fā)的每一個環(huán)節(jié)開展自動化管理，以維系組織低成本運轉(zhuǎn)的同時還能保障全渠道用戶的一致體驗。

通常來說，原始線索經(jīng)由垂直平臺、官網(wǎng)商城，線下門店等多個觸點匯集至CDP系統(tǒng)內(nèi)，第一步是按照數(shù)據(jù)體系標準在多種規(guī)則基礎(chǔ)上對其進行驗證、清洗、治理以及存儲。簡要概述來說，就是在原始線索進入時對其電話號碼、郵箱、日期、IP地址等基礎(chǔ)要素的數(shù)據(jù)六性（完整性、唯一性、一致性、關(guān)聯(lián)性、規(guī)范性、及時性）進行驗證排查(如圖示），比如符合手機號格式（1開頭、11位、全數(shù)字）等數(shù)據(jù)規(guī)則的可進入下一步的去重、清洗治理過程，即按照CDP系統(tǒng)內(nèi)置的多重數(shù)據(jù)規(guī)則去重，將多個規(guī)則處理后的數(shù)據(jù)合并在一起，此時的整個過程是將原始線索轉(zhuǎn)變?yōu)槟軌虼峙涞木€索，使其在關(guān)聯(lián)與打通的基礎(chǔ)上于定義的時間段內(nèi)在系統(tǒng)具備唯一性以便于分配。

在完成這一過程之后，所有經(jīng)過處理可分派的唯一線索進入待分配線索池。到這里，接下來最為關(guān)鍵的環(huán)節(jié)就是對線索進行評級分配。汽車屬于大宗消費品，一個線索在某段時間內(nèi)產(chǎn)生一個訂單比產(chǎn)生多個訂單的概率大。所以在評級分配之前，還有重要的一個步驟，就是明確業(yè)務(wù)場景中高價值線索的定義，這就需要一套線索指標體系區(qū)分線索等級。

以上過程中，有兩點對線索評級分配的有效性起到先決作用：

一是以業(yè)務(wù)視角對基礎(chǔ)數(shù)據(jù)進行標準化處理，能夠統(tǒng)一的數(shù)據(jù)口徑驅(qū)動業(yè)務(wù)概念數(shù)字化定義呈現(xiàn)；

二是基于數(shù)據(jù)視角構(gòu)建針對性的數(shù)據(jù)管理操作流程保障體系，以明確數(shù)據(jù)管理有章法可循、有規(guī)則可依。

而這兩方面，具體涉及到【線索評級】的內(nèi)容包括線索指標體系、數(shù)據(jù)標準制定、執(zhí)行及動態(tài)變更等一系列業(yè)務(wù)過程和組織崗位決策，其中數(shù)據(jù)質(zhì)量方面涉及數(shù)據(jù)質(zhì)量需求收集、數(shù)據(jù)質(zhì)量規(guī)則制定、數(shù)據(jù)質(zhì)量檢查執(zhí)行及數(shù)據(jù)質(zhì)量問題解決等關(guān)鍵環(huán)節(jié)。

基于機器學習、深度學習方式的AI智能評級模型，其價值在于線索派發(fā)前的對線索評級篩選、在派發(fā)時按照評級優(yōu)先跟進高價值線索，以及對不同級別的線索采取不同的培育方式，其應用即可基于過往CDP數(shù)據(jù)，通過技術(shù)直接部署模型數(shù)據(jù)；亦可根據(jù)業(yè)務(wù)數(shù)據(jù)積累中逐漸迭代，驗證其對業(yè)務(wù)的價值，可視化其數(shù)據(jù)價值。如果此時缺失數(shù)據(jù)項，可先對數(shù)據(jù)項進行收集，再針對具體的業(yè)務(wù)主題建模，線索涉及數(shù)據(jù)項包括線索本身數(shù)據(jù)、渠道數(shù)據(jù)、車輛數(shù)據(jù)以及跟進數(shù)據(jù)等。

自動化、智能化的系統(tǒng)應用是建立在數(shù)據(jù)和算法模型基礎(chǔ)上的，其中數(shù)據(jù)乃是基礎(chǔ)中的基礎(chǔ)，算法模型是將組織的業(yè)務(wù)決策指揮沉淀于系統(tǒng)的一種程序化過程，在過往創(chuàng)略科技的合作實踐中，AI智能評級模型鎖定高意向客戶的準確率高達97.3%。

明白了數(shù)據(jù)及數(shù)據(jù)驅(qū)動的自動化、智能化對線索評級及分配的重要性，基于原有業(yè)務(wù)規(guī)則、業(yè)務(wù)場景以及流程流向，通過查找線索關(guān)聯(lián)的業(yè)務(wù)數(shù)據(jù)項、檢查其數(shù)據(jù)質(zhì)量，并制定數(shù)據(jù)項的質(zhì)量提升方案對提升線索評級分配就顯得尤為重要。具體來說，其通常會涉及到以下6個環(huán)節(jié)：

• 1.基于線索精益應用場景調(diào)研，明確數(shù)據(jù)場景涉及的系統(tǒng)及數(shù)據(jù)項

   

• 2.概述或說明線索精益數(shù)據(jù)質(zhì)量評估所牽涉到的詳細內(nèi)容，厘清數(shù)據(jù)質(zhì)量問題的來源

   

• 3.制定線索精益數(shù)據(jù)質(zhì)量改進策略，細分數(shù)據(jù)質(zhì)量問題的部門崗位權(quán)責

   

• 4.收集數(shù)據(jù)質(zhì)量問題的改進需求，于統(tǒng)一的數(shù)據(jù)標準中澄清和再定義業(yè)務(wù)概念

   

• 5.依據(jù)數(shù)據(jù)標準及場景性需求，再規(guī)范數(shù)據(jù)校驗和質(zhì)量規(guī)則，發(fā)布新業(yè)務(wù)管理章程

   

• 6.沉淀數(shù)據(jù)質(zhì)量改進模板，優(yōu)化數(shù)據(jù)質(zhì)量落地的鏈路環(huán)節(jié)

當然，隨著數(shù)據(jù)數(shù)量及維度的豐富，線索指標體系以及算法模型都會相應發(fā)生更改及變動，此時基于原有數(shù)據(jù)質(zhì)量標準要隨之進行靈活推動。而要推動在業(yè)務(wù)場景中循環(huán)迭代，就需要組織保障，一則需要權(quán)責明確的部門專項來整體把控數(shù)據(jù)質(zhì)量的推進，二則是需要制定數(shù)據(jù)質(zhì)量短期、中長期的各項分工細則，以確保數(shù)據(jù)質(zhì)量的迭代精進能夠落地實處。

線索評級及其準確率的提升，是流程化的體系提升，在場景中驗證時應盡可能減少組織摩擦、業(yè)務(wù)環(huán)節(jié)缺失等。除了業(yè)務(wù)應用中使用AI智能評級模型，在數(shù)據(jù)的初始關(guān)節(jié)亦應對數(shù)據(jù)質(zhì)量這一環(huán)節(jié)進行必要的檢測，以自定義的規(guī)則檢測、沉淀數(shù)據(jù)質(zhì)量檢測模板，使用AI算法實時檢測數(shù)據(jù)質(zhì)量，探查其中問題及時預警，從而將風險遏制于問題前期。另外，針對存量數(shù)據(jù)，根據(jù)線索管理場景的需要可在明確現(xiàn)有業(yè)務(wù)規(guī)則及厘清過往數(shù)據(jù)的基礎(chǔ)上，采用以上數(shù)據(jù)質(zhì)量的改進模板對其進行完善，從而擁有更多“可用”的高質(zhì)量數(shù)據(jù)。

隨著數(shù)據(jù)量的積累，企業(yè)會擁有越來越多的“可用數(shù)據(jù)”來定義篩選與實時跟進可衡量、可調(diào)整、可落地的高價值線索，并于數(shù)據(jù)鏈路的反饋中連通線索管理的部門協(xié)同，最終實現(xiàn)線索的培育與轉(zhuǎn)化。當然，其中對“可用數(shù)據(jù)”的數(shù)據(jù)治理必不可少，企業(yè)盡可能于事前貫徹數(shù)據(jù)標準、事中落地數(shù)據(jù)質(zhì)量校驗，事后科學儲存應用的三大環(huán)節(jié)中，應用與運營自動化、智能化的數(shù)字化工具，進一步將“可用數(shù)據(jù)”轉(zhuǎn)變?yōu)橛袃r值的結(jié)論以支持企業(yè)決策，助力業(yè)務(wù)運營。