专家评论
对于汽车制造商来说，售后市场销售是业务的关键部分。出售备件和服务可以大大提高收入和利润，因为每辆车的收入在汽车的生活中可能达到数千美元。
然而，汽车原始设备制造商（OEM）及其经销商通常只捕获一部分潜在收入。从历史上看，他们中的许多人在销售和运营的全部潜力上缺乏透明度，即使他们拥有可以提供见解的大量数据库。
Advanced Analytics提供了一种有效的方法，可提供可靠的，数据驱动的见解，以确定哪些售后市场表现良好，并且需要改进。该评论总结了Bain＆Company最近为大型汽车制造商开发的分析模型。BOB体育app该模型解决了以下问题：
- 对于特定的售后事件或类别（例如制动器更换或10,000英里的服务），单个汽车模型的终身收入潜力是什么？
- 在特定时间范围内（例如6到8年）或里程范围（从35,000至60,000英里），汽车模型的年收入潜力是多少？
- 哪些售后事件在这些类别中取得了收入？
- 哪些事件是交叉销售或销售的触发因素？
- 这些事件的实现市场份额是什么？
模型的逻辑
分析模型根据OEM提供的各种数据源计算全部潜在收入和市场份额。最相关的数据包括来自OEM服务合作伙伴的匿名发票，现有备件的价格和描述，以及所有相关型号每年的汽车注册。
该模型具有两项创新：使用定制的市场篮分析算法对数百万发票的售后事件进行识别，以及对汽车生活中事件概率的计算，考虑到基本的汽车数量以及客户忠诚度。
在这种情况下，售后事件对应于商店发票上经常看到的备件的组合。例如，事件“制动更改”可能包含属于售后市场类别“磨损”的零件“制动盘”，“制动垫”和“螺丝”。
模型的逻辑可以分为三个步骤。
1.使用市场篮分析确定关键事件。为了提高收入，汽车制造商希望针对最常见的售后市场活动，以便他们提高市场份额。确定常见事件可能具有挑战性，因为在发票上发现的零件有无数可能的组合。
为了解决此问题，我们应用了通常用于市场篮分析的Apriori算法的改编版。Apriori是一种关联规则学习的一种形式，它迭代地从长列表中生成了频繁的项目集，例如发票上的备件。我们开发了一个定制的Apriori版本，它不仅考虑了零件和零件组合的频率，还考虑了它们的价格（请参见图1）。
Apriori模型的定制版本考虑了零件和零件组合的频率，以及它们的价格
2.计算事件的概率。确定相关事件后，您可以通过计算它们在所有可用发票上的存在来确定它们随着时间的流逝。但是，这仅呈现整个图片的一部分，您将无法根据原始发生数字推断出汽车的全部收入潜力，原因有两个：
- 汽车登记偏度。在发票上，由于旧汽车的废料率，您的汽车比较旧的汽车更年轻。为了解释这一年龄差异，必须将所有年龄段的原始事件发生列入注册第一年的水平，以便将事件发生调整为相同数量的汽车。
- 客户忠诚度。由于许多客户会将他们的汽车带到第三方商店，因此您需要将忠诚度因素应用于原始事件。该因素表明在给定年龄或里程领域中有多少辆汽车正在访问OEM商店。要确定因素，请纠正特定年龄或里程的注册总数的发票数量（请参见图2）。
需要纠正客户忠诚度和汽车注册以计算全部潜在收入
通过纠正这些方面，您不需要对非白合管客户的数据。您可以通过扩展原始事件的发生来计算给定事件的概率。
3.计算全部潜力和市场份额。我们通过将事件概率乘以相应的事件价格来确定每辆车的全部收入潜力。为了确定市场份额，必须按全部注册数量来扩展每辆车的全部潜力。因此，市场份额是发票的实际收入与扩大潜力的比率。
该模型使用仪表板来显示输出 - 收入全部潜力以及不同维度的市场份额，例如售后事件和类别，年龄范围或国家。这些见解的主要用户包括售后策略团队以及各自的国家代表，他们负责转向整体售后业务和销售流程。
为了使这种建模尽可能有效，请记住以下原则。
- 仅接受高质量数据。可靠的见解从一个大型，维护良好的数据库开始。数据质量将直接影响模型的质量。
- 合并业务知识。售后市场特定切片的专家应在整个开发过程中参与，以提供特定领域的见解并验证结果。
- 与跨职能团队合作。数据科学家，通才顾问和领域专家团队对于以快速而敏捷的方式开发分析解决方案至关重要。
- 安装可靠的计算基础架构。复杂的模型逻辑需要一个可靠的计算环境，在该环境中，跨职能团队可以在几种模型变化中迅速迭代。
高级分析技术可以允许任何公司从现有数据库中捕获隐藏的见解。在汽车售后市场中，该OEM获得了关键业务领域的知名度。使用强大的，数据驱动的方法，通过50多个逻辑步骤分析数百万发票：该公司：
- 在市场绩效（收入充足的潜力和当前市场份额）方面获得了更深入的知名度；
- 确定和减轻客户忠诚度的差距；和
- 跟踪缓解措施对忠诚度的影响。
该模型的未来扩展可能包括集成其他数据源，例如车辆远程信息处理数据或外部汽车商店的支出数据（允许的隐私法规），以及根据客户过去的行为为客户提供个性化优惠和折扣。