基于大数据的4S店服务满意度分析及人员管理研究

高博 王晓锋 郭思博 刘英杰 曹洋

关键词：售后服务;4S店运营数据;满意度影响因素;大数据分析

1 汽车企业售后服务满意度分析现状

国家统计局2021 年2 月28 日发布中华人民共和国2020 年国民经济和社会发展统计公报显示，2020 年私人轿车保有量14674 万辆[1]。乘用车每年都需要进行定期的维修和保养，对于汽车服务企业来说，服务满意度是用户对维修保养效果评价的重要指标，直接关系到该企业服务效果的好坏，进而影响忠诚用户数量、售后产值乃至企业口碑[2]。

当前中国售后服务满意度的评价模型主要源自于欧美国家20 世纪的研究，常见的有欧洲顾客满意度指数概念模型（ECSE）、美国ACSI 模型和瑞士顾客满意度指数概念模型（SCSB）等。国内研究学者兰晓婕等人也提出了“顾客让渡价值理论”;郭康等人通过质量功能展开法建立的“汽车满意度质量屋模型”，结合中国汽车市场现状给出满意度评价模型[3]。

在满意度的各个模型中，普遍建立了满意度影响因素、满意度以及顾客忠诚度三者之间的联系。其中满意度的影响因素归类维度较复杂，由兰晓婕归类如表1 所示。售后服务满意度的主要影响因素为：用户感知质量（包括服务质量和产品质量）、用户期望及企业口碑等。

服务满意度调研行业中的知名公司J.D.Power，着重调研分析“服务质量”对用户满意度影响。其在2019 年度分析报告中，将服务满意度的影响因素拆解为6 大项、21 小项，并赋予影响权重如图1 所示，以便更直观的分析、度量各个因素对服务满意度的影响程度。

本文研究具有以下2 点意义。

第一，传统满意度分析面向全服务行业，包含从销售到售后服务全渠道的满意度，模型覆盖范围较广，不适用于车企售后服务满意度分析[4]。同时，传统满意度分析建立满意度和服务质量及其影响因素之间的关系模型，无法让管理者清晰了解满意度对企业盈利的价值。本研究将建立车企售后服务满意度、用户流失率及服务产值的关系模型。

第二，传统满意度影响因素分析，从用户视角的评价进行分析，如图1 中要素“价格透明度”、“服务顾问诚信”和“提车过程”等，并未挖掘用户提出这些问题背后的原因。本文将通过大数据建立满意度分数和经销商运营指标的关系，直接支撑车企4S店满意度管理工作的有效开展。

2 满意度与经销商運营指标分析方法

2.1 数据筛选、处理

本研究分析使用满意度调研的用户反馈数据和车企4S 店的运营数据。满意度调研分数采用满分为5 分的评价方式（用户可给出1、2、3、4、5 分）。满意度调研数据采用约32.0 万微信满意度调研样本中，有用户文字描述的约6.4 万样本（文字描述是指用户在调研过程中，主动用文字输入对4S 店服务的评价）。有文字描述的样本，用户反馈信息相对真实，不容易受经销商“拜托”的影响。同时也对用户参与的服务类型、数据点位经销商最小样本量等进行处理，如表2 所示。

2.2 分析维度

本研究可建立服务满意度调研结果和车辆属性、售后服务及经销商属性的关系（图2）示。本次主要针对经销商经营指标和满意度分数的关系进行比对分析

2.3 分析步骤

本研究分析步骤主要有以下4 步。

①梳理全部分析度，包括：车辆、售后服务、经销商（4S 店）、调研。

②展开维度：定位要分析的问题，按照业务需求对基本维度进行展开。

③相关性挖掘：找出相关因素及其相关取值区间。

④归因：根据业务需求，进一步分析如服务套餐包对保养工单的影响。

3 满意度与经销商运营指标分析

3.1 满意度分数、用户保持率、服务产值的关系分析

3.1.1 建立满意度分数和用户保持率、服务产值的关系模型

根据车企4S 店售后服务产值（毛利）计算公式，结合服务满意度、用户流失率，构建三者关系模型如图3 所示。其中，客单价与产品价值、服务价值正相关，满意度是用户评价服务价值的核心指标;用户流失率与满意度成负相关。同时，服务满意度高能创造更多的用户需求，如“续保”、“延保”等金融衍生业务，以及发动机养护、车辆内饰翻新等精品衍生业务。因此，提升服务满意度对管理者提升企业基盘用户（忠诚用户）数量和企业盈利能力有直接作用。

3.1.2 满意度分数、用户保持率、服务产值的关系分析结果

本次分析使用机电维修和保养服务的用户满意度评价分数，以及参与调研的用户流失率进行比对分析（表3）。如图4 所示，忽略4.5 分和4.6 分两个异常点（异常原因判断，该城市/ 区域仅1 ～ 2 家经销商，用户无其他选择），流失率和满意度成负相关关系，满意度每提高0.1 分，流失率下降0.86%。

根据某车企4S 店经验数据，满意度得分4.4 分与5.0 分的4S 店相比，粗略计算，仅机电维修和保养项目上的服务产值损失如表4 所示，年度可达328 050 元。

3.2 满意度分数和4S 经销商运营指标的关系分析

3.2.1 满意度与服务顾问日接待台次的关系

如图5 所示，服务顾问每日接待6 台车（用户）为最佳，日均接待超过6 台后满意度就会下降。日均接待≤ 4 台，满意度分数较低，这是因为用户对4S 店服务不满意，不再回店进行维修保养服务，导致4S 店用户流失率较高，日均接待台次不足。

3.2.2 满意度与服务顾问认证率的关系

如图6所示，服务顾问认证率（即完成培训后，通过厂家统一要求的考核）低于55.00%，满意度分数和认证率无明显关系。当认证率高于55.00%，成正相关。

3.2.3 满意度与服务顾问流失率的关系

如图7所示，服务顾问流失率（1 年内更换服务顾问数量占服务顾问总数量的百分比）在20.00% ～ 100.00%，与满意度分数成负相关。同时需要注意，服务顾问完全不流失，即人员没有变化，满意度分数也会较低。后台数据显示，人员流失率极低的4S店多为集团经销商和独占市场。

3.2.4 满意度与维修技师流失率的关系

如图8所示，维修技师流失率（1年内更换维修技师数量占维修技师总数量的百分比）在10.00% ～ 100.00%，与满意度分数成负相关。同时需要注意，维修技师完全不流失，即人员没有变化，满意度分数也会较低。

3.3 汽车4S店售后服务人员管理举措

通过建模和分析可知，服务满意度的好坏直接影响经销商用户流失率和盈利能力。影响满意度最直接的运营因素是经销商的人员管理，服务顾问和维修技师的认证率、流失率将直接影响服务效果的好坏，进而影响满意度分数。建议管理团队要加强人员内部培训，提高人员认证率，同时通过提高薪资待遇、设置晋升渠道和塑造良好工作氛围等措施保障团队稳定，避免人员大规模流失。

4 结束语

本文通过大数据分析用户售后服务满意度分数和4S 店运营数据，建立满意度、流失率和产值关系模型。以机修/ 保养服务的产值、用户流失率和满意度分数举例，分析结果证明满意度分数与用户流失率负相关，与产值正相关。且4S 店内服务顾问、维修技师的认证率和服务满意度正相关，流失率和服务满意度负相关，为管理者提高满意度提供了管理方向和措施。

同时，除4S店人员数据与满意度分数进行比对分析外，像车辆的基本属性如车龄、行驶里程和车辆价格;用户的基本属性如性别、家庭和年龄等;4S店其他属性如所在城市级别、管理者流失率和认证率及维修工位数量等，都可以结合满意度数据进行比对分析，进而洞察满意度分数背后的影响因素，挖掘4S 店内影响满意度的根本原因，为管理团队提供有效的数据支撑。