01 / Business Friction
汽车客户不是只问价格，他在连续比较一整套用车方案。
车型配置、现车库存、金融方案、置换政策、试驾安排、维保进度、充电便利性，这些信息如果不统一，客户每换一个触点就要重新解释。
线索跟进慢
线索来自短视频、广告、官网、私域和门店表单，销售很难判断谁最该优先跟进。
车型解释不一致
配置差异、竞品对比、金融置换、现车库存和政策优惠经常靠销售个人记忆。
售后工单压力大
保养预约、故障描述、备件等待、维修进度和客户催问分散在多个系统里。
补能运营割裂
新能源车主关心充电、续航、停车、峰谷电价和站点状态，但销售和售后常没有统一数据。
02 / Scenario Cases
三个汽车出行案例，把 AI 放进从成交到用车的真实链路。
汽车行业的 AI 不能只做线索打分，它要能持续服务客户，也要让门店、售后和运营共用同一套事实。
Case A · 试驾线索
客户在短视频留资后又进了私域，问了续航、金融和置换，但销售两小时后才回复。
AI 汇总来源渠道、浏览车型、咨询关键词、预算范围、置换意向和所在地，给线索打优先级，并生成下一步跟进建议：先确认通勤半径和充电条件，再推荐试驾车型、金融方案和门店时段。销售不需要从头读聊天记录，而是看到一页线索摘要。
- AI 做什么
- 聚合线索信息，判断意向强弱，生成试驾邀约和金融置换沟通建议。
- 人做什么
- 销售确认客户真实预算、用车场景和门店可预约资源，完成邀约。
- 可验收
- 首次响应时长、试驾预约率、到店率、无效线索处理时间。
Case B · 展厅成交
客户到店后同时比较两款车型，还问竞品差异、贷款月供和置换补贴。
AI 把车型配置、库存、金融政策、置换规则、竞品对比、常见异议和门店活动整合为展厅知识库。销售输入客户偏好后，系统输出可解释的推荐：为什么推荐这款配置，哪些权益可以叠加，哪些承诺不能说，哪些问题需要金融专员确认。
- AI 做什么
- 按客户场景生成车型对比、配置解释、优惠组合和风险提醒。
- 人做什么
- 销售判断客户偏好，确认金融置换细节，完成成交推进。
- 可验收
- 销售培训时间、配置解释一致性、试驾后转化、金融方案咨询转化。
Case C · 售后与补能
车主报修“异响”和“充电慢”，客服、维修、备件和充电运营都要协同。
AI 将客户描述、历史维保、车辆型号、故障码、备件库存、工位排班和充电站状态放在一起，生成初步归因、预约建议、备件提醒和客户解释话术。新能源车队场景下，还能结合路线、充电排队、峰谷电价和车辆 SOC 给调度建议。
- AI 做什么
- 聚合售后与补能数据，识别风险工单，生成调度和客户沟通建议。
- 人做什么
- 技师确认故障，服务顾问确认承诺，运营判断站点和车辆调度。
- 可验收
- 工单超时率、备件等待时长、客户催单量、充电站利用率。
03 / AI Workflow
汽车出行 AI 工作流，要把销售、售后和运营放到同一条客户旅程里。
数据进入
接入线索来源、聊天记录、车型资料、库存、金融政策、工单和补能数据。
客户画像
识别预算、车型偏好、使用场景、置换意向、补能条件和售后历史。
服务建议
输出线索优先级、试驾邀约、车型推荐、售后预约和客户沟通话术。
人工确认
对金融承诺、价格优惠、维修判断和安全相关事项设置人工确认节点。
旅程复盘
复盘从留资、到店、成交、维保到补能的关键流失点和服务问题。
04 / First Sprint
第一期建议选一个门店或一条业务线，先跑“线索到试驾”。
汽车业务链路长，先从最容易衡量的试驾转化开始，再扩展到成交、售后和补能运营。
30-Day Pilot
建议试点节奏
- 第 1 周：收集 100 条线索、车型资料、金融置换规则、门店试驾时段和历史跟进记录。
- 第 2 周：建立车型知识库、线索评分规则、试驾邀约模板和人工确认边界。
- 第 3 周：上线销售线索摘要、跟进建议、车型对比和试驾提醒。
- 第 4 周：复盘响应时长、试驾预约、到店率、无效线索和销售反馈。
05 / Deliverables
交付的是一套能从销售延伸到售后的汽车服务资产。
车型与政策知识库
沉淀车型配置、库存、竞品、金融、置换、权益和风险边界。
线索跟进工作台
输出客户摘要、意向评分、试驾建议、复联提醒和话术模板。
售后工单辅助台
聚合维保历史、故障描述、备件库存、工位排班和进度提醒。
补能运营看板
结合站点状态、车辆 SOC、路线、峰谷电价和排队情况给调度建议。
