人工智能融入售后服务实现精准售后备件需求预测

随着全球化竞争的日益加剧，售后服务已成为各个企业相互角逐的重要领域，是企业实现差异化竞争、提升产品附加值、维持客户忠诚度的重要途径，同时更加体系化的售后服务也成为企业新的长期利润增长点。尤其在面对全球疫情反复以及国际局势动荡等多重不确定性因素的情况下，打造更加专业化、智能化的售后服务体系成为企业强化品牌力、提升竞争力的关键所在。

售后服务供应链面临诸多挑战

在售后服务体系中，备件供应链作为其中的关键环节，可以说决定着售后服务的成败，其最大的痛点便是对未来的需求把握不准确、应对突发事件的储备预案不足、多元可替换备件调度不智能、多需求点同时调度请求时分配不合理等等。因此，售后备件的准确计划与预测就成为了重中之重，但其也受到诸如地理、时间以及不同地区用户习惯，甚至是交通和季节等多种因素影响，使得售后备件的预测复杂度显著提升，导致企业售后服务计划准确率不足、管理难度加大，既影响着最终的用户体验，也影响着企业的采购、运输、库存等运营成本。

过去，类似的问题往往依靠备件计划员的人工经验来应对，这也带来了计划质量因人而异、无法统一追踪和科学评估等一系列新问题。而如今，随着 AI 人工智能在联想售后服务场景中的应用，备件计划与预测各环节信息的时效性、准确性得到了极大优化，为售后服务体系升级提供了有效支撑。

备件计划员的日常工作

智慧服务供应链助力企业售后应对挑战

为解决售后服务供应链的多重需求和挑战，联想研究院携手业务部门打造了联想智慧服务供应链系统（联想智链），其基于多种机器学习算法和运筹优化技术，快速准确地助力企业进行服务供应链网络规划、备件需求计划、库存优化等决策支持，快速满足客户需求，提升用户满意度，同时降低企业服务供应链采购、运输、库存等运营成本，重点技术包括：需求预测、时间序列生成、服务供应链仿真模拟、多目标贝叶斯优化等，目前已经在联想的服务供应链中进行了应用。

联想智链凭借自身在制造业上大量专家和真实行业数据支持的模型算法，端到端方案的落地经验，通过机器学习引发主动需求预测：

建立产品代际关联性影响因素的联系辅助预测，如：前代产品备件故障率与下一代产品备件故障率之间的相关性模型；
建立通用的多层级多网点预测模型，包括：新品发售期前的预测，新品发售期后的预测，产品平稳期的预测，产品末期的预测等，满足预测结果加和的一致性和不同生命周期预测要求；
提供安全库存优化模块，帮助计划人员找到备件所在位置、类别、生命周期和价格范围内的最佳安全库存参数；
提供智能化分货补货以及再平衡模块，如：计划周期，分货激活条件，分货优先级等，帮助计划人员找到最合理的分货策略。

联想智慧服务供应链系统

智慧服务供应链的运营表现

据市场调研机构 Canalys 最新统计数据显示，2021 年，联想个人电脑业务在国内市场份额达到了近 40%，在国内和全球均夺得了出货冠军。在几千个售后服务网点，做到客户有需要的时候，有相应的备件，不要缺货也不要太多。这对联想售后服务供应链在质量、效率、成本控制等方面提出了更高的要求。

在应用联想智链后，联想售后服务供应链的运营表现得到了显著提升，总体能够带来每年上千万美元的资金节约：

提高了预测精度：备件需求预测比人工表现提升了 11%
降低了运营成本：人员需求减少 20%，采购支出减少 23%，库存总水平减少 18%

在企业售后服务体系中，随着用户对快速满足的期待越来越高，售后管理的难度也大大增加。以往大多数企业的售后服务能力主要体现在服务落地环节，而如今，融入 AI 技术的智慧服务供应链，通过整合不同环节的人流、物流、信息流和资金流，提供准确的备件需求预测和合理的分货策略，助力企业售后服务实现降本增效、强化核心竞争力，为整个售后服务系统管理提供有力支撑。

（关注我们的微信公众号：ML OR 智能决策。分享更多干货，欢迎交流~）