如何迅速提升保险公司事故车推送线索留修率?

文/晓童老师
   先来看一个保险公司事故车推送线索的营销漏斗：
   

   我们衡量一家4S店的保险公司推送事故车线索跟进的水平更多地是看该店的事故车留修率，也就是上面漏斗中的最下面一层的数值和最上面一层数值的比值：
   事故车留修率=留修量➗保险公司事故车线索推送总量
   但大部分4S店只关注此值的结果，往往忽略了漏斗中的其它因子，最终导致留修率较低
   保险公司推送线索的数量越多——》事故车线索管理员及时跟进的机会量就越多——》外拓专员去事故车现场拉车的机会量就越多——》线索管理员持续跟进的机会量就越多——》最终事故车回厂维修的机会量就越多
   想要提升“保险公司线索推送渠道”事故车产值，无非二种方向：
   1、扩大漏斗口子，增加事故车线索获取渠道与获取量。
   2、增加漏斗宽度，提升过程因子“及时跟进率“，”现场出勤率“，”持续跟进率“指标。
   这样才能让漏斗最下端的口子中的“事故车留修数”增加！
   我们以某4S店去年四季度的事故车数据，结合事故车漏斗为各位做深度的解析：
   首先调出了该4S店2017年10月至12月的以下数据：
   1、接收保险公司推送信息人A（线索管理员）的事故车线索跟进表（2017年10月至12月）
   2、接收保险公司推送信息人B（售后经理）的手机短信及群单独统计的线索明细（2017年10月至12月）
   3、所有事故车工单明细（2017年10月至12月）
   4、所有新保及续保客户明细（保险起期在2016年10月至2017年12月）
   依照线索管理员的事故车线索跟进表为蓝本，与上述数据匹配及分析，我们通过数据透视表得出了以下结果：
   

   

   我们会发现在线索管理员的事故车线索跟进表上，该店10-12月一共接收到293条线索（包括所有保险公司的短信和群）
   最终在这些线索中回厂维修的事故车一共有138台，留修率47%（其中代码单---本店承保客户留修率61%，非代码单---未在本店承保客户留修率39%）
   接下来就要做最为经典的步骤，来印证这个“47%的留修率”是否精准可信，也就是印证分子---138，分母---293这两个值是否精准！
   首先来分析分子---138
   我们先将10-12月线索管理员的事故车线索跟进表与10-12月事故车入厂明细做匹配
   

   然后我们对于匹配出的“是否回厂维修”做筛选
   

   

   最终我们发现，能匹配出事故车进厂日期的只有119个，也就是真实的留修数为119台；
   匹配不出事故车进厂日期的有175个，也就是真实的未留修数为175台。与之前统计的138台的留修数少了19台，19台的差异究竟源于何处呢？
   （为了让数据更加精准，晓童老师还考虑到了有可能是10-12月推送短信，来年1-3月份进厂，故将2018年1-3月份的事故车进厂明细也做了匹配）
   为了深究此问题，我们进行了进一步筛选：
   我们发现了二个神奇的现象：
   1.   我们筛选出线索管理员填写的“已到店”数据，同时筛选出通过匹配得出的真实的“是否回厂维修”中“无事故车进厂日期”数据，发现有32条---其实这32台事故车根本没有进厂，但线索管理员不知道
   
   2.   我们筛选出线索管理员填写的“未到店”数据，同时筛选出通过匹配得出的真实的“是否回厂维修”中“有事故车进厂日期”数据，发现有9条---其实这9台事故车进厂了，但线索管理员不知道
   为什么会出现这个情况呢？
   最终通过与线索管理员的沟通发现，线索管理员只是凭借电话中客户说“来厂”就填写“已到店”；电话中客户说“不来”就填写“未回厂”。线索管理员并没有持续跟进，并没有确认产生了工单号才算回厂……
   
   客户电话中说来一定代表来么？不一定
   客户电话中说不来一定代表不来么？也不一定……
   
   客户电话中说来，填写“已到店”，但最终真实未回厂，只能未持续跟进最终确认…
   客户电话中说不来，填写“未回厂”，但最终真实回厂，只能运气好…
   所以，之前计算出的“47%的留修率”是有极大的水分的，真实的留修数只有119台，也就是真实的分子只有119，而不是138！
   接下来分析分母---293
   我们先将10-12月售后经理（另一个线索接收人）所接收到的所有事故车线索（包含所有短信和群）单独统计到一张表上
   

   我们发现居然统计出来的线索量有452条，与之前线索管理员填写的293条有159条的差异。这些差异究竟源于何处？
   我们继续将售后经理所接收到的所有事故车线索与线索管理员填写的所有事故车线索做匹配
   

   最终我们发现这159条线索确实不在线索管理员的事故车跟进表上。
   至此，晓童老师对于这个现象预设出四种可能原因：
   1、线索管理员为了提高留修率考核，减小分母，故意不登记
   2、线索管理员漏登记
   3、线索管理员确实没收到上述159条线索
   4、 线索管理员故意将这些线索在手机里“删除掉”，以便“自己操作”
   为了作证上述猜测，我们在店内人员的配合下调出了以下数据源：
   1、 保险公司端所有推送线索数据源
   2、线索管理员手机短信帐单明细
   得出了这159条线索消失的原因：
   1、有一部分是因为工作疏忽漏登记（因为售后经理没有监管，核对接收信息的数量是否和跟进表一致）
   2、有一部分是因为觉得客户没有回来的可能偷懒不登记（因为同样售后经理没有监管，核对接收信息的数量是否和跟进表一致；也没有核对线索管理员填写的“是否回厂“是否真实）
   3、有一部分是因为确实没收到信息（需要让保险公司同一两个手机号接收信息内容及时间的一致性）
   4、有一部分是因为感觉推送短信收到了，群里也一定有（但线索管理员忽略了1）“三者车“短信没有，但群里可能有；2）有可能真的短信和群内推送的信息存在差异）
   所以，之前计算出的“47%的留修率”又存在水分，真实的线索推送总数为452台，也就是真实的分母有452，而不是293；同样通过匹配，我们会发现未登记的159条线索中，回厂维修的只有10台，另外149台未回厂维修的可以说根本就是因为没有跟进到而未回厂！太可惜了，这些可都是用保费换来的啊！
   所以，最终真实的事故车留修率绝不是47%！而是（119+10）/452=28.5%，虚高了将近20个点！
   总结：
   综上所述，想做好事故车线索管理必须要依照事故车漏斗进行精细化过程管控：
   

   保险公司事故车线索推送总量：
   真实的线索总量应该等于所有线索接收人的所有渠道线索全部加起来删除重复项，100%登记
   
   及时跟进量：
   确保白天时段5分钟内首次跟进，晚间时段制定5分钟内跟进的比例
   
   现场出勤量：
   为外拓专员制定出勤率考核，否则会造成外出失控，大事故去小事故不去，近的去远的不去
   
   持续跟进量：
   所有事故车线索务必取得客户最终去向才算战败，100%战败分析
   做到以上这些，才能最终确保事故车的留修率提升！
   说到这里，各位经销商的伙伴对于事故车线索管理是否了解了呢？
   文章