最近几天,一条短视频在汽车后市场刷屏了,视频如下:360周鸿祎,赞478看了下评论区留言,不看好的声音是大多数。笔者对于汽车后市场的AIGC大模型也很感兴趣,琢磨了一番,今天跟大家分享下。没有IT行业人士说得那么专业,欢迎讨论。目前,在汽车后市场人工智能方向上,以笔者所知道的,有以下几个发力方向:
维修技术这个方向上,其实行业内外早就有人在做了。比如笔者关注的“8848汽车技术论坛”,已经运营超过十年以上了。今天查看了一下,有286个微信好友也关注了这个公众号。笔者的微信同行好友有超过4000个,其中修理厂老板或者维修技师至少有超过3000个,也就是说不到10%的关注度。维修技术方面,笔者以为最难的是故障诊断,难点如下:1.车主自己也描述不清楚,这种情况最常见,如果还要通过服务顾问转述,理解的误差就更大了;2.造成此故障的原因可以有很多种,需要一一排查,有的还需要拆解;3.车辆设计和生产过程中,也会造成“隐疾”,很难诊断出来,或者很难解决;4.使用了假冒伪劣产品造成的;5.意外或者操作失误造成的;6.车主的用车习惯造成的;
第1条是流程和沟通问题,改善流程可以解决;第2条是维修技师的经验和阅历问题,老师傅听声音就能够准确判断,但就是老师傅也有没经历过的案例;第3条最伤脑筋,比如说日系车水温高的问题,德系车烧机油刹车异响的问题,大家都明白咋回事,解决起来就很伤脑筋;第4条就更伤脑筋,现在市场上配件鱼龙混杂,品质标准多如牛毛牛毛,老师傅也经常栽在这上面;第5条,比如电路板上粘了不起眼的东西,故障灯一直亮;第6条,老员工对店里老客户的车辆状况了然于胸,看到客户车辆进来都能知道他来干嘛了,新员工就要好一阵子懵逼。因此,从维修技术上来讲,建立车辆故障诊断案例的大数据模型,要收集的资料很多,还要分别阐述各种情况下可能出现的原因,维修技师们也不擅用文字去记录和表达。 |