分享主题
大数据让公路物流更美好
内容摘要
今天给大家分享的主题是公路物流的故事，我相信可能很多同仁不了解满帮集团是一家什么企业，过去满帮是云满满、互城邦合并全国最大的公路物流平台，我们大家了解大货车，对大货车觉得离自己很远，除了在高速公路上遇到会离得远远的，不知道和我们实际生活有什么关系，今天分享AI智能管理小小心得的前提下，我想先分享一下我们平台大货车司机跟我们生活有哪些方面的关系。
因为这次是在上海来分享这个主题，我跟大家选了一个大数据物流的季节特色，也想通过大家比较熟悉的生活场景帮大家了解一下，实际上我们平时大多数运输的货物里面什么样的货物都有，我特别挑了一下江苏一带都很喜欢吃的小龙虾，我们从整个小龙虾的数据来看，这就是我们平台拉货小龙虾货车司机的数据，我们虾的革命根据地就是在整个华中，但是我们整个吃虾的群众分布在华东，我们上海人民属于吃虾排行榜的首位，这个数据上面可以看到所有的货车很多货物跟我们民生息息相关，我们拉虾货车司机常用的车型，这是我们小龙虾的数据。
再看大闸蟹，说大闸蟹就想阳澄湖的大闸蟹，我们吃蟹的城市比产蟹多很多，我们螃蟹要经过长途跋涉，真正产销最多的不是熟悉的阳澄湖，而是泰州产量是全国第一，看到最喜欢是广东人，其实像海南是自产自销也没有什么出口和进口，像西藏完全不吃这个东西，从这些数据可以看到整个中国各个区域的一些特色以及它当地、产地特色以及人生活的习性，再看一下鲜花，这是跟在座很多年轻人息息相关，每年都有两个情人节，一个是西方一个是传统的七夕，中国传统七夕鲜花的产量远远高于我们西方的情人节，说明我们中国人越来越注重我们自己的传统节日，相反在1月份鲜花的产量高于2月份节日的产量是因为什么呢？在1月份有很多的企业都要做年会、商务的会议，从整个数据上面也能看出，我们整个中国的经济发展。
这是通过这几个小小的场景和数据想给大家体现满帮平台不仅仅帮司机找货，找货找车主简单的平台，通过平台的大数据看到中国的民生发展，真正能看到我们长三角、珠三角主要的运输货物，甚至能看到各个城市、各个省份主要的农作物，它的季节性物品、销量甚至是出口，它整个体现是我们整个中国经济形势的呈现，大数据背后真正能够解决的问题远远不止我们所看到表面上那么简单的问题，通过这个大数据看到我们在讲他们都给我们带来很大的方便，为我们做更好的经济规划、经济建设。
回到我们本质上来，如果它是属于我们在客户服务工作当中，我们大数据背后实际上又存在哪些问题，是大数据本身解决不了的，我们可以看到刚才的数据能够显现出来，我们现在平台上已经有了整个中国将近90%的货车司机的数据，有了中国甚至0%的货主数据，我们有大量的货源、大量的车源，是不是代表我们整个中国的物流体系构建得非常好，其实中国的物流体系是非常复杂，甚至是非标模式的，我们看到每一个货车司机都不是一个个体，都是一个小的小微企业，这是在非标的情况下。
比如说装车卸车是一个问题，在哪里装车，怎么卸车，有一个司机拉一个货在两个不同的地方卸货这是经济有影响的，他怎么提前知道这个路况是这样子，哪些是近区，尤其在西藏、内蒙、新疆都是非常恶劣的天气，司机经常被困在路上，我们救援，我们提前的预警怎么给司机保障安全，我们前段时间无锡大货车超重事件，怎么通过大数据、产品标准化，能够把风险降低甚至是避免，像我们运费结算，很多的司机跟货主运费结算很难讨回来，怎么样这样的运费让司机和货主愿意在平台上支付，像淘宝买东西一样有一个闭环，怎么让我们的厂家也好、我们的货主也好我就在这里收这个钱，把我私底下收钱的好处在哪里，我们安全、保障怎么保障整个司机的人身安全，如果遇到一些不可抗的因素，比如刚才讲的天气情况，甚至我们车有自燃的情况，甚至有的拉爆炸物的情况，这样的情况我们怎么保障，这就是AI的魔力，大数据的魔力。
智能的基础是标准和产品，智能基础首先要有标准，其实做客服的同志们最大的难点和使命就是我们怎么样让这个标准引导客户，怎么通过建立的客户教育客户，我们给你的产品是对你所有一切交易和路况和全程是有保障的，怎么做这个教育是我们管理中更多思考的，真正产品的构建最终靠场景和需求做成的，真正所有大数据汇集到一个平台上来，如果不能形成有场景化的、有客户需求，去解决客户需求的一个产品，大数据本身就没有任何的意义。所以其实我们一直在思考说，我们做客户服务、做客户行业的人到底是应该去用更多的机器来解决我们客户的问题，还是说我们来推动，我们的客户到底需要什么样的智能，我们客户需要解决什么问题。
这让我们引发思考，实际上客户服务才是驱动产品的核心，过去我们认为，我们都是去解决问题的，都是为公司所有的一切流程、产品、制度去做兜底，但其实我们所有做得这些都是滞后的，如果我们真的能往前提我们应该驱动产品的，我们来告诉产品人员、我们告诉业务部门，我们需要的战略步骤是什么样子，我们需要的运营技术是什么样子，我们客户真正想要的产品是解决什么问题，大家可能在做客服都有同感，其实我们的产品人员离我们的用户是很远，他听不到一线客户的声音，我们真正听见客户声音的客服人员不具备产品的思维，因此我们客户需求在产品衔接有一个灰色的地带。
怎么做呢？我们分享一下现在做的小小经验，首先是客户服务部门先得有自己的用户画像管理，每一个企业都应该有自己的客户画像管理，基于我们GMV、基于规模，我们基于客户的体验感、体验度，用我们企业来说，从一个司机、货主注册的一瞬间开始要看注册效率和路径是不是有优化，用户注册是不是更快，我们司机、货主文化水平不高，是不是容易理解，我们上传一个照片在座可能觉得很简单，对司机来说你识别照片、图片的时候分不清楚他在什么情况要拍照，什么情况下可以保留原来手机里面的照片，从而影响最终的指标也可以是我们的规模。
再看用户的行为，用户登录行为，有的可能喜欢用验证码，有的喜欢密码，怎么区分登录的习惯和货源的喜好，经常拉绿通就是水果蔬菜，或者是钢材、建材，他匹配哪一类货源，更愿意点哪些路线，基础属性到用户兴趣分析，以及真正满足需求，车货匹配，帮助他挣更多的钱、做更多的单还能解决别的问题，比如说能不能在高速公路通行，能不能最近的油站在哪里，我们长期在车上，能够说最经济实惠的有没有，你如果在这个时候去加油，如果没有现金我们能不能用打白条的方式，通过这个方式转化用户的价值，我们增值转换的情况，有的更愿意看白条额度还是更愿意看做哪里，在哪里加油，这些都是涉及到你的产品排序，你对客户体验又息息相关的。
所有已经转化有价值的客户特征是什么？还有没有转化的特征是什么，通过这种方式我们产生基本的客户属性，这个属性我们开发顺序，我们最佳转化周期，高价值的行为、特征都是我们客户服务当中真正做差异化服务的，真正要反过来变成说我高效解决的核心问题，只有客户画像用户管理做集中性的分层，我们智能的推动和服务的推动才会是有节奏的去满足核心需求的那部分客户，否则的话我们智能影响是那一部分我更想找到人工的客户，满意度必然是不会很高的，这是我们用户画像管理，再看操作处理。
不知道在座管理者有没有这样的感受，其实我们自己的员工就根本不用我们的产品，它是不是对我们，尤其是我们做互联网企业的，它对我们的产品是不是用淘宝、京东了解整个的顺序，可能对淘宝、京东双11的红包政策比你业务运营还要更详细，就是因为他不用，所以我们一定要要求我们自己核心客服人员一定要了解我们用户，在整个生命周期里面会点到多少的触点，我们如果说增值业务里面，我们关键客户体验点，我们产品触点有多少，当我们车后服务、注册，你把所有触点了解清楚，观测使用是否够用，你真正管理到战略性指标，而不是常规的我们接通率，而不是常规平均通话时长，真正推动是我们的GMV、增长率，产品的投诉率、故障率，这是优化的，靠客服人员推动服务，靠我们标准化智能机器去推动服务都是远远不够的。真正通过客户的触点，通过我们底层数据的模型反过来满足需求是我们真正成长的，这是我们操作触点的分享。
最后是机制的管理，一个客户服务中心是不是足够优秀除了技术够先进，是你的权限和价值定位，你能驱动多少个部门决定你服务质量能有多好，所以我们在推动所有产品优化的时候，我们产品研发、运营所有人员所有VP比较参加会议，听完我们对所有产品的反馈，前提是我们要了解到每一个业务模块、每一个企业模块，他的战略是什么，核心关键点是什么，你得对所有业务背后的管理清楚，这样的话我们就发现一个问题，就是产品决策有决策的不足，他缺失实际的业务场景，缺失客户声音的分析，缺失可持续关注的渠道，恰恰我们客户服务的团队就是弥补了这样的不足，因为我们是体验问题的聚焦点，我们也是产品场景化提炼的核心部门，甚至是运营的集中反馈，包括我们的活动、策略、覆盖盲区恰恰是我们最能够去关注到。
如果我们任何一些其他的事业部，他们是从宏观数据去看焦点分析，其实客服部门就是从个案数据来看大盘的异动，我们形成这样的弥补才能够真正做到产品功能的优化、操作流程的优化、产品故障快速解决，这样才能推动运营、推动流程、推动活动，我们整个满帮的客服在整个企业核心价值不是在云里能一次性解决多少问题，也不是能降低多少成本，也不是用多么智能的智控活动和语音切换系统，而是你如何推动产品优化，今天的互联网时代智能服务、智能产品是基于所有整个企业的核心问题，不是针对服务模块的，我们认为具有产品思维的客服才能推动发展，我们不具备产品的思维，我们有了智能的系统，有了一个智能系统模块，我们的客服依然是在智能的框架里面没有提供更好的人性化服务，就更不要说智能本身重复性的东西给客户带来更好的服务。
让客户感到更优的不能你发现用户场景、了解痛点变成了一个智能的机器，变成了一个智能问答真正代替人工的部分才是我们认为真正最有效的支撑，最后我们用一个小小的短片让大家进一步了解一下满帮集团。
最后我想说我们货车司机拉得并不仅仅是冰冷的货物，也是大家的美好生活，我们服务不仅仅是货车司机也是中国的民生。
0
