【案例】威马汽车——基于AI和大数据的CDP客户系统建设

Original 创略科技数据猿

“本项目案例由创略科技投递并参与由数据猿&上海大数据联盟联合推出的“行业盘点季之数智化转型升级”大型主题策划活动之《2021中国企业数智化转型升级创新服务企业》榜单/奖项的评选。

数据智能产业创新服务媒体

——聚焦数智 · 改变商业

·从宏观层面来看，一方面，受新能源汽车政策的扶持，新能源汽车市场占比逐年提升。另一方面，汽车属于大件采购商品，采购周期长，购车转化率低。

·从营销层面来看，营销渠道成本逐年增高，线索成本也相应的水涨船高。

·从市场推广层面来看，车企市场推广活动持续推陈出新，市场活动效果的数智化分析的需求增加，让相应的人工运营成本持续增加。

·从客户数据层面来看，不同系统的营销埋点数据，分散存储在不同平台，无法统一进行分析。

急需基于客户数据中台（CDP）打通分散的埋点数据，实现用户行为的数智化分析和统计。同时，统一标准活动报表指标，系统化支持活动效果分析。

●实施时间

开始时间：2021年3月

截止时间：2021年8月

应用场景

CDP系统开箱即用功能（out-of-the-box feature，也称OOTB）直接私有化部署到客户环境，建立威马CDP的基础模块：包含数据、标签（规则）、人群（圈选）、活动（埋点）、分析（活动转化）及应用模块，供客户使用。

1、构建智能数据生态：处在造车新势力的威马汽车不同于传统的汽车厂商，采用“以用户为中心”的新4S模式（Space威马体验馆、Store威马用户中心、Station威马服务之家和Spot威马E站）等多维触点，让用户拥有高效，高品质的体验。在智行APP、官网、电商、minisite、落地页等近20个触点上进行埋点，合规的采集用户偏好，用户行为的信息进入企业后，提供了海量真实的数据支撑提升用户体验的力度，丰富威马用户群体的画像，确保“以用户为中心”的理念能够紧密的围绕用户而展开。搭建基础平台之后就需要将威马汽车这一个生态内的根据企业定义的身份信息进行数据整合。

2、细分客户人群预测客户需求：依托于机器学习解决分类问题，根据已有的数据和标签进行学习，实时给进入监测范围内的用户进行分类打标。创略团队经过实际的业务访谈和数据调研，采用了主成分分析作为模型的理论构建出一套对于用户的评估和预测算法模型。标签在不同的领域可以助力的场景各有不同，互联网领域中可以实现精准营销，定向推送，提升用户的差异化体验，汽车领域，助力战略分级，优化运营，优化服务，精准营销等。

3、构建精细化运营升级客户体验：通过用户分群，可以针对每类群体进行专门分析和研究，洞察每类消费群体的消费特点和消费心理，在此基础上实现运营优化，精准营销等。如采用交叉销售，多渠道销售提高老客的忠诚度和购买意愿；采用优惠券，积分抵扣等优惠挽留处于流失阶段的客户。

面临挑战

1、伴随着车企业务发展，各个系统的上线，业务累积的数据越来越多，给日常运营人员带来了不小的工作阻力。比如客户标签维护从原先的几千人慢慢演变成上百万用户，普通办公软件一是无法支撑这个量级的数据处理；二是处理起来时效性低，原先几分钟可以输出的汇总结果，在百万级数据下几乎需要1~2个小时；三是跨部门协调数据变得异常困难。

2、多种类线上私域触点（官网/智行APP/威助手/H5），无法实时获取用户行为，且信息系统数据未打通，无法构建用户线上线下全景画像，无法高效的进行用户分群，无法实现个性化精准营销，以及通过专门分析和研究，洞察每类消费群体的消费特点和消费心理；

3、用户旅程割裂，客户从引流到购买的全旅程数据没有打通，无法定位旅程各阶段运营问题，无法进行用户旅程针对性优化，无有效手段提升首次购车转化率；

4、通过Call center进行潜客第一次跟进（如试驾申请），20+客服每天需跟进数千线索，客服无任何有效信息在电话前进行线索价值识别，高价值线索可能无法及时跟进导致流失；

5、威马做为新兴汽车品牌，对于消费者对汽车的反馈及口碑缺少全面了解和认知，无法进行产品及服务的优化和迭代。

应用技术与实施过程

01

应用技术

1、搭建基础平台

很长一段时间的企业发展，给各个业务系统的上线提供了充足的空间。不断的积累业务数据越来越多，给日常运营人员带来了不小的工作阻力。比如客户标签维护从原先的几千人慢慢演变成上百万用户，普通办公软件一是无法支撑这个量级的数据处理；二是处理起来时效性低，原先几分钟可以输出的汇总结果，在百万级数据下几乎需要1~2个小时；三是跨部门协调数据变得异常困难。CDP系统在这样的背景下通过产品上开箱即用功能（out-of-the-box feature，也称OOTB）直接私有化部署到客户环境，建立威马CDP的基础模块：包含数据、标签（规则）、人群（圈选）、活动（埋点）、分析（活动转化）及应用模块，供客户使用。

有效解决威马汽车以下的问题：

数据的所有权和使用权分离：在公司内部局域网下，合理的授权相关部门访问所需的数据，提供公共可视化平台展示统计结果。

2、数据采集

处在造车新势力的威马汽车不同于传统的汽车厂商，采用“以用户为中心”的新4S模式（Space威马体验馆、Store威马用户中心、Station威马服务之家和Spot威马E站）等多维触点，让用户拥有高效，高品质的体验。在智行APP、官网、电商、minisite、落地页等近20个触点上进行埋点，合规的采集用户偏好，用户行为的信息进入企业后，提供了海量真实的数据支撑提升用户体验的力度，丰富威马用户群体的画像，确保“以用户为中心”的理念能够紧密的围绕用户而展开。

有效解决威马汽车以下的问题：

解决如何与“以用户为中心”的理念实质性结合的难题：通过对用户及产品数据的搜集和分析，结合用户偏好和行为的划分，进一步开拓、完善和深化数字服务体系。

3、AI打标

依托于机器学习解决分类问题，根据已有的数据和标签进行学习，实时给进入监测范围内的用户进行分类打标。通常一个符合业务价值导向的评价模型需要建立一完善的指标体系，而指标选取太多势必会耗费大量的人力、物力和财力。传统的分析模型没有考虑到选取指标的信息重叠会给最终的评价结果带来的偏差，针对这一弱项，创略团队经过实际的业务访谈和数据调研，采用了主成分分析作为模型的理论构建出一套对于用户的评估和预测算法模型。主要成分分析的原理是降维处理：衡量指标间的相关性，重新组合提炼少数几个主要的影响因子，用这些主要的影响因子代替原始评价指标建立新的综合指标体系。

一套完整的算法模型真正落地是有两个阶段的过程，第一个阶段是学习阶段用于训练模型，第二个阶段是预测阶段，使用模型预测新数据。

此外，由于现实生活中的数据并非十全十美，在开始训练模型之前，需要对数据进行加工。模型构建之后，还需要对其进行评估和调参，才能带到最优的效果。

有效解决威马汽车以下的问题：

海量行为数据无法处理：采用模型分类后，解决无法人工处理海量行为数据的问题。

数据时效性低：将原先只能不断堆砌人力和时间处理并且也要一周左右才能铲除的最终分析结果，直接提升到实时打标，为企业节约大量成本。

4、数据打通

搭建基础平台之后就需要将威马汽车这一个生态内的根据企业定义的身份信息进行数据整合。整合数据总是围绕着“用户”这一主旨实施。例如，在企业的多个平台上，使用内部定义的唯一身份标识完成消费者在官网，电商，威盟小程序，智行APP等平台上的数据合并。让威马生态内所有的消费者都拥有各自唯一的ID，类似于数据表的主键（这里就是CDP ID）。实现这一目标引用了图计算（Graph Computing）技术，什么是图计算呢？这个“图”并不是指图像，而是一种数据结构。图G由节点V（Vertice）和边E(Edge)构成，比较典型的例子比如网页链接关系、社交网络、商品推荐等。微信的社交网络是由节点（个人，公众号）和边（关注，点赞，收藏）构成的图。

有效解决威马汽车以下的问题：

统一用户数据不清晰且不规范：通过数据加工和贴合业务规则快速完成一个用户在企业生态内形成唯一ID的目标，使客户数据得到统一和规范。

5、标签体系

标签在不同的领域可以助力的场景各有不同，互联网领域中可以实现精准营销，定向推送，提升用户的差异化体验，汽车领域，助力战略分级，优化运营，优化服务，精准营销等。具体可以分为三大类：事实标签、规则标签和模型标签。

事实标签：描述实体的客观事实和属性特征的标签，是客观的，静态的，如：姓名，性别，邮箱等。

规则标签：进行数据加工处理后的统计结果标签，是相对客观的，静态的，如：最近一次登录APP的时间，最近加购产品数量，试乘试驾的次数等。

模型标签：符合业务价值导向特征的预测和评估标签，是主观的，动态的，如：购车意向等级，品牌忠诚度等。

威马汽车的标签体系建设分为三个步骤：第一步，根据业务需求确定业务对象和范围，同时参考公司信息架构中对业务对象的定义；第二步，根据标签间的关系进行层级设计；第三步，标签逻辑和数据口径的梳理和确认。标签的构建是为了方便从“用户”的视角使用，具体的实现方式根据不同类别会不同。

事实标签：按照标签属性允许值的关系系统自动生成。

规则标签：按照标签逻辑系统自动生成。

模型标签：按照标签算法模型系统自动生成。

有效解决威马汽车以下的问题：

建立标签体系：帮助客户从0到1搭建贴用户群体的标签体系。

6、用户分群

用户分群的方法大致有两类：一类是基于营销经验或营销目的的人为分类方法；另一类是基于系统级分析技术的自动化分类方法。在没有CDP之前，客户是依托业务知识和营销经验，建立客户分类的标准体系，如按照客户价值，将用户分为“高价值”，“中价值”和“低价值”等，或者按照客户购买和消费金额，将用户分为“个人用户”，“小B用户”和“企业用户”等。CDP搭建上线后，运营人员可以直接通过系统实现的标签体系，快速实现用户分群。常见的分群有四类：第一类是通过人口统计特征，如年龄，性别，收入水平等；第二类是社会特征，如婚姻状况，家庭，居住城市等；第三类：性格和心理特征：内敛居家型，单身旅游型等；第四类：行为偏好特征：偏好品牌，加购商品等。

有效解决威马汽车以下的问题：

提升专业化：通过用户分群，可以针对每类群体进行专门分析和研究，洞察每类消费群体的消费特点和消费心理，再次基础上实现运营优化，精准营销等。如采用交叉销售，多渠道销售提高老客的忠诚度和购买意愿；采用优惠券，积分抵扣等优惠挽留处于流失阶段的客户。

02

实施过程

1、应用打包

通过自动化脚本将要发布的服务打包成jar形式

2、部署

a.以ssh方式登录服务器

b.查看dataxxx-sync进程号并 kill进程

ps -ef | grep data-sync | awk '{ print $2 }' | xargs kill -9

c.备份data-sync

cp $HOME_DIR/dataxxx-sync.jar $HOME_DIR/dataxxx--sync.jar$(date +%Y%m%d%H%M%S)

d.以sftp方式上传dataxxx--sync.jar至服务器目录下

e.以后台方式启动服务

f.查看日志tail –f logs/data-sync.log

3、日志说明

$HOME/logs—日志目录

info.log—应用信息日志（平时查看最多）

error.log—应用错误日志

warn.log—应用警告日志

yyyy-MM-dd—日期日志目录

03

整体概况

1、数据打通，形成360°个人画像

对威马汽车整个生态内的数据，按照企业自定义的用户信息来打通，使得同一个用户不同数据得到汇总，帮助企业形成和识别用户360°画像。

2、数据采集，获得最新客户动向

在多维触点中布局埋点监测，帮助企业产品、运营等部门，实时了解威马客户群体的行为动作。给运营和产品优化提供更多真实的数据支撑，提升品牌产品和运营的专业度。

3、标签搭建，助力营销优化

将企业从依赖营销经验或营销目的人为打标签和用户分群的阶段提升到系统自动化打标和分群的阶段。有助于优化资源配置，节约人工成本提升工作效率。

商业改变

从实际效果来看，从威马首次公布新款车型EX5的配置，个性化推荐点击率提升270%，客户服务满意度提升36%，微信互动率提升54%，交叉销售效率提升21%。

·OneID：统一多来源数据（数据湖/广告数据（秒针）/外采Leads/舆情/智行APP/CRM/CCC/门店APP/威助手/官网/H5/电商/售后/即客行APP/出行服务/车辆数据RDS/车机数据/三方数据），实现数据归一。

·标签画像&精准人群包：基于用户属性和实时行为等维度数据，定制设计标签画像体系，产出22个大类，220+标签，有效支持用户个性化营销运营。

·构建用户全旅程分析指标体系，对引流、兴趣、沟通、决策、购买等各环节进行深入分析，快速定位业务问题，优化客户旅程运营。

·通过机器学习算法模型，对线索意向度进行评级（高、中、低），帮助销售区分线索跟进优先级，快速跟进优质线索。

·基于NLP技术，对威马全网及自有媒体（app\网站）的客户评论数据进行分析，全面、准确认识客户对产品关注点及口碑评价，及时进行产品及服务策略迭代。