汽车维修企业如何进行售后客户数据化分析

慕韬志悦企业管理咨询（上海）有限公司 范良风

引导语：客户是售后部门的核心资源，是企业赖以生存的变动资本，也是企业服务的目标对象，但我们对自己客户的了解有多少呢？

最近，售后李总监发现维修产值明显下降，每天入场台次也在减少，到底是什么原因导致业绩下滑呢？又是什么类型的客户在下降？我们应该从哪些维度分析客户数据？如果推出一场营销活动，哪些客户才是我们服务活动对象？以上问题一直萦绕在李总监的脑海中。

目前，汽车维修企业对售后客户数据的分析维度有很多，也很杂，没有一个统一的标准及路径，大家都是根据自身需求和不同的目的，采用不同的分类方法，但很多分析结果没有实现预期目的，不了解将分析结果运用到哪些场景中及如何运用等，接下来就由笔者与大家一起进行探讨。

1 客户数据化分析流程

首先，需要明确分析的目标和价值，锁定部门需求，聚焦痛点，缩小问题半径，减少过于放大或模糊不清的问题出现，以便分析结果适用于后续数据分析的维度设计和应用。例如，我想了解12个月内二次进店客户数量的占比、维修总费用在5 000元以上客户数量的占比等。

其次，根据相关部门提出的需求和目的，设定客户分类维度，我们可以按照一个维度进行分析，也可以多个维度叠加嵌套分析等。例如，按照最后一次进店时间进行分类、按照维修总费用大于5 000元且1年内有2次进店记录客户进行分类等。

再次，为了便于清晰化地呈现数据，以及更好地了解客户变化趋势，为后续决策或制定措施奠定数据基础，我们需要解决2个问题：一是明确数据呈现形式，二是确认数据对比范围。分析目的不同，数据呈现形式也不同，比如我们希望了解客户变化趋势，这时可以通过折线图进行展示。数据对比范围一般分为内部对标和外部对标，内部对标分别有同比、环比、目标值等，而外部对标分别有品牌、集团内、区域、全国、最高值、最低值等。

最后，我们需要确定将数据分析结果应用在哪些场景中。目前主要有服务营销活动、客户维系和关怀活动、专项客户招揽、会员体系搭建等。当然，经销商也可以根据自身服务特色，增加一些创新的应用场景，例如现在比较热门的线上直播平台，可以邀请VIP客户或有一定影响力的客户（Key Opinion Leader，KOL）进入直播间，与客户进行互动或交流心得。

2 多路径数据化分析

接下来，让我们一起分享目前汽车维修企业常用的数据化分析路径（图1），通过对这些路径的分析，让大家掌握分析方法、真正价值及应用渠道等。

图1 汽车维修企业常用的数据化分析路径

2.1 以时间周期为分析路径

时间周期目前是汽车维修企业最常用的一种分析路径，它与车辆维护周期有密切的联系。

从价值角度思考，通过时间周期分析可以了解客户进店周期及客户黏性，体现客户刚性需求与时间周期的关联性。某些时间周期的占比数据便尤为重要，例如6个月内有返厂记录的客户占比在不断下降。

目前汽车维修企业针对时间周期分析主要是以1年时间为划分界限，1年内有返厂记录的为保有售后有效客户，1年以上有返厂记录的为潜在流失客户。对于1年内返厂的客户需要进一步细分，具体参考表1。

表1 保有售后有效客户

对于1年以上未返厂的客户，实际未必就一定是流失客户，因此我们需要对1年以上未进店的客户数据做进一步的细化分析，统计对象一般为5年内的进店客户，具体参考表2。

表2 5年内售后基盘客户数据

以时间为主轴，通过饼状图来体现占比及结构（图2），了解各种客户类型的价值比例，建议每个季度统计一次，并分析数据，了解同比、环比不同客户类型的变化趋势。

图2 不同时间段的各个客户类型占比

关于客户数据和分析图表的应用场景，有以下几点思考和大家分享。

（1）当客户进店周期越短时，说明客户的需求被高频释放，即客户黏性也越高，因此，对于这些高需求、高黏性的客户，应该制定系统化的解决方案，来减少这些类型客户的降级或流失的风险。

（2）从数据中洞察客户消费趋势的变化，如9个～12个月客户保养占比越来越大，说明客户的用车频次或用车半径可能在减少。

（3）当出现1年内有效保有客户数量下降，其中的原因比较复杂或多变，因此我们需要进一步细化1年内未返厂的客户数，有多少C类客户变成D类客户，又有多少B类客户变成C类客户，以及有多少A类客户变成B客户等，学会通过逐层逐级分析，最终实现客户由下至上的升维和突破。

2.2 以消费金额为分析路径

通过该路径进行分析，可以了解客户消费能力及消费习惯趋势，把握不同客户群对于公司业绩贡献程度，便于公司将资源进行合理分配，实现高价值客户享受高品质服务的基本原则，体现尊贵服务源于价值的基本思路。

具体分类方式有2种，一种是以客户历年或近期消费总金额为依据，划分不同金额等级（表3），另一种是按照日常维修保养平均客单价进行分类（表4）。第一种分类方式一般在3年内累计消费金额为基准，设定不同等级区间，当然，有些汽车维修企业以1年为累计周期进行划分等级，具体可以根据店内实际需求而定。需要强调的是，消费金额以客户在店所有消费累计，例如维修保养+购买精品+保险+加装+会员费+购买套餐等，而非只是保养费用。第二种方式是以平均客单价为基准进行划分区间等级，涉及范围以售后维修保养为主，将每个客户的平均客单价与企业整体客户平均客单价进行对比，按照比例划分客户等级。

表3 按照消费金额进行客户分类

表4 按照日常维修保养平均客单价进行分类

根据上述划分方式，针对第一种划分标准，我们需要将所有客户按3年内消费金额累计数进行倒序排名，按照分类标准划分不同等级区间（表5）；第二种划分标准，我们需要定期测算平均客单价，一般按季度、半年、年度这3个时间周期测算，按照分类标准划分不同等级区间（表6）。

表5 按照客户累计价值进行分类

表6 按照日常维修保养平均客单价分类

当获取相关数据及图形分析后，可以进行以下方面的应用。

（1）对于不同价值的客户群体，我们服务策略及资源有明显不同，例如高价值客户每年至少享受2次以上免费短途自驾游活动。

（2）对于3年内累计金额在前10%的客户，观察合计总收入占比是否发生变化，若总产值贡献率占比下降，说明这部分高价值消费力在降低，或者店内关怀和维系力度不足；若总产值贡献率占比增加，说明客户与经销商建立了良好且稳定关系，应保持现有态势。

（3）将1年内平均客单价与历年进行对比，了解每台车辆的平均消费能力，若数值处于下降趋势，可能是消费能力在下降，或者服务营销能力不足，若数值在上升，可能是客户营销和维系能力在提升，或者与车龄结构、消费能力、维修类型结构等有关，具体原因可结合经销商实际情况而定。

2.3 以客户满意度为分析路径

该路径是从客户角度进行分析，以客户体验为导向。通过该路径可以了解客户对于经销商的服务满意程度，只有客户满意才能保证客户持续消费或增加进店概率，并且可以进一步探知客户真实需求，和发现经销商自身管理短板与不足，为制定改善策略提供重要的客户支持。

通过定期电话回访获得客户满意度成绩，在回访过程中是否产生投诉，或者现场是否有投诉等均需纳入评价，具体划分标准请参考表7。

表7 按照客户满意度综合成绩划分

以客户满意度综合成绩为依据，将不同客户级别通过占比形式加以呈现，了解不同级别客户的占比，并通过环比或同比分析变化趋势（图3），重点关注核心客户群体的变动，例如高满意度客户是否出现下降状态。

图3 客户满意度分析

在此需要强调几点，若出现二次投诉则直接将该客户列为流失风险客户级别，而管理层必须对此引起高度重视，积极参与现场处理和提供资源支持等，同时，高、中满意度客户群体是客户忠诚度的基础，也是客户流失预警的重要依据之一，因此我们的一切服务应围绕这些用户开展。

按客户满意度综合成绩分类的数据可以应用在多种场景下。

（1）不同满意度级别客户群体所采取的长效维系策略不同。例如，高满意度客户我们建议至少每2个月有一次互动交流，可以通过电话或微信形式，也可以发送一些公司最新车主活动，邀请客户积极参加。

（2）不同服务顾问维系和接待不同满意度等级客户，并合理分配不同级别客户群。例如，在分配基盘客户群时，可以增加高满意度客户分配量给资深服务顾问，让能力强的服务顾问获得更多优质客户资源，让高质量客户享受卓越的服务体验。

（3）成为相关人员绩效考核过程指标之一。过程指标达成与否直接影响结果指标，因此，强烈建议将满意度综合成绩作为重要考核指标，具体权重可根据人员与客户工作接触多少而定（表8）。

表8 客户满意度成绩绩效考核参考权重

2.4 以综合业务指标为分析路径

该分析路径是将经销商最为关注的业务指标进行整合，需求不同，划分标准也随之改变，企业需根据自身需求设定。该路径可以精准锁定客户需求，通过客户标签刻录客户画像，深度分析客户个性化消费特征，同时，也可以全面了解基盘客户在不同路径的分布特点，从而进一步洞察客户消费习惯等。

目前汽车维修企业的综合客户分类主要有3种方式，第一种是以利润为导向分类方式，主要划分方法有：按全年每个客户维修产值贡献划分；按全年每天入场台次划分；按全年边际收入贡献划分（如保险、精品、改装等）。第二种是以客户为视角进行分类，具体划分方法有：按全年客户满意度成绩划分；按全年客户投诉比例划分；按全年客户参与度比例划分（如活动参与率、活动响应和传播比例等）。第三种是以经销商内部管理进行分类，具体划分方法有：按照不同进店周期进行划分；以维修类型进行划分（如保养、维修、事故等）；以过程指标进行划分（如主动预约占比、进场全时长、返修比例、保修等）。以上3种分类方式顺序可灵活调整，并非固定不变，可根据实际情况而定。

通过层层细化、层层分解的方式，精准获取所需客户群体，目前这种分解方式较为普遍，也能减少分解之后客户重叠现象，相当于一个客户只有一种系列的客户标签，这样可以提高客户分析及精细度，具体见表9所列，并通过饼状图加以清晰呈现（图4）。

图4 A级客户细分数据图

表9 年度综合业务指标分析数据表

当我们获取精准客户数据，应该在哪些场景中进行应用？下面就以利润为导向分类方式进行举例。

（1）制定专项或定制化营销活动，活动对象只针对某一细分客户群体，群体越小，客户精准度越高，活动内容与客户也就越匹配，这也是我们为什么要强调客户精细化分类。

（2）通过细分客户数据，我们能清晰了解到客户对于公司利润或产值的贡献度，贡献度越高，相信公司重视程度也会不同，而企业一切运营最终目标就是持续盈利。

（3）预测和制定未来盈利目标，特别售后总产值和利润目标，通过客户分析数据准确测算未来目标，并通过预测目标合理配置公司资源，主要包括人力、财力、物力等方面，当然，这也是非常考验售后总监的预测、推理、决策等综合能力。

3 笔者感悟

用数据来说话，它能告诉我们客户最新状态，客户需要什么，我们内部管理存在哪些不足，以及提升和改善的方向等等，而这些都是归结于你要了解客户，而客户数据化分析更像是企业一双眼睛，它帮助我们洞察市场、关注用户、紧盯内控等，这些都需要数据来处理，所以请相信数据的力量，更要相信你的客户。