2021年9月，首届慕尼黑车展正式开幕，这是自新冠肺炎疫情爆发以来德国首个线下举行的大型展会。慕尼黑车展前身是世界五大车展之一的法兰克福车展，作为世界汽车工业发展的风向标，有着大量的观展人数和丰富的展示内容，也是欧洲车厂相当看重的国际性车展活动之一。
从这届慕尼黑车展不难看出，大部分车企展示的新车都是以“电”为主，奔驰、宝马、奥迪等传统车企均开始发力纯电赛道，可以预见，未来的电动车将会迎来更多实力派车型，新能源车时代将加速到来。
近年来，我国一直在开始大力扶持新能源汽车行业，《汽车产业调整和振兴规划》《新能源汽车产业发展规划 (2021-2035年)》等文件陆续发布，推动着中国新能源汽车产业稳步前行。截至2019年底，新能源汽车补贴政策推行10年间已累计发放超千亿元补贴资金。2021年9月，中国新能源汽车保有量达678万辆。
数据来源：Wind、东方证券研究所
广阔的市场带来了众多的造车新势力品牌，新能源浪潮对汽车行业带来的巨大冲击，也对汽车企业提出了更高的要求，要求企业不断地适应市场变化，需要找到新的市场机会和利润增长点。无论是造车新势力还是传统车企都在布局新能源汽车，期待更加智能、更加高端的产品。
1. 如何找到新的突破口？
长安汽车副总裁叶沛认为“谁更关注客户的真实需求和体验，谁就能跟客户走得更近，谁才是真正的新势力。”
2017年，阿里巴巴与福特汽车达成战略合作，天猫平台推出“天猫汽车超级试驾”，该种方式优化用户体验，弱化厂商与顾客的利益链条；2019年，京东与北汽合作研发、生产、运营、营销及售后服务的全链条数智化转型升级。越来越多的企业都想要通过提升客户体验来促进企业的增长。
在变革的浪潮中，企业需要明确：自己的定位是什么？我们在行业中属于什么样的水平？我们的产品和竞品相比有怎样的优势和差距？相对于同一个等级的旗舰版，我们有多大的距离？在过去，我们可能需要做大量的市场调研，耗费很多的精力才能得到一部分结论，但在拥有一套VoC客户之声系统后，这些问题都可以得到答案。
八爪鱼大数据以数据采集为核心业务，多年来以“数据 算法 场景”为公司业务建构，不断深耕大数据行业，为企业提供完备的数据采集、清洗、可视化、分析等一站式大数据采集解决方案。
针对汽车行业的现状，八爪鱼为汽车客户为搭建了汽车VoC系统，高效采集汽车用户评论和新闻舆情相关信息，实时获取互联网上客户对各汽车品牌、各汽车型号、各项配置及功能的评价数据，并高效准确导入客户内部系统，智能分析客户意见，从客户之声中挖掘有效价值，促进品牌的增长。
2. 汽车VoC系统的价值
汽车VoC系统最大的价值在于，它可以帮助企业由被动化为主动，从被市场反馈被动处置变成用户体验反馈的主动处理。
从宏观来看，VoC系统的建立可以帮助企业及时关注行业最新政策和法律法规，获取最新的汽车行业资讯和新产品资讯；建设信息化系统，加强人员技术能力，推进企业数字化转型；以客户体验为中心，驱动传统车企变革，树立企业良好形象；
在微观层面，VoC系统可以帮助企业发现汽车功能不足，在产品上市后，能够在第一时间获取市场反馈，排查售后问题并及时解决，降低风险；针对竞品/竞争公司比较优劣，挖掘客户使用场景和关注点；针对用户反馈找准产品定位，并挖掘新品卖点，降低试错成本。
3. 建立VoC系统的难点
无论是造车新势力还是传统车企，在建立VoC系统时都会面临诸多问题：
① 多源数据分析复杂
除了主流媒体平台，汽车论坛等数据源外，还有各类兴起的社交媒体平台，这些平台的数据蕴含着巨大的信息和价值；除了我们常见的文本数据，还有语音，视频等多种数据形式，这些数据处理技术要求非常高，一般企业可能并没有专业人员来处理这些复杂数据。
② 部门壁垒厚重
在大多数的传统企业，部门之间的数据不同步，KPI也不尽相同，协调不同部门一起工作非常困难，而影响消费决策因素众多，单链路反馈效果差，如果不能打破部门壁垒，工作进度难以推进 ，造成效率低下。
③ ROI难以保障
在产品上市的早期，多数企业会选择高强度曝光来带动销量，但一旦到了中后期，直接复制高曝光的打法不仅会带来投入成本的持续高涨，而且也难以见效，导致ROI严重失衡。
④ 客户体验洞察慢
人工的数据采集和分析不仅需要企业投入大量的精力，也会耗费非常多的时间成本，这样一来，分析结论的时效性远远跟不上市场更新的速度，体验反馈速度慢也会阻碍新客决策、老客复购，导致企业增长困难。
4. 如何搭建汽车VoC系统？
① 平台设计框架
汽车VoC系统建设利用NLP（自然语言处理）、DL（深度学习）等人工智能技术以及知识图谱的“加持”提升分析结果的可信度，实现汽车VoC数据采集、数据清洗、 分析模型构建，最终可视化展现分析成果，帮助产品、市场、技术、客服、运营、线下门店等各业务部门辅助决策，共同提升用户体验。
② 内部售后维修数据对接
VoC系统可以接入内部售后维修数据、调研反馈数据等，此类数据多为文本及各种形式的文件，甚至部分数据需要PDF转文字来设别，无论在处理还是分析方面均比较复杂，但对于企业的增长具有极大的价值。将数据接入VoC系统后，企业可以依据这些数据来进行详细的调查，确定售后问题的程度和影响，快速定位质量问题的详细信息：包括受影响的车辆（年份/品牌/型号）、受影响的国家地区，受影响的汽车部位、给供应商带来的影响、季节性影响等。
图片来源：甲骨文《Oracle VoC Analytics: Automotive Quality Issue Detection》
③ 全网信源覆盖
VoC系统的数据来源包含各大汽车资讯网站/论坛（包括汽车之家、爱卡汽车、腾讯汽车、新浪汽车、凤凰汽车等）和汽车投诉网站（包括315投诉网、车质网、黑猫投诉）等平台的网友评论和投诉内容，除此之外，还有各大社交媒体平台的用户评论信息，随着社交媒体app的兴起，许多网友会在微博、抖音、小红书一类的社交媒体平台发表自己的购买和驾驶汽车的体验，这些内容同样影响着其他消费者的购买决策。
④ 汽车指标体系
新能源汽车让原有的评价指标体系失效，企业需要建立新的评价指标体系，但什么是好车？车企的思想与用户的思想难以同步。区别于传统的产品硬件设备本身，汽车用户的需求已经从产品硬件转移到软件化、场景化的智能用户体验中。
八爪鱼针对不同型号的汽车，建立了全新的指标体系，包含安全性、操控表现、价格、使用成本、整体质量水平、动力表现、驾驶舒适度等15个一级指标，在一级指标下继续细分为300多个二级指标和1000余三级指标，针对汽车的每一项小细节建立反馈机制，帮助企业迅速定位问题，及时做出应对措施，通过用户体验反馈信息做可积累的持续产品改进，最终实现品牌溢价的目标。
⑤车评智能识别
通过对汽车垂直网站/投诉网站/新媒体平台的车评内容抓取，分析消费者对汽车的观点态度。平台对单个分析样本提取观点标签，分析观点标签的情感值，并将该数据同步列入前期构建的指标体系中。
⑥ 网民声量走势
通过对汽车垂直网站/投诉网站/新媒体平台的车评内容抓取，按时域、品牌、车型、情感等多维度对VoC数据进行总览分析。获取车型总体的市场VoC声量和用户情感随时间在各平台的演变情况，帮助车企抓住车评主战场与消费者心态，便于开展针对性的解决方案。
⑦ 竞品分析对比
通过竞品分析数据，找出本品和竞品的差异，找到自身优势并以此为突破口，加大宣传营销力度，针对不足的部分可以弱化宣传，在之后的产品迭代过程中加以改进，为新品的研发提供数据支持。
