https://epaper.shautonews.com/Img/2021/5/20210501c79064e936ef49058f54a41073dbd494.jpg
随着汽车行业的不断发展,售后维修业务也变得愈加重要。处理问题是否及时?服务是否周全?这些都成为影响车主信任和企业“品牌力
http://wap.shautonews.com/content/2021-05/02/010303.html

等待处理…

智能化浪潮下的售后维修

上汽通用IT人工智能与数据挖掘团队助推业务数字化转型

2021/5/1

随着汽车行业的不断发展,售后维修业务也变得愈加重要。处理问题是否及时?服务是否周全?这些都成为影响车主信任和企业“品牌力”构建的重要因素。

一大早,上汽通用的IT人工智能与数据挖掘团队就在会议室里开始了头脑风暴。“现在,经销商在遇到复杂、棘手的维修问题时,会向公司售后技术支持部门(简称‘TAC’)寻求维修专家的支持。”数据分析工程师夏宇静说,“举个例子,公司累计产销量达到2000万辆,TAC工程师每年就要接听10多万个技术热线电话,处理20多万个技术案例,不但只能依靠个人经验和历史案例,而且平均每人每10分钟就要准确无误地处理一个案例,十分耗时、耗力。”

“是的,反馈效率受限于维修专家的经验和时间,客户体验还存在优化空间。”团队高级经理郑婕补充道,“所以,我们考虑借助人工智能技术,建设一个故障维修智能诊断系统,实现售后技术支持的数字化转型。”

目标已定,但在实现的道路上,依然困难重重。

首先面临的是标注数据的问题。“现在的人工智能技术,是有多少人工就有多少智能。”虽然是句玩笑话,但是机器学习需要足够高质量的标注数据驱动,这是不能避免的事实。而售后故障维修案例的标注存在技术壁垒,必须具备专业维修知识才能保证标注的准确性及一致性。在无法借助外部力量的情况下,由售后技术支持TAC团队的雷蕾带队,开始不分昼夜地对多年来积累的历史案例进行分类、画框、注释。经过一年多时间的努力,项目组终于积累了7万条标注数据,为数字化转型打下了夯实的基础。

迈出重要的一步后,项目组就开始用这7万条数据来训练机器学习模型。然而,因为售后问题的特殊性,故障数据类别多达5000多种,分布极不均衡,许多故障类别下只有个位数案例,导致智能算法难以捕捉到特征,识别准确率只有65%。对于高要求的团队来说,这个数字远远不能让他们满意。

难道之前的努力就此付诸东流吗?并没有。TAC工程师和IT算法工程师没有服输,他们决定无论如何也要“背水一战”。一方面,数据挖掘团队不断调整算法模型和新技术;另一方面,TAC工程师对模型自动识别的结果逐条进行人工修正,用于标注模型迭代的数据量,从7万条基础数据增加到24万条。又经过了一年时间的埋头苦干,系统上线时,模型准确率已经高达86%。

售后技术智能支持平台的建成,不仅帮助经销商快速解决问题,也为车主提供更好的售后服务体验。系统上线后,维修质量提升,修复时间缩短,经销商体验大幅提升,有效回复率达到98%以上。其中,25%的经销商问题可在无需人工介入的情况下成功解答,单个案例提交时间减少3分钟,TAC回复效率提升10%,单个案例标注时间减少70%。系统试运行仅半年,就节约人力成本104万元。

完成了这个项目后,IT人工智能与数据挖掘团队没有停下脚步,他们继续响应上汽通用“引领智慧出行,成就美好生活”的愿景,用AI技术为公司各个业务场景全方位赋能,在“业务数字化、数据业务化”的探索中加速奔跑,描绘着一个又一个创业奋斗者的感人画面。(郑婕 李婷)

微评

这个汽车售后故障维修智能诊断系统,是以业务为导向的数字化创新转型的一次尝试。在探索过程中,上汽通用始终用“瞄准镜”深入理解用户的关注点,用“放大镜”用心挖掘用户需求的敏感性和预见性,用“望远镜”放眼将来,将个性化需求上升为服务客群的独特优势,在“业务数字化、数据业务化”的探索中加速奔跑,为公司赢取竞争优势。 上汽通用党委书记 赵雪林

上篇:上汽大众正面“硬刚”造车新势力
下篇:没有了
分享到

© 2019 上海汽车报社有限公司

备案号:沪ICP备16052313号-2

↑ TOP