4S店售后利润流失去哪儿了？

汽车售后服务存在跑冒滴漏的现象属于行业内通病，即便已经认为管理水平很强，依然存在管理盲区，跑冒滴漏拘禁不止。通过部分4S店售后提升数据反馈看，平均都可以实现5%-10%的利润提升。而这部分利润增长完全是由管理产生的，相当于拉动对应规模的净利润增长。换言之，一个经销商集团把5个店有效管理起来，相当于新建一个成熟的售后服务站所产生的利润。

这便是数据智能赋能于售后管理所产生的巨大价值，在经济下行的大环境下，竞争异常激烈，与其和竞争对手打价格战牺牲毛利，不如强化内部管理，通过数据化提升来提高效益，这无疑会为经销商创造新的利润增长途径。

一、传统售后审计的瓶颈

在实际汽车售后审查过程中，企业内部审计部门对售后环节很难完成较为深度的分析和排查，导致审计工作对经营效益的转化打了折扣。跑冒滴漏无法有效管理主要原因有如下几个方面：

1、从工作量方面看。工单数据量庞大，品牌多样，审计人员往往需要处理几万条数据，同时还需要翻阅原始凭证、核对操作权限等工作。如此大的工作强度和难度，使得审计无法实现全面和深度，内审无法取得预期效果。

2、从知识储备方面看。审计人员需要具备审计、财务、维修、配件管理等多门类专业知识，才能在售后审计过程中游刃有余。否则遇到比自己更加专业的审计对象，往往会失去信心，无法判断情况的合理性。常见的情况是，审计人员对于“专业的解释”往往无可奈何，例如：“应客户要求”、“保险公司政策”、“市场活动”等等。

3、从成本约束方面看（时间成本、资金成本和精力成本）。审计部门的预算、人员、精力都是有限的。入店巡检往往是时间紧、任务重，加之企业内部公关行为和人情关系的存在，往往无法深度挖掘问题产生的原因。

4、从过程管理方面看。集团型经销商单店巡检间隔周期长，对出现的问题发现不及时，导致审计对象存有侥幸心理而重复犯错。由于人员流动性原因，有些不当得利者常常“逃脱”审查。

5、从人性的角度看。审计人员常受到人际关系、经济利益关系的影响，导致审计过程具有一定的偏向性。信息流从基层传递到投资人的时候，已经是扭曲、编造的结果了。这便导致企业高管的决策很难对症下药。

6、认知盲区。我们常听到的解释是“我们一直是这样操作的”，“这个情况我知道”，对一些存在管理漏洞和损害利润的行为视而不见，反而理直气壮。这种情况甚至也包括企业的投资人和高管。

二、数据智能的特点

数据智能可以将人类智能的某一方面或者某项技能进行增强，智能算法可以对数据进行深度学习，不断提升对目标特征数据的敏感程度，最终实现对目标的精准识别，成为审计人员强有力的助手，指导审计人员的快速决策。

在汽车行业售后审计过程中，问题工单具有一些可识别的特征，可以通过数据智能算法来识别，在此仅以比较核心的特征进行举例。

1、行为惯性特征。主要影响因素来自于店内的制度规范以及制度漏洞导致的异常行为结果，具有相对稳定的特点。举例来说，下图为某店一般维修结算特征，体现出阶段性集中结算的特点。通过点位颜色看，主要集中在同一个SA所接工单。经调查，该店出现的这个情况主要来自于车辆出入站管理人员、财务人员没有形成有效对接所致，属于阶段性管理失职，当然也不排除人为故意的可能性。

2、时间延迟性特征。时间延迟使售后问题具有了金融具备的特有属性，例如延期支付、延期交货等。在售后管理环节主要体现在SA、库管、财务人员对配件和资金的错配，形成个人的“配件池”和“资金池”。例如：库管和SA串通，月初通过工单集中虚假出库配件进行非法得利，月内通过保险工单退库将库存做平，月底盘库和审计完全无法发现问题。

某店一般维修工单在2017年10月24日出库左右安全带总成，单价411元，2017年10月25日全部退库。

一般审计到此也就结束了，但从该工单看不存在任何问题。但是，通过配件跟踪发现。另一台车在10月25日通过保险理赔工单出库该配件。经审查发现，该车定损单和维修项目均没有该配件。

3、利润转移特征。利润转移特征是数据智能算法的内核，该特征来源于工单多种利润指标体现出来的规律。是对多个数据维度指标综合分析的结果，目的在于找到哪些工单具有利润损失的可能性。由于该模型数据维度较多，无法非常直观的进行可视化呈现。

那么，数据智能是如何实现售后管理提升进而提高利润水平的呢？我们对此文第一部分提出的问题一一进行回答。

三、数据智能如何提高售后管理能力

1、工单数量方面。通过数据的挖掘让审计人员的工作变得高效，计算机及其运行的算法会对全部工单进行全量数据的筛查。哪怕是上千万条数据，也只不过是几秒钟的事情。这将极大减少审计人员在基础工作上所耗费的时间和精力。

2、在专业知识储备方面。智能算法可以将各类知识进行建模，而且持续、稳定，不会因为人员变动而使得审计工作质量受到影响。同时，随着算法的不断迭代升级，会不断提升审查的精度和维度。通过数据智能为审计人员赋能，让审计能力可以快速提升。

3、成本约束方面。通过互联网，可以实现远程方式审计。数据智能将审计的效率、深度提升以后，被审计对象只需要根据审计人员的要求按照备查清单准备原始单据即可。

4、过程管理方面。互联网打破了时间和空间的限制，智能算法随时可以参与分析，审计周期甚至可以按天计算。这样，审计对象如果故意违反企业规定，会被及时发现。一双无形的眼睛时刻在监测，会形成强有力的震慑作用。

5、人性角度。智能算法的应用，实现了审计信息对于企业投资人、高管、基层员工等各个参与环节的全面对称，同时也实现了审计规则的统一以及较少的人为参与。这都为审计人员与审计对象、关联方、利益方、人情方建立了一道有利的屏障，可以很好的保护审计人员的权威性和独立性。

数据是所有决策的基础，智能应用必然会通过数据代替人类部分低智能的操作。对于汽车行业售后审计工作来说，如何通过数据来挖掘价值，从传统审计过度到数据挖掘，再从数据挖掘到指导售后进行数字化运营，将很可能成为未来对审计人员发展的必然要求。

四、检测案例

在此简单分享几个系统排查的常见案例。

1、串通合谋

月初，某店内人员会收到店外不法人员的收购订单，店内人员会在短期内，通过日常的工单将配件进行批量出库，并进行私自销售。

通过系统检测过程中发现，大量工单出现配件出退库情况，且配件出库数量不符合实际需要。例如：机油10件等等此类情况。经盘问SA表示系统操作失误，发现操作差错后进行了冲账。随后，审计人员入店突击查库，发现配件并不在站内。事发后，该4S店进行了报警，取证后对涉案人员进行了控制。

2、徇私舞弊

某4S店售后服务顾问小张，接待了客户王女士。但在实际操作中，通过系统检查，发现该客户在工单开单日明显异常。

经对2016年9月13日工单的配件进行了查询，发现蓄电池已经于开单日当日进行了出库。但时隔近两年才进行结算。

后经过查证，王女士是本单位员工，利用职务便利，希望通过其他工单挤压的方式节省维修费用。

3、开单类型混用

2018年3月18日，某4S店售后人员小赵接待客户孟先生。开单一般保养后，又开单事故车理赔。通过系统筛查，保养和事故车理赔工时费和维修时长均出现异常。

后经调查，两笔工单配件出库出现问题，保险理赔工单中出库了保养配件。售后人员小赵交待，接车日当天，孟先生觉得此次保养报价比较高，是否可以优惠。于是小赵为孟先生出了个点子，报一次保险，他想办法从保险公司的理赔款中出一些保养配件，这样孟先生就省下一些配件的费用。该事件已经构成骗保，将为客户和企业带来不可控的信用风险。

本文转载自CAFU汽车财务联盟，文章观点不代表AC汽车立场。

— END —