中国汽车行业营销数字化转型（2020）节选

目 录

前言

1. 中国汽车行业正面临前所未有的挑战

1.1. 外患严重，经济下行与国际形势影响下中国汽车市场持续低迷 

1.2. 内忧突出，需求变化迫使车企与经销商尝试转变 

1.3. 雪上加霜，新冠疫情全面影响汽车产业

2. 数字化转型：认清车企生死攸关的转折点

3. 营销数字化：把握车企数字化转型的切入点

3.1. 困难重重：车企数字化营销的困境

3.2. 如何成功：车企营销数字化转型的必要条件、最终目标和建设路径 

4. 结语

经济下行，整体市场持续低迷。近年以来，随着中国经济进入新常态，宏观经济承压，增长速度放缓。2019 年中美贸易摩擦加剧，进一步加大国内经济下行压力，制造业受挫，PPI 同比增长率为负。与此同时，国内 CPI 却持续上涨，经济增速下行与物价上涨双重因素导致 2019 年中国整体市场低迷。

贸易战加大不确定性，汽车制造业遭受冲击。2019 年中美贸易战逐步升级，5G、半导体、汽车工业等高端制造业成为双方关注的重点领域。贸易战过程中的加税政策虽然只是短期手段，但贸易摩擦带来的不确定性却影响深远。尽管 2020 年 1 月份中美双方签署第一阶段贸易协议，局势有所缓和，但由于不确定性影响了市场参与者预期，截至目前，中国整车出口颓势并未大幅改观。

1.2. 内忧突出，需求变化迫使车企与经销商尝试转变

1.3. 雪上加霜，新冠疫情全面影响汽车产业

2020 年初突发新冠疫情对中国经济以及汽车产业产生巨大冲击。发改委新闻发布会公布 2020 年一季度国内生产总值下降 6.8%，近 20 年来首次为负。疫情导致中国汽车产业全面受挫，2020 年一季度汽车制造业工业增加值同比下滑 26%，为降幅最大行业。而汽车产业又是中国经济的重要支柱之一，2019 年汽车产业占全国 GDP7%，占全国社会消费品零售总额 10%，再考虑到其约 2.5 倍的产业拉动效应，汽车产业市场恢复情况对疫情之后全社会经济复苏有着至关重要的作用。

疫后消费虽有“恢复性”反弹，但全年汽车销量预计仍会下跌 10%左右。由于疫情期间部分刚性汽车消费受到抑制，在疫情之后这部分汽车消费可能会集中爆发，形成“报复性消费”。但业内专家普遍认为疫情导致的经济增速下行与消费紧缩仍会持续影响今年汽车消费者的购买能力，因此汽车销量可能要到下半年才能恢复 2019 年同期水平，而上半年的损失则无法全部挽回，2020 年全年汽车销量跌幅或超 10%。

2. 数字化转型：认清车企生死攸关的转折点

3. 营销数字化：把握车企数字化转型的切入点

数字化转型初期，车企普遍遇到了数字化营销的瓶颈，具体体现在数字营销方式逐步同质化、销售线索质量下降、转化率持续走低等。面对销售压力和低迷的市场环境，短期营销效果的缺失会使车企对持续投入产生质疑和退缩，瓶颈迟迟难以突破。明略追根溯源，发现车企营销数字化转型的主要挑战在于客户需求难以把握、数据赋能难以实现以及系统平台难以统一。

多源数据标准不统一，直接使用效果较差。即便数据割裂问题解决，数据标准的不统一也将影响数据使用。车企内部的业务系统与外部的数据采集技术厂商的数据结构通常无法直接对齐，导致出现同一实体的字段命名不统一、参数取值规范不尽相同等情况；从而增加了应用场景中的数据-业务关系解释成本，提高了错误数据和复杂数据的检查难度，最后导致数据的正确性难以保障。“脏乱差”的数据不仅无法为业务赋能，反而可能误导企业。

模型与企业实践不适配。基于模型的人工智能技术可提升营销活动的分析洞察能力以及与消费者互动的智能化程度，从而创造更高的业务价值。但很多企业在选择算法构建模型的过程中，主要依赖外部通用经验，无法根据自身业务需求和数据现状，进行算法对比选型或者模型优化，导致模型与企业实践不匹配，无法为业务提供更深层的洞察或者更智能的优化。

 系统平台难以统

一数据的沉淀、整合、治理、应用都要依托于系统平台，但车企的系统平台长期割裂，带来了严重的数据孤岛和执行断点问题。平台割裂的本质是组织的割裂，然而欲通过统一组织系统来解决数据与平台问题，其阻力可想而知。

汽车行业数据孤岛之所以成为“顽疾”，主要归因于其营销和销售涉及到的多个分散的业务系统。长期以来，车企在管理营销活动和销售活动时，需要密切对接各类服务商，例如媒体代理商、渠道商、客服服务提供商等。而每一类对接主体几乎都有一套独立的业务管理系统，众多分散的系统使数据整合与治理成为浩大的工程。

系统割裂造成的另一问题是业务执行的断点。即使数据打通了，但要想实现数据对业务长期、持续地赋能，也必须解决系统割裂的问题。数据模型要求根据业务表现的闭环反馈进行自我迭代，但割裂的系统导致闭环反馈只能人为执行，效率与准确性都会遇到瓶颈，即“执行断点”。旧系统的割裂本已使得闭环反馈不易实现，如果不去统一各类系统，而为了某项业务增加新的系统，企业也许会在部分业务上获得短期收益，但会为将来构造闭环反馈系统制造更大的困难。

要解决系统割裂问题，必须釜底抽薪，从组织体系的平台化开始，打造中台型组织。汽车行业利益相关方错综复杂，组织革新难以一蹴而就。即使是关联密切的销售和营销体系，其间也存在严重的矛盾与割裂：传统营销基于以销售线索为导向的 KPI 体系，与实际销售结果存在严重断层；而传统销售主要考虑与经销商的渠道合作，缺乏数据合作，经销商也缺乏提供数据的意愿和能力。销售与营销的割裂阻碍了车企对消费者长期体验和价值的管理。不管是改变营销 KPI 体系，还是解决与经销商的商业合作模式，都牵扯到大量利益分配问题，解决起来可谓错综复杂，举步维艰。

3.2. 如何成功：车企营销数字化转型的必要条件、最终目标和建设路径

面对营销数字化转型的重重困难，车企不得不攻克数据孤岛、系统割裂等顽疾，经历内外部整合的阵痛。这需要车企管理层坚定决心，通过自上而下的管理，确定营销数字化转型目标，推动举措落地，并指导实践。而在实践过程中，管理层则必须了解转型是长期的过程，应该从最根本的数据和系统问题开始，打好地基、逐一击破，最终改变传统业务模式，用数据驱动业务创新，优化客户体验。

 必要条件：管理先行，战略制定与执行团队组建

管理先行要求车企通过自上而下的目标制定、目标分解、优先级排序来做高层次的全局谋划，使企业内部各组织万众一心。

1) 全局谋划需要首先确定“合力方向”，而系统性的现状诊断是确定方向的有效途径。“系统性”体现在两个层面：一是全面评估自身营销数字化能力，以明略的营销数字化现状诊断工具为例，评估模型从企业顶层的数字化意识，到企业资源层面的数据资源与营销中台，再到企业业务层面的数字化实践，自上而下均需涵盖；二是清楚其各个能力正处于在行业什么位置，可借助明略等第三方机构与行业平均对标，做差距分析，以求夯实强项，补齐短板。

2) 找到方向后，还需将总体目标分解，明确具体的战术举措和优先级。车企组织系统庞大，因此需要将目标分解到不同组织板块，明确各组织板块的发展对策和战术举措。接着，依据各战术举措的重要程度与难易程度确定执行优先级，从重要且简单的速赢业务着手，再做重要而复杂的，以此类推。

根据优先级，车企应该坚定不移地推进相应的管理举措。结合车企营销数字化的挑战和行业所处阶段，以下三方面的管理举措适用于目前大部分车企：

1) 针对客户：在营销互动中洞察需求，强化消费者生命周期，贯彻“数据赋能”。

利用消费者生命周期管理理念，创造更多客户体验场景，试探客户反应，从而了解其偏好。比如，车企可设置净推荐值（NPS, Net Promoter Score）等体验指标，从客户体验出发设计新的数字营销模式，并根据客户反馈迭代更新。

对于购买决策时多因素的影响，一方面应从多方获得更加齐备的信息以强化对消费者的全面认知，另一方面需要利用机器学习、深度学习、知识图谱等人工智能技术持续探索，以提高预测精度，实现针对性营销。

2) 针对数据：在处理数据过程中，应着手打通数据，治理数据，并积累行业专精。

首先要打通数据：即使是从营销数字化入手，管理者也应以高于营销的远见卓识，构建具有通用性的基础数据处理能力，并通盘统筹各部门数据的开放与打通。

其次要完成数据治理：数据打通汇总完成后，需要对数据进行口径一致、命名一致、算法一致的规范定义与整理。在此过程中数据治理人员应与业务部门紧密合作，确保治理的结果对业务有指导意义。

最后要积累行业专精，适配企业业务：从现在开始使用数据指导业务，创造数字化人才与业务专家的合作契机，使业务专家熟悉数据驱动业务的方式，提出更合乎实际的 IT 需求，而数字化人才也能不断构建适合汽车行业特点、甚至适配车企自身的模型，使数据的分析应用能够符合业务需求。

3) 针对系统：在系统统一过程中，设计应着眼长远，执行应切实落地。

在设计系统平台的过程中，需要管理者着眼长远。第一要统一：使用统一的架构规划和业务管理系统，做到既能短时间提高管理效率，又能很好的组件化；做到不过度设计、不重复开发，和其他业务系统实现打通。第二要完整：坚持数字化项目“数据采集-数据治理-数据赋能-业务应用-闭环反馈”的完整流程，优化平台闭环能力，为长期、持续的数据赋能奠定基础。

车企需要明确营销数字化转型的责任主体，制定合理的组织目标、配套考核和激励机制，优化组织内的协作流程。明略建议车企在转型初期成立专门的数字化转型领导小组与敏捷化实施团队，统一指挥协调各个业务转型步调，以支持长短期目标的快速调整与匹配，统筹推进数字化转型落地，将“业务孤岛”连接成“平台大陆”。

 目标与路径：三大步骤打造全面营销数字化能力

企业营销数字化转型的最终目标是建立全面营销数字化能力，即全链路在线、全数据运营和全流程智能，解决实践痛点，最终成就跨消费者生命周期的数字营销。链路在线是数字化的基础，实现原始数据的累积和流程的线上走通；数据运营实现数据和行业知识相结合，形成执行与反馈闭环，是数据赋能业务、指导业务的基础；流程智能用于提升效率，改善效果，是驱动营销数字化持续优化的动力引擎。营销数字化是一个综合管理能力，需要在这三方面齐头并进，单一数字能力无法解决实践中的问题。故而，每个营销数字化项目的落地，本质上都是在不断推进这三个方向协同发展。

为打造全面营销数字化能力，企业需要通过营销数字化项目实践，按照数据与系统准备、分析洞察以及闭环智能三大步骤逐步推进，最终打造营销中台。其中，数据与系统准备是整个项目基础，完成原始数据累积，为下一步应用打好基础；分析洞察是通过数据提升对业务的认知，发现问题并找到解决方法的过程；闭环智能是在分析洞察的实践基础上，构造闭环能力，将策略对业务的影响通过数据反馈，再分析，再优化，最终实现不断自动优化。

1) 全链路在线，全面提升营销运营效率全链路在线不仅指营销活动和消费者互动的数据在线，为营销中台提供基础数据；也包括业务部门的流程在线、分析在线与决策在线，提升运营效率；最终在链路中实现闭环反馈，即优化在线。对于大部分车企而言，数字与流程在线、分析与决策在线和优化在线可显著提升营销全周期的运营效率，具体分析如下：

 数字与流程在线

数字在线是指营销活动在线和消费者行为数据沉淀。营销活动在线范围正在扩大，随着技术发展，除了硬广在线（包括传统 PC 和移动端页面广告、数字电视广告、户外广告和音频广告等），软广（比如社交网络 KOL、综艺节目赞助等）也可数字化和可评估。消费者行为数据沉淀则通常包含了身份标识（后称ID）、时间、行为、对象、基础指标等信息的积累。

流程在线一方面指各个线下业务流程的线上化，使业务处理效率、过程和结果可控、可追溯；另一方面也包括前后流程环节的在线打通。

数字与流程在线是营销数字化的第一步，在数据与系统准备阶段实施。对于数字在线，需要通过应用程序接口（API）、文件传输协议（FTP）以及人工导入等方式对接多种数据源，获取线上系统数据，例如广告数据、官网数据、小程序数据以及客户关系管理（CRM）数据等。传统的线下车展或者门店活动也可通过二维码等移动互联网技术实现部分数字在线。对于流程在线，简单流程可用一些常规线上协作工具完成，复杂流程则需构建专门的业务系统加以实现。

 分析与决策在线

分析与决策在线是指将营销中的分析与管理活动进行线上化，其作用有两点：一方面使得分析与管理的进程与结果可以实时传递给活动其它参与者，以便及时配合与反馈；另一方面也将相关数据记录在案，便于下一步运用大数据技术进行优化与智能化。

分析与决策在线需要基于数据与流程在线相关工作，在分析洞察阶段实施。首先需要构建数据仓库，以管理和定时更新需要分析的数据，然后将常用分析方法在线化，形成简便易用的工具，比如转化漏斗、归因分析、消费者路径分析等。管理人员借助这些工具即可完成相关在线分析，并以此为基础构建业务系统的线上流程，最终实现在线决策与在线执行。

 优化在线

优化在线指将传统线下优化方案的产出过程和执行过程都线上化和自动化，例如将优化预算分配的经验模型沉淀为在线工具，定时更新数据以产出优化方案并指导预算分配。

优化在线是方案执行后的反馈优化过程，在闭环智能阶段实施。在后台管理系统和营销活动执行系统线上打通后，车企可通过人为制定、规则管理、算法智能等方法生成一系列优化触发条件和执行策略，最终实现优化在线。

2) 全数据运营，软硬兼施，人才培养全数据运营是指对营销各阶段相关数据的处理与应用，包括前期准备过程中的数据打通与治理、中期数据-业务关系梳理中的可视化分析与标签赋能，后期数据闭环反馈中的营销效果对比分析。全数据运营同时应关注三个方面，一是业务层面数据运营——设计数据模型，进行数据治理，满足业务场景；二是数据运营本身的流程管理——规范数据开发和使用流程，保障数据使用安全，提升开发效率；三是全数据运营也应注意对企业中数据运营和开发人员的培养，使企业有能力去践行全数据运营的相关要求。

对于企业而言，从数据积累到数据应用需要经历必不可少的三个步骤：数据打通与治理、数据可视化与赋能以及数据闭环：

 数据打通与治理

数据打通是指对来自不同业务系统的数据需要进行 ID 打通，以实现对消费者跨渠道跨触点的可识别与可追踪。例如打通客户关系管理系统中的客户数据、媒体广告数据、官网数据以及微 信数据，从而了解消费者从广告互动到留资再到成交的完整路径。

数据治理主要包含数据标准化过程以及数据建模过程。其中，多源异构数据的标准化处理是重中之重，营销中台采用多种对接技术和数据存储结构实现多源数据的统一管理。对于文本和图像等非结构化数据，还需对其做结构化，以补充可分析的数据维度。

数据打通与治理是后续数据应用的基础，在数据与系统准备阶段完成。数据打通过程可依赖规则和算法实现。对于来源少，维度少的数据治理可采用轻量级数据处理工具（ETL），而来源多或维度多的数据治理则需专门的系统工具。数据打通与治理可解决数据割裂与标准不统一的问题，使数据达到可用状态。

 数据可视化与赋能

数据可视化指在数据完成抽取、清洗、储存后，获取业务关键指标，通过可视化技术使客户直观了解数据自身情况以及数据所代表的业务及管理情况。

数据赋能指针对业务场景，完成维度和指标的定义、标签的提取、人群的圈选等数据萃取过程，从而为分析洞察提供数据基础以及为营销活动提供决策支持。

数据可视化与数据赋能是基于可用的数据，在洞察分析阶段实施的。数据可视化过程首先依赖业务专家根据需求进行数据梳理以及可视化表达设计，例如选择基础图表、设计多视图关系、运用动画等，然后使用图表或动画组件等前端技术方式实现。数据赋能主要通过提取数据标签来实现，其过程需要建立数据关系，套用算法模型，借助大数据计算能力，形成各类标签。标签体系既包含消费者自身属性的静态标签，也包括数据萃取和建模构建出的动态标签，例如消费者转化流失风险标签。

 数据闭环

数据闭环指在流程执行结束后，将执行效果与对照组对比分析，依据结果对模型参数进行反馈与调整。只有完成数据闭环，模型与系统方可不断进行调整优化，使其更适应车企与业务特点。数据闭环是数据运营的最后一环，在闭环智能阶段实施。需要全面监测和采集业务系统执行效果相关数据，然后通过软件开发工具包（SDK）/应用程序编程接口（API）方式回流到数据管理系统和业务系统，为系统优化提供数据支持。

3) 全流程智能，提升投放效率，降低决策风险

全流程智能是根据营销数字化项目不同阶段，进行针对性的智能化应用，包括初期数据治理完成后的智能探索、中期基于数据标签的智能分析与预测以及后期基于数据执行结果的智能推荐与优化。智能探索可挖掘数据维度和指标关系，提升数据价值。智能分析与预测可通过历史数据训练算法模型，结合动态数据进行分析，提升预测准确度。智能推荐可对消费者、内容、渠道、时间多个因素进行综合考虑并进行自动投放，提升投放效率。智能优化则根据营销结果对营销决策模型进行连续优化，降低决策风险。通过全流程智能，企业员工还可近距离了解人工智能等新兴技术的特点与工作模式，从而进一步激发数字化思维，加速车企创新。

通过智能探索、智能分析与预测、智能推荐与优化，可助力精准营销，实现千人千面的个性化推荐，具体分析如下：

 智能探索

智能探索指借助算法、大数据等手段，透过数据表象，挖掘更具业务价值的信息和一些隐性关系。例如通过一些聚类分析方法探索作弊流量特征等。智能探索突破了传统探索方式的局限，比如对专业人员的过度依赖、对天量数据处理的能力要求过高等。

智能探索是对整理好的数据进一步的加工，在数据与流程准备阶段实施。基于不同目标，它可以有多种实现方式，例如为快速筛选和聚集新的信息，节省前期数据准备成本，可采用特征排序聚类办法；为挖掘新的消费者标签，以图谱形式展示显性关系并推理隐性关系，可采用交互式探索分析。智能探索适合数据来源丰富、维度繁多、关系复杂的营销场景，但在此之前企业需拥有一定的数据管理经验以及明确的业务目标。

 智能分析与预测

智能分析与预测可预判营销趋势变化并及时提出响应策略，提升营销效果。具体可从以下三个方面体现：1. 实时性，根据快速变化的外部信息实时修正预测结果，例如点击率预估，实时竞价预估；2. 可细分，从群体客户整体趋势预测可细化到个体客户个性化预测，例如预测与具体某个消费者互动的最佳触点和内容；3. 可应对复杂情况，例如在数据分布不均匀条件下进行预测等。

智能分析与预测基于完善的数据基础，在洞察分析阶段实施。该功能的实现通常依赖算法模型的生成和应用。对于有大量算法模型需求的企业，建议构建“算法模型训练与计算”平台，统一管理模型的数据接入、模型探索、模型发布、模型优化等过程。

 智能推荐与优化

智能推荐基于消费者历史数据与产品特性，定制化地向消费者推荐相关内容。该能力的实现不只要求内容匹配，还要求时间和场景匹配，例如电商场景中，根据购买前、中、后设定不同资源位及推荐内容。

智能优化是指根据效果反馈自动迭代模型，使其更适合企业特性，提升营销效果。

智能推荐与优化是数据的高级应用，在闭环智能阶段实施。智能推荐的实现过程包括推荐模型生成和推荐系统构建。推荐模型要依赖消费者标签、内容标签、场景标签等信息，并针对不同业务场景采用合适的算法生成，比如协同过滤算法、内容推荐算法、相似度推荐算法、关联规则推荐算法等。推荐系统则会对接业务系统的数据，例如当前场景和消费者数据，通过推荐模型自动决策，输出匹配内容返给前端。智能优化则需要实现数据闭环后，将流程执行中的效果数据返给模型，对模型参数进行调整，实现连续的自动优化。通过构建 A/B 测试等自动分析组件，助力实现更快的应用效果评估，加速迭代。

需要强调，营销中台是全面营销数字化能力的载体与执行平台。三大营销数字化能力的建设，通过三步走得以实施，最终以营销中台为载体进行实现。营销中台与业务系统相连，将最优化的决策贯彻到企业营销各项相关举措。营销中台亦有助于企业理解中台组织的特点与运行方式，为企业其它核心能力与资源的中台化提供借鉴。

4.结语

受新常态、贸易战摩擦、新冠疫情三重影响，中国汽车行业整体形势愈发严峻。但危中含机，中国车企在面临一系列挑战的同时，也将迎来巨大的转型与发展契机。此时此刻，中国汽车行业应深入思考如何适应环境，顺应潮流，把握机会，引领变革。明略希冀通过此次对车企营销数字化理论、方法与实践的研究，帮助中国车企探索出一条适合自身、切实有效的营销数字化转型之路，并对行业整体数字化产生积极作用。展望未来，我们相信中国车企可以借此市场转型之机，拥抱变革，勇于创新，借数字化的新理念提升管理，用数字化的新技术为企业赋能，优化配套的组织、人才以及流程，夯实企业在数据智能时代的核心竞争力，从而战胜挑战，赢得未来！

全文完~