車市進入存量競爭，疫情讓競爭更加殘酷。然而，隨著中國汽車保有量的增長、汽車平均車齡的提高以及二手車交易的增長，汽車後市場呈現出強勁的增長勢頭。當然也正因為如此，越來越多的機構進入後市場競爭，各大主機廠面臨著前所未有的挑戰。
作為主機廠，要想提升自己在後市場的競爭力，除了在配件產品、工程技術支持、供應鏈支持等傳統領域苦練內功，加強經銷商在售後配件服務方面的能力非常重要。
針對這壹業務挑戰，我將分享壹個基於大數據和智能算法的售後配件智能協作平臺的實際案例。整個協作平臺分為四個部分:
代理商零件需求預測
需求管理和預測分析是售後配件管理最重要的內容。但據調查，只有20%的經銷商有能力進行周期性、系統性的預測和分析，大部分都是依靠員工的個人經驗和能力來預測和分析零部件需求，不僅需要大量的時間處理基礎數據，而且在人員變動時也很難進行有效的知識沈澱。
如果OEM能將這種能力輸出給經銷商，將會給經銷商帶來很多好處，主要體現在:
壹是為經銷商的庫存管理提供極其重要的輸入，提高配件的壹次性滿足率，大幅減少因配件短缺而導致的維修等待，提高客戶滿意度和粘性；
二、幫助經銷商準確區分不同季節的配件需求特點，從而在合適的時間儲備適量的配件，有效降低經銷商的庫存資金占用，整體提升經銷商售後配件的管理能力。
讓我們看看這個智能協作平臺是如何工作的:
1.以經銷商售後維修數據為基礎，利用時間序列算法預估配件未來中長期需求規模、趨勢和季節性；
其次，根據配件的工程特性，通過聚類和決策樹模型確定車輛上各類配件的需求特征，為新車型、新配件的需求預測提供數據支持；
第三，結合外部數據，構建有監督的機器學習模型，以應對特定的市場或環境事件，最典型的就是氣象數據對售後預測的幫助。
比如中國沿海部分地區會預報有臺風天氣，當它出現時，壹些不尋常的維修需求會突然增加，比如“水淹車”。這時候各種電控模塊、底盤部件、動力總成部件都會有較大的維修需求，對經銷商的服務和主機廠的供應鏈都會有很大的影響。
傳統的季節性需求分析與突發氣象事件引發的業務場景存在較大誤差。這時候機器學習模型方案就可以很好的解決了。結合歷史維修數據和氣象預測數據，可以很好的給出具體零部件的需求風險預警，並根據當地車輛保有量計算出大概的消耗規模。
而且這種不確定的氣象事件也可以為很少出現這種天氣的區域經銷商提供很好的數據支持，讓他們在遇到罕見場景時可以參考其他區域的數據。
第四，通過車輛傳感器的數據反饋，可以分析具體模塊的工作狀態，從而在車主進店保養時，主動邀請或有針對性地對車輛進行診斷，提高服務效率。
再者，利用車輛傳感器數據做出的配件預測，也可以為主機廠在新車上市階段更早發現質量風險提供可能，降低最終三包問題發生的概率。
代理商零件庫存優化
說到經銷商零件庫存優化，很多人可能會想到幫助經銷商降低庫存。其實這是壹個誤區。從主機廠的角度來看，經銷商庫存優化應該是上下遊縱向合作和經銷商橫向協調的協同問題。我們在經銷商的地理位置、銷售特點、服務要求等綜合因素的要求下優化“供應鏈責任”，即處理這些問題:
首先，哪些部分“值得”去構建和存儲？
第二，存儲要建多深，能支撐需求多久？
三、基於以上兩點，主機廠的售後配送中心應該采取什麽策略？
我們曾經在某品牌銷售後對上遊配送中心的庫存進行優化，發現經銷商庫存管理的目標、方法、能力參差不齊，被動優化上遊庫存策略並不是最好的辦法，於是我們與客戶合作，為經銷商構建了壹套庫存管理系統方案，除了預測管理之外，還包括經銷商當前和未來的庫存計劃。基於庫存計劃，我們計算出下壹年的訂單計劃，當前訂單計劃轉化為經銷商的采購建議，長期數據信息主要用於上遊系統輸入數據。
經過兩年的推廣應用，該方案統壹了經銷商對庫存管理的認知，使上遊能夠更好地預估經銷商的訂貨行為，為上遊庫存優化工作奠定了良好的基礎。
通過統壹管理目標，沈澱到系統中，可以有效降低經銷商端訂貨的不確定性。在此基礎上，可以更好地提高上遊管理能力和與上遊零部件供應商的協調能力，從而提高供應鏈的整體運作效率，大大降低供應鏈的牛鞭效應。
代理商零件的智能分配
供應鏈管理充滿不確定性，預測精度的提高和庫存管理能力的加強並不能完全解決所有的經銷商配件管理問題。其中，最重要的是呆滯件(我們壹般將壹年內未售出或購買的零件定義為呆滯件)或長期備件的處理問題。
呆滯庫存的出現是壹個非常復雜的問題，它可能受到預測誤差、庫存策略缺陷、項目替換、客戶流失、車輛質量改進等多重因素的影響。即使提高了預測和庫存管理的能力，呆滯庫存隨著時間的推移仍然會出現。
然而，庫存低迷是壹個地方性問題。我們對經銷商進行了抽樣分析，發現如果壹個配件在壹個經銷商處處於呆滯狀態，那麽對於該市所有經銷商來說，它仍然呆滯的概率是77%，而對於其所在的省(或銷售區域)來說，只有35%。如果把視角提升到全國，依然低迷的概率不到5%。因此，我們有很大概率為經銷商的呆滯零件找到其他買家。
第壹個問題是如何讓“平淡的部分”流通起來。
售後配件協同平臺也是經銷商間的配件交易平臺，支持經銷商在平臺上買賣符合壹定條件的配件。“壹定條件”是平臺管理層定義的，通常是因為配件庫存年限長，上遊庫存深度不大。
同時，經銷商定期向上遊提交采購訂單時，推薦給周圍的經銷商和銷售商(壹般是同省或同集團)。定期給銷量高的經銷商匹配平淡的部分，匹配溝通，促進他們完成分配。
實際操作中，在壹定的品牌政策支持下，至少可以有效利用30%的呆滯件，為經銷商釋放壹筆流動資金，降低庫存管理成本。
分銷商分銷優化
在經銷商供應鏈管理領域，物流運輸成本是主機廠承擔的壹大成本，當年的用車數量決定了當年的運輸成本。從宏觀的角度來看，經銷商從主機廠訂購的配件總數與其壹年的銷售量之間的關系基本上是1:1，也就是說，壹年要運輸的配件總體積是“固定的”，決定運輸成本的關鍵在於裝載率，即每輛運輸車裝載的貨物總體積與車輛可用體積的比值。顯然，該值越高，總行程數越低。
影響裝載率的主要因素有兩個。壹是運輸路線上單批經銷商的采購量。舉個例子，如果這批采購的總體積對應1.85輛汽車，單車可用體積為75%，那麽無論如何平均裝載率都不會是61.7%。其次，在配件體積固定的情況下，不同的裝載策略也會影響實際的車數。
提高裝載率的關鍵是:
1.區域經銷商采購訂單的優化。在基本采購量(即庫存策略對應的采購量)的基礎上，為每個經銷商增加壹部分訂單量，使采購的零部件總體積滿足每個經銷商最小增量和均衡負荷條件下的總裝載體積範圍。據我們統計，這壹調整平均只占經銷商基本采購量的1%-3%；
2.優化裝載策略，具體為每輛車分配裝載零件的組合和數量，保證每輛車的裝載率控制在70%-75%之間，並滿足壹定的運輸要求，如重貨比、貨架要求、托盤要求等。平均而言，裝載率從70%以下提高到73%左右，實際上節省了每年總運輸行程的4%左右，有效降低了整體物流運輸成本。
據預測，未來主機廠將從制造商轉變為數據服務提供商，數據資產和技術資產將成為其最重要的競爭資本。在代工搭建的生態鏈中，經銷商是最重要的參與者，也是相對技術能力最弱的合作夥伴。OEM可以有效地提高雙方的效率，加強合作關系，從業務政策驅動轉向數據驅動和協作。這個售後配件智能協同平臺就是這種合作關系的體現。
本文來自車家作者汽車之家，不代表汽車之家立場。