借助 GenAI 在汽车销售中获得竞争优势 ： 全球视野

麦肯锡直接 借助GenAI在汽车销售中获得竞争优势：全球视野 飞行员已经展示了GenAI在汽车营销和销售方面的力量，但原始设备制造商和经销商现在需要一个系统的扩大规模战略来获得竞争优势。 本文是Niels Dau，Philipp Maximilian L ü hr，Stephan M ü hlh ä user，Matthias Roggendorf，David Sprengel和Marije Weber的共同努力，代表了麦肯锡汽车与装配实践与增长，营销和销售实践的观点。 生成AI在这里-中国（再次）领先 对于汽车营销和销售，GeAI的上升恰逢其时。随着新兴的竞争者进入市场，尤其是来自中国的竞争者，汽车销售进入市场的模式正在转变。这些攻击者拥有精益的进入市场流程和创新的销售模式，强调与客户的直接互动以及满足其个性化需求的超个性化通信。除了客户互动之外，GeAI还可以帮助汽车组织确保营销和销售工作高效，并提供强劲的投资回报-随着全球竞争的加剧，这些因素将变得更加重要。 在包括战略和研发在内的所有职能中，有45％的受访者表示GenAI是其日常运营的一部分，尽管中国的这一比例远高于欧洲或北美。仅在营销和销售方面，地区差异也出现了，约90％的中国受访者表示他们的组织进行了生成AI试点，相比之下，在欧洲和北美只有约50％。大约30％的北美和欧洲受访者表示，他们的组织应该增加对GenAI的使用。 OEM和经销商已经开始在大多数功能上试验GenAI， 这些发现与麦肯锡市场专家的观点一致，他们认为中国的OEM和经销商最积极地追求GenAI应用。这种模式可能会出现，因为中国组织更有可能拥有 关于GenAI的“测试和学习”心态，即使存在失败的风险并且财务收益不确定。中国组织宁愿启动应用程序并快速迭代，也不愿等待 但其应用 在营销和销售方面仍然处于起步阶段。一些公司已经开始试点，但尚未大规模部署。部分挑战是，当可能有这么多用例并且每个功能似乎都有自己的GeAI野心时，公司很难确定哪些GeAI用例将产生最大的影响。由于所需的投资和资源以及与任何新技术相关的风险，扩大规模似乎也令人生畏。但是原始设备制造商和经销商现在意识到，如果他们想在市场上保持竞争力，不采取行动不是一种选择。 最好的解决方案变得显而易见。特别是在欧洲，组织在采取行动之前，花更多的时间调查哪些GenAI用例来追求和评估风险。 关于GeAI的影响也出现了区域差异。大约90%的中国受访者对这项技术产生的影响抱有很高的期望，相比之下，只有80%的北美人和65%的欧洲人对此抱有很高的期望。此外，在哪些用例被认为最具影响力方面存在重要差异（图表1）。（有关主要用例的简短描述，请参见侧栏“汽车营销和销售用例”；下一节中也将更详细地讨论这些用例。)例如，欧洲受访者认为个性化沟通-定制风格、内容和时间的能力。 为了帮助汽车组织制定前进的道路，我们调查了中国，欧洲和北美的约200名汽车营销和销售主管，以确定GenAI现在如何在全球范围内的营销和销售中使用，以及未来的使用计划。我们还进行了专家 访谈来补充我们的发现。这项研究帮助确定了优先用例，包括那些与提高效率和达到更高水平的个性化相关的用例。它还揭示了干扰实施的主要挑战，以及潜在的解决方案。 对用例影响的看法因地区而异。 按地区划分的用例影响排名基于受访者回答（非常）重大影响 向个人客户发送消息-将产生最大的影响。这并不令人惊讶，因为GeAI允许公司克服为个人大规模开发材料所固有的历史挑战。相比之下，在中国，受访者最看重与增长和生产力相关的用例，而领导管理——识别、鉴定和培养— —被视为最重要的用例。之所以会出现这种偏好，是因为中国的许多原始设备制造商都是新进入者，往往会放置更多。 强调成本和效率。与与客户体验相关的用例相比，衡量增长和生产力用例的影响也更容易，而且关于数据隐私的监管限制更少。 如果欧洲人和北美人现在不接受GenAI的潜力，并采取“测试和学习”的心态，那么当GenAI还处于相对起步阶段时，他们就有可能落后于中国同行。 汽车营销和销售用例 我们的14个优先用例包括： 客户体验 —以升级的信息娱乐系统形式的车载礼宾服务，根据客户的标准路线，目的地和特定日期的活动提出个性化建议和预订—来自销售、客户服务和售后等职能部门的个性化沟通，以响应客户询问；内容、风格和渠道根据来自多个来源的可用数据，包括来自客户关系管理系统的信息和过去的客户行为，专门针对个人—使用GenAI驱动的设计工具创建的个性化产品，如配件—以“个人”聊天机器人形式的虚拟客户助手，帮助客户进行自助服务并回答过程中出现的问题—虚拟、个性化的展厅或互动体验，客户可以在其中探索不同的车型，定制功能，并在他们喜欢的环境中进行虚拟试驾（例如，当地社区） 生产率 —通过语音助手提供维修和维护建议，指导机械师并在工作时回答有关技术问题的问题—用于建立和维护数字社区的社区审核;虚拟助手可以生成内容，分析行为（例如，发布频率），查看消息并标记看起来不合适的帖子—数据输入助理，可根据客户偏好和订单、客户投诉、维修备忘录和其他文档的其他信息填写或建议缺失数据—见解创建，涉及自动查看，提取和合成来自不同来源和格式的大量信息，包括文本，语音和图像—市场和竞争对手监测，包括对趋势、技术进步、数量和公司活动的信息进行自动审查和综合—针对个人客户量身定制的具有钩子，格式，语言，语气和长度的营销内容 收入增长 —销售线索管理，涉及在GenAI可以创建的新的，增强的客户群中生成，培育和将销售线索转换为销售；自动化的后续行动包括个性化的消息传递—个性化且具有情感吸引力的优惠，特别针对基于购买历史记录等数据的个人消费者—销售和客户服务的联合试点，GenAI根据可用数据提供与客户互动的建议，包括过去的互动和客户的感知情绪；建议可能涉及对话内容、最佳互动策略和后续步骤 选择正确的GenAI应用程序至关重要 我们的研究，包括对至少已经进入试点阶段的行业领导者的采访，使我们能够评估14 在各个行业中，麦肯锡的研究表明，营销和销售中许多最有前途的GenAI用例涉及三个领域： 关于其潜在影响的用例。除了影响，我们还评估了实施每个用例的可行性和相关风险。在考虑易于实施时，我们考虑了各种因素，例如数据的可用性和所需的技术技能。对于风险，我们专注于法律问题，如知识产权侵权和安全问题，因为受访者认为这些问题最多。 —客户体验。通用广告不再满足当今消费者的需求，他们越来越想要个性化的沟通和体验。 —增长。通过GenAI提供更好的见解和建议，OEM和经销商可以改善潜在客户识别/资格和产品。 Of the 14 use cases, four emerged as a potential startpoint for automotive organizations because they coulddelivery high impact with reasonable effort withinmarketing and sales (Exhibit 2): —生产力：生成AI可以加速或改进许多流程，包括创建营销内容、竞争分析和客户互动。 附件2 用例可以根据影响和可行性进行排名。 根据影响和可行性确定用例的优先级；基于受访者和专家的评估 —改善销售和客户服务的联合飞行员。GeAI可以在客户互动期间为销售和客户服务员工提供实时帮助和建议。虽然GeAI会考虑数据，例如关于过去的交互和流失建模的信息，但它也可以检查更多的非常规输入。例如，GeAI可以根据书面交流中的语言，甚至通过解释客户声音的语气来评估客户的情绪，然后根据感知的情绪提出建议。汽车。 服务代表。GenAI虚拟助手不仅可以简单地回答常见问题或提供有关基本维护的提醒，还可以“记住”客户在“对话”期间提供的信息，包括过去的查询。通过在购买之前和之后提供更好，更个性化的服务，GenAI 可以帮助显着减少客户服务请求的数量并增加收入。 OEM和经销商，像许多其他人一样，可能会低估这个用例的潜在影响，因为很难相信算法可能会超过人类对销售或客户服务交互的判断，但GeAI飞行员已经表明，这些工具与更成功的结果相关，例如更高的效率和客户满意度。GeAI联合飞行员也可以帮助那些在销售或客户服务团队中往往有较高减员的组织，因为他们促进了入职。 GenAI可以自动生成和优化副本和图像，从而改善效率和成本。它还可以帮助OEM和经销商实现更高的水平例如，一些金融服务公司现在在制作电子邮件时使用GenAI来为个人客户确定正确的标题，图像，语气和内容，而不是根据大客户群定制它们。 —产品生成。汽车原始设备制造商和经销商已经使用高级分析为特定客户群创建量身定制的产品。GenAI通过根据个人客户的个人资料、偏好、驾驶习惯和以前与公司的互动创建旨在吸引个人客户的产品来将个性化提升到另一个层次。除了提高收盘价之外对于销售来说，这些优惠可以改善交叉销售和追加销售的机会。更重要的是，GeAI可以帮助OEM和经销商增强销售导向（例如，车辆分配，规格和定价）。例如，GeAI应用程序可以将促销重点放在库存过多的模型上，而不是建议所有满足客户需求的车辆，如果该工具与库存数据相关联。 对于第二波用例，组织有两种选择。他们可以继续尝试相对易于实现的应用程序，例如用于数据的应用程序 进入和洞察力创造，即使影响较低。或者，如果组织愿意实施更复杂的用例，则可以专注于提供更大影响的用例，例如用于领导管理的用例。例如，这些可能需要通过API访问外部数据库，或者需要创建不同格式的数据的组合分析，例如文本、图像和语音。考虑获得竞争见解的过程。首先，GeAI工具必须访问新闻源和公共数据来源，例如年度报告。然后，它必须提取信息，对其相关性进行排名，然后创建一份报告，将不同的信息编织成一个有凝聚力的整体。 —虚拟客户助手。聊天机器人和虚拟助手已经很常见，但是它们的回复通常会导致恼怒或请求转移给客户- GenAI实施涉及一些熟悉的挑战-以及一些新的挑战 优先级，并可以确定哪些用例将帮助公司实现其目标)。但是GeAI需要新的技能和工作方式。例如，团队必须知道如何将公司的专有数据嵌入到大型语言模型中，以及如何创建有效的提示-用于生成问题答案和其他输出的特定语言输入。总体而言，担任GeAI职位的员工必须将传统数据科学家的技能（尽管他们的编程知识可能不那么广泛）与翻译人员相结合。提高技能可能会缓解一些人才不足，但公司可能也需要雇用新员工。 与任何新技术的引入一样，GenAI需要大量资金和拥有正确技术技能的专业团队。超过60％的受访者表示，缺乏资源是GenAI使用的最大障碍之一。 对于人才，公司应该在开始之前了解GenAI所需的技能 招聘或提高技能的努力。在GenAI用例的开发和维护中，公司将需要与“传统”分析AI / ML相似类型的配置文件，例如数据科学家，数据工程师，软件工程师和翻译人员（那些了解业务的 GenAI实现的其他元素也可能具有挑战性，如侧栏“Putting GenAI to work ”中所述。 让GenAI工作 如果以下启用程序到位，GenAI的实施可能会更容易： —创建跨职能团队。许多GenAI应用程序需要相同的基础工作，例如嵌入或微调专有数据，并且跨职能团队可以很好地协调不同的小组并确保他们不会重复准备工作。这些团队还可以更好地了解所有拟议项目，从而更容易设置优先级和分配资源。—最初关注非面向客户的应用程序。公司可以快速测试和改进这些用例，而不必担心破坏客户体验。这些努力也有助于在内部为GeAI的应用创造兴奋。一旦公司有了经验，他们就可以将他们的GeAI工作扩展到相邻的，面向客户的用例，并且由于他们先前的努力，工作可能会更容易进行。—如果这些工具没有集成到系统中,员工可能会认为它们是负担或坚持旧习惯。—降低风险是当务之急。组织应在开发过程中建立指导方针— —例如，规定员工何时以及如何审查GenAI的产出。没有这些检