当前汽车行业竞争日益加剧，新势力对传统营销模式产生了巨大的冲击。在这样激烈的市场环境中，汽车售后服务业务作为最重要的营收业务之一，提升主机厂对经销商4s店的把控，去除经销商在主机厂DMS系统中上报的“假”数据，掌握每家4s店的实际运营能力，变得尤为重要。因此，主机厂希望通过对于经销商DMS数据的清洗和整理，获得经销商的实际售后运营能力，从而帮助主机厂制定合理的经销商运营目标，为一线FMC提供与经销商沟通的准确切入点。

01 核心痛点

目前，主机厂面临的最主要的问题之一是，厂方会根据4S店在DMS系统上报的数据进行统筹管理，但由于上报的数据存在很多作「假」情况（为了获得厂家政策返利，经销商会对数据进行处理，例如：同一时间连续开单、同一VIN多次消费同一配件等），导致厂方不能准确掌握4S店日常运营的真实情况，不能把握经销商实际的配件销售能力，以及能够承受的配件销售指标上限，因此无法设定合理的业务抓手来制定准确的商务政策与年度销量指标。

02 解决方案

DIA数皆智能根据与车企合作伙伴的深度合作经验，创建了一套完善的汽车售后服务异常值诊断体系，帮助主机厂通过系统实时监控经销商数据的异常情况。同时，基于该套主机厂DMS系统售后数据异常值诊断体系，可成功对4S店上报的DMS数据进行异常值清洗，剔除有异常的工单数据（例如：作假数据，或开单不规范，把下个月的工单都放到这个月冲量，然后下个月再通过反结算释放出来），为主机厂的商务政策制定和下游市场业务管理提供了有效的策略依据。DIA数皆智能的整体解决方案如下图：

✦✦

01原始数据收集

我们先后采用了两种模式试图完成原始数据的收集工作。首先，我们与试点经销商沟通提供业务运营的数据表，包括：结算明细信息表、配件维修记录表、配件出入库信息表。但在数据处理的过程中，发现经销商提供的数据有各式各样的问题，例如：缺少关键字段、 部分时间段内数据缺失、数据经过清洗等。因此，我们采用了第二套方案，在主机厂的沙箱系统中进行数据整理汇总。此方案的难点在于，需要主机厂的IT部门进行支持，明确数据库中各个业务指标的计算逻辑，并重新编写SQL进行数据整理。这就要求服务商既要理解业务数据，同时也要有良好的算法资源支持，而DIA数皆智能恰好拥有上述优势。

✦✦

02 商务政策与经营指标研究

在处理完成原始的业务数据后，我们基于实际使用的业务部门日常需求，构建了一套涉及13个异常指标的诊断体系。指标从进站台次与运营产值两个方向进行下钻，涉及VIN、售后服务顾问SA、配件出入库、反结算占比等。最关键的是，只有指标的设定需要与业务实际使用相结合，才能避免研究与日常使用脱节。业务经营指标与商务政策是我们的重点研究项目。

（部分异常指标分级示例）

✦✦

03 算法模型处理

如何判断经销商的数据异常情况呢？我们可通过上述13个指标来判断经销商数据是否异常。

（拐点法设定阈值）

通过箱体图与拐点法对于上述13个异常值标进行算法处理，以正态分布规律来定位判断异常的阈值。异常值的计算不仅仅是单纯的阈值计算，同时也会考虑经销商的实际规模，例如将不同产值的经销商分成3类或多类，分别计算其阈值，使其更符合业务的实际情况和标准。部分指标计算逻辑示例如下：单天同一SA同结算金额的工单数 剔除索赔工单，统计同一家店同一名SA在同一天所开的工单中，结算金额相同，且各工单开单时间距离相邻工单开单时间间隔小于5分钟的工单数量，若超过阈值，即认为这些工单为异常数据。单车12个月累计进站台次异常数 统计单店同一个VIN在过去12个月中进站次数，若进站次数超过阈值，则认为这个VIN为一个异常VIN。单车配件使用占比剔除索赔，计算单店单个VIN过往12个月消费配件金额（配件销售金额）占车价（MSRP）的比例，若比例超过阈值，则判断这个VIN为一个异常VIN。单车精品出库金额异常指标统计单店单月每一个有购买精品的VIN购买精品的金额，当购买精品的金额超过阈值时，则判断这个VIN的精品出库金额数据异常。

✦✦

04 DEMO版解决方案

在将异常值诊断体系上线进入主机厂的数字化平台前，我们建议通过EXCEL形式的月度异常报告发送给各区域进行实际使用，以进行持续2-4个月的业务试点。通过设置EXCEL形式的DEMO版解决方案，主要有以下几个好处：

•首先，基于实际使用进行指标的迭代，包括：指标的新增删减、异常值阈值的调整、后期展现形式的意见收集；

•其次，避免与多部门的数据接通，尤其涉及IT部门，会使得项目进度受限。

由于DEMO方案是线下版，所以存在数据更新不及时的问题，这需要在试点阶段与使用者进行详细的沟通，避免对数据的准确性产生质疑。

（DEMO版样例）

03 项目成效

通过这套针对DMS系统上报的经销商售后服务数据异常值诊断体系，帮助主机厂更准确的了解经销商的实际运营情况，同时也为主机厂管理经销商设置商务政策、设定考核标准提供了实际有效的数据支撑与管理抓手。例如，每个大区可以针对TOP3异常值较为严重的4S店进行整改或优化调整售后顾问的执行标准，提升数据上报的准确率，降低异常值占比，更好地帮助主机厂考核经销商的实际业务运营情况，制定更加合理的商务政策。

基于新的阈值标准，挑选可以定位到具体VIN或SA的指标，发掘实际的异常情况。例如前面的提到的4个指标，可以发现如下异常总结，以此指导业务的正确理解和调整：

单天同一SA同结算金额的工单数 若阈值等于6，某一家店某一名SA在同一天开了相同金额的工单数量等于7，且这7张工单距离上一单的时间间隔小于5分钟，则判断这7张工单为异常工单。

单车12个月累计进站台次异常数 若阈值等于5，某家店某个VIN过去12个月进站次数等于6，则判断这个VIN为一个异常VIN。

单车配件使用占比若阈值等于5%，某家店某个VIN过去12个月消费配件金额占车价的6%，则认为这个VIN异常。

单车精品出库金额异常指标若阈值等于10,000，当一个VIN当月购买精品的金额等于12,000时，判断这个VIN的精品金额数据异常。

【结语】DIA数皆智能通过「秒算-算法引擎」，已在「投放效果提升」、「活跃度提升」、「满意度/NPS提升」、「销售量/额提升」、「复购转化率提升」、「流失率降低」等多个场景上，通过算法建模等方式实现精准运营，助力企业推动业务持续稳健增长。此外，DIA数皆智能在CEM（客户体验测量）和CJO（客户旅程编排）等多个领域都已拥有成熟的行业解决方案与落地产品工具，为企业提供全触点、数字化、一站式的用户体验运营管理服务与产品工具，并赢得了企业的广泛好评。