供应链团队管理订单交付领域的数字化转型——消费端

如何带领一个供应链团队，总共分4大步骤：建立团队的文化与机制、制定战略和目标、执行战略并措施落地、构建氛围和赋能育才。

在执行战略并措施落地板块，阐述了数字化转型工具和整体思路，导出了供应链数字化结构：三端（供应端、生产端、消费端），四层（基础层、运营层、监控层、战略层）。

上一期分享了三端中的生产端数字化转型思路和案例，今天，我们一起聊一聊供应链三端中，消费端是如何进行数字化转型的。   

-1-消费端的分类

以汽车行业为例，消费端分为售前、售后、再购三大环节。

其中，售前环节主要包括了线索、需求、展示、试用、签单、交付。这个环节的大数据应用主要体现在客户分类分析、销售线索管理、线索跟进与再激活、广告设计与投放、市场营销活动设计与投放、客户行为分析、后勤管理、订单管理等。

售后环节主要包括维修、保险、生态衍生、召回。这个环节的大数据应用主要体现在客户信息持续更新、会员管理、客户忠诚度管理、客户满意度管理，质量保证、服务升级与促销、客户投诉管理等。

然后是再购环节。这个环节的大数据应用主要体现在产品广告与促销、金融服务、产品调查问卷、口碑管理等。

-2-消费端的痛点分析（客户调研）

供应链日常智库团队在提供咨询时发现，这个环节很难做到对客户使用产品习惯的自动收集，往往在开发时不是站在客户怎么用的角度，而是企业管理者觉得客户怎么用的角度，如果是这样的需求调研，与真实需求真是差之千里。

消费端的数字化转型痛点在于：该环节的数字化转型停留在与客户的交互层面，并没有利用客户端的数据做数据发掘、清理和再利用，从而产生更多的价值。

-3-消费端的4A解析

3.1 BA（业务架构）

销售端的业务架构如下图所示：

首先在售前环节获得销售线索（Leads），在销售管理体系中销售线索处于客户产生机会的最前端，然后销售人员会对线索和需求进行分析，根据分析结果采取不同的线索跟进策略，尽可能的将客户引导到店，通过实车展示给与客户最直观的印象，根据客户需求组织产品的试乘试驾，如果客户有意向则开展价格合意、合同签订，最后订单交付。

而在售后环节，除了常规的维修保养以外，还有汽车金融服务，如保险等，而最容易忽视和挖掘潜力最大的环节，则是根据用户的驾驶习惯、生活习惯，通过车联网的方式广泛收集用户相关数据，形成以车辆为中心的用户生态/车友生态，在这个生态下开展类平台业务。

销售端的业务架构不得不谈到经典的销售漏斗，我们从各种销售渠道获取线索，然后尽最大可能将线索转化为潜客，最终促成成交，从下图可以看出，线索越多，同时各环节转化率越高，则成交量越大：

结合消费端的客户访谈和痛点分析，在业务架构梳理的基础上，我们在咨询的过程中，对客户访谈中提到的痛点进行聚焦和分级，聚焦在了售后环节，分解的痛点主要有3项：

1.维修：对车辆的预防性维修不足，都是事后补救

2.保险：定保规则千篇一律，缺少对不同车主/车辆的合理配置

3.生态衍生：智能化浪潮下，不少企业仍认为产品是交通工具，没有向作为生活载体/平台方面转型

带着对售后环节的以上3点问题，随后进行了数据、应用以及技术架构的分析。       

3.2 AA（应用架构）

消费端的应用架构如下图所示，“供应链日常智库”咨询团队在梳理过程中发现，线索收集和需求预测通常使用“线索&需求管理系统”，这个系统往往对接生产端的排程APS系统；而展示、试乘试驾等功能收录在“经销商店端管理系统”中；维修、保险等功能收录在“售后管理系统”中。

应用架构上部分功能和算法的缺失，造成了业务架构中体现的部分痛点，也印证了客户访谈阶段提出痛点的部分原因，而这个环节的痛点主要有三点：

1.维修：缺少一套对车辆异常数据分析的算法、实现预防性维修的功能

2.保险：缺少一套对车主驾驶习惯分析、推导最佳保险组合的算法

3.生态衍生：缺少一套对车主生活、消费习惯的分析算法，用来和其他商业平台对接/互动

3.3 DA（数据架构）

消费端的数据架构如下图所示，线索和需求管理系统产生了线索数据，传递给经销商店端管理系统，成交后形成交付数据，传递给售后管理系统，经过一段时间的积累，形成用户使用数据。

由于在初期，没有对用户端的数据产生业务需求，所以在数据端并没有进行针对性的收集和处理，所以在数据架构板块，痛点分解有三：

1.维修：缺少对车辆使用数据（磨损、耐久等）的收集和处理

2.保险：缺少对车主驾驶习惯数据（如驾驶历程、时长、出行距离等）的收集和处理

3.生态衍生：缺少对车主个人信息、生活方式、需求、态度、价值、行为数据的收集和处理

3.4 TA（技术架构）

消费端的技术架构如下图所示，线索收集和交付数据收集主要靠线上终端、线下终端完成信息的传递；而售后环节的维修数据主要存储在ECU等核心硬件中，驾驶习惯主要存储在各传感器中，而消费和个人习惯主要存储在车联网设备中。

这个环节的数据收集设备是有的，痛点在于没有很好的挖掘的利用起来。        

-4-痛点分析导出变革项目

基于第二步（对于客户的访谈），得知消费端数字化转型的痛点大体是：该环节的数字化转型停留在与客户的交互层面，并没有利用客户端的数据做数据发掘、清理和再利用，从而产生更多的价值。

基于第三步（在业务架构、应用架构、数据架构、技术架构）的梳理和痛点分解，聚焦到具体的问题：

1.由于缺少对车辆使用数据（磨损、耐久等）的收集和处理，缺少一套对车辆异常数据分析的算法，所以很难实现预防性维修。

2.由于缺少对车主驾驶习惯数据（如驾驶历程、时长、出行距离等）的收集和处理，缺少一套对车主驾驶习惯分析、推导最佳保险组合的算法，所以定保规则千篇一律，缺少对不同车主/车辆的合理配置。

3.由于缺少对车主个人信息、生活方式、需求、态度、价值、行为数据的收集和处理，缺少一套对车主生活、消费习惯的分析算法，所以不能实现和其他商业平台对接/互动，从而根本实现车辆从单纯的交通工具到作为立体化生活体验载体的转变。

供应链日常咨询团队在采用成套、成体系的诊断方法之后，得出了消费端的痛点分析报告（以上是浓缩的简述），根据痛点分析报告设计了变革项目：《基于数字化的供应链消费端生态体系构建》，该方案的细节就不在此描述了，咨询团队和链主企业一起，从近期正式开始方案的设计实施：

1.针对预防性维修，供应链日常咨询团队通过记录车辆关键零件使用频次、电流电压异动数据等，显示一定时间范围内某个事件预计发生的频率，一旦发现潜在的质量问题，就能尽早远程在售后服务中心进行报警，同时通知车主能够及时返回售后端进行主动性、预防性维修，这一点将会是以后提高客户满意度的主流手段之一。

2.个性化保险方面，我们从各种传感器中提炼出：行驶里程、平均出行时长、平均出行距离、平均每天出行次数、平均每天出行时间、平均一天驾驶距离、平均一周驾驶距离、平均速度、变道次数、变速频率、紧急刹车次数、占道次数、违规次数等，编辑一定的算法，每年滚动更新出不同车主的保险系数和保险金额，大幅降低保险企业的风险，提高保险效率。

3.衍生生态方面，我们在车主允许的情况下，收集必要的个人信息，生活方式、用车需求、品牌偏好、品牌态度、客户品味、购物行为等等，经过一定算法的分析后向客户提供其所需要的服务和潜在的需求服务，并和提供这些服务的商业形成一个生态圈。如下图所示，部分用户大数据移动范围和行为习惯评估

截至目前，咨询方案将会进一步优化和得到验证，销售端的数字化充满了无限可能，因为客户是自由的、离散的，但又是有规律的、高价值的，一定要带着数字化的思维进行挖掘，不然一定会被市场和竞争对手抛弃。