2026 年 11 月 20 日 · 中汽数智成立大会

ELEMENTWIN 元兵科技 · 中汽数智成立大会

AI“闭环精细化”运营

创造线索 9 倍转化率提升新模式

线索到成交的真实闭环是不断提升线索质量的关键

于洋｜ ElemenTwin 元兵科技创始人

尊敬的各位领导、各位来宾，汽车行业的各位朋友，大家好！我是元兵科技的于洋。元兵是一家用 AI 做客户运营的公司，按营销结果对赌付费。

首先，热烈祝贺中汽数智科技有限公司正式成立！

我在汽车行业做了 27 年。在上海通用做过业务规划，又在安吉星从创始团队做起，干了 7 年车联网服务，服务过 600 万车主。从车联网服务一路做到今天的客户直连运营，我最大的体会只有一句话：数据只有回到经营里，才有价值。

今天，中汽中心和中国移动联手，把 4 亿“车”和 11 亿“人”的数据打通，汽车营销有了一个央企联合打造、行业独家的车主大数据底座。这是行业期待了很多年的事。

元兵这些年做的，是这个底座之上的另一半：线索来了以后，怎么接住，怎么转化，怎么把结果带回来。所以今天我只讲一件事：车企不缺线索，缺的是线索之后的闭环。线索到成交的真实闭环，才是不断提升线索质量的关键。

00 开场

中汽数智 × 元兵：共建更大的闭环服务

中汽数智

找对人、聊对路、推对品

4 亿“车”＋11 亿“人”的车主大数据
三套标签：基础画像 260+、营销行为 40+、营销分 30+
近 3 个月营销行为标签，覆盖当月 90% 以上移动成交车主
精准线索、线索评级、保客运营；
隐私计算，数据可用不可见

＋

元兵科技

接得住、转得成、说得清

线索进来之后的全链路运营：承接、孵化、派单、追踪
到店、试驾、成交、战败原因、客户反馈全程沉淀
形成三类标签：过程标签、结果标签、原因标签
中汽数智明确靶子，元兵确保打中目标

运营带来结果、补充标签，中汽数智用更大的闭环确保更好的效果

首先，热烈祝贺中汽数智成立！今天来到这里，我想开门见山先说清楚：元兵来，是要和中汽数智一起，把线索从“找对人”到“成交”这个闭环真正跑通。两家一起，共建更大的闭环服务。

中汽数智帮助我们“找对人、聊对路、推对品”。4 亿“车”加 11 亿“人”的车主大数据；三套标签体系，基础画像 14 类 260 多个标签，营销行为 9 类 40 多个，营销分 5 类 30 多个；近 3 个月的营销行为标签，能覆盖当月 90% 以上的移动成交车主。在这个基础上，有精准线索、线索评级、保客运营，而且是在隐私计算的框架下，做到“数据可用不可见”。

元兵解决的是“接得住、转得成、说得清”。线索进来之后的全链路运营，我们会把到店、试驾、成交、战败原因和客户反馈，沉淀成过程、结果、原因三类标签。

中汽数智明确靶子，元兵确保打中目标。运营带来结果、补充标签，中汽数智用更大的闭环确保更好的效果。

双方共同构建一个更大的 Loop：中汽数智识别高意向人群、完成线索评级；元兵第一时间承接、孵化、派单，全程追踪到店、试驾、成交，回访战败原因；结果和原因标签在合规授权的前提下回流，再去迭代模型。下一轮，线索更准，成本更低。

接下来，我先讲清楚今天的线索闭环为什么会断，再讲我们怎么把它接上，以及接上之后，和中汽数智一起还能做成什么。

01 痛点

传统线索广告存在各种老问题

贵

贵得不透明

CPS 越来越高，一客多发加剧内部竞争

假

假、重、错

某品牌 5 周投放拿到 17,894 条线索，沉默号和空号近两成，实号率只有 81%

低

转化低

某新能源品牌有效客户订单转化率仅 0.7%：1,000 个有效客户，只成交 7 个

黑

过程黑箱

线下翻线上难追查；门店怎么跟客户，总部听不到；成交看缘分，客户不投诉，直接用脚投票

用中汽数智的模型肯定可以提升整体线索质量

先说痛点。在座有很多主机厂营销和数字化的负责人，传统的线索广告存在各种老问题，我用四个字来概括，大家一定不陌生：贵、假、低、黑。

第一个字，“贵”。CPS，也就是平均每成交一台车花掉的线索费用，越来越高；而且一客多发，同一个客户的线索同时发给好几家门店，自己人和自己人抢，加剧了内部竞争。

第二个字，“假”，准确地说是“假、重、错”。某品牌 5 周的媒体投放，拿到 17,894 条线索，沉默号和空号加起来接近两成，实号率只有 81%。

第三个字，“低”。某新能源品牌，整体有效客户的订单转化率只有 0.7%，一千个有效客户，最后成交的只有 7 个。

第四个字，“黑”，也就是过程黑箱。线下的客户翻成线上的线索，很难追查；门店怎么跟客户，总部听不到；成交看缘分，体验不好，客户也不投诉，直接“用脚投票”。

这些老问题，第一步是把线索本身做好。用中汽数智的模型，肯定可以提升整体的线索质量。

01 痛点

只看线索总量，发现不了异常

0.0%

某短视频平台的线索重复率：一批手机号在反复留资

0.0%

成都的该平台线索，被分给 40 公里外县级市的一家经销商

0 条

上海的线索，全部分给了同一家店

客户在成都市区留资，线索却被分到——

他会去吗？

只看线索总量的报表，永远发现不了这些问题

01 痛点

汽车行业：漏斗见底，就开始甩锅

海量广告费

大量意向客户

成交寥寥

销售：市场找的客户不对

市场：销售跟进太懒、能力太差

两边：产品需要改进

总经理：谁说的是真的？没有数据的会议，最后都是嗓门决定对错。

02 常规解法

每一段都在优化，链路仍是开环

常规做法	解决了什么	留下的缺口
加预算、换渠道、多买线索	线索数量	成本越来越高，质量问题被放大
线索清洗、评级、打分	前端筛选：闭环的“前一半”	线索下发之后发生了什么，看不见
DCC 或 AI 外呼	首呼速度	能力弱、人员流失高：赛马中对方加微率 0.1%，成交为 0
CRM、SCRM、APP 管销售	过程记录	销售疲于填表、单兵作战，平均跟单约 2 周
考核经销商，上录音工牌	压力传导	执行困难，妥协收尾

这些问题，行业里一直有人在解，而且很努力。我把常见的五种做法放在一张表里，看看每一种解决了什么，又留下了什么。

第一种，加预算、换渠道、多买线索。解决的是数量，但成本越来越高，质量问题反而被放大了。

第二种，做线索清洗、评级、打分。这一步非常必要，前端筛得越准，后面越省力，这也正是中汽数智的强项。我把它叫作闭环必须做好的“前一半”。但线索下发以后发生了什么，仍然看不见。

第三种，用 DCC 或者 AI 外呼，把首呼速度提上去。电话是打得更快了，可 DCC 团队普遍能力弱、人员流失高；换成 AI 外呼，后面也一样接不住。我们和某互联网大厂的 AI 团队同台赛马过，对方的建联加微率只有 0.1%，成交是 0。这个案例我后面细讲。

第四种，上 CRM、SCRM 和 APP 来管销售。过程有记录了，但销售疲于填表，还是单兵作战：一个销售最多同时跟十几个客户，平均跟单两周左右，然后注意力就转到新线索上去了。

第五种，考核经销商，给门店销售上录音工牌。压力是传下去了，可执行起来非常困难，最后往往妥协收尾。

大家发现没有？每一段都在优化，整条链路却还是开环的。从主机厂到线索下发，到门店销售，再到客户，信息只往一个方向走，成交和战败的原因回不来。原因回不来，广告投放和模型优化就只能“盲调”。

这不是哪一家做得不好，而是每个环节都只对自己那一段负责：市场对线索量负责，DCC 对首呼负责，门店对成交负责，却没有人对整条链路负责。

03 核心问题

营销的最小单元：四角色模型

04 第一性原理的方案

解这几个问题，需要一根辅助线

客户侧

线上＋线下双触点，互相监督，满意度闭环。

销售侧

聚焦高价值节点，客户从跟 3 天到跟 3 个月。

AI 侧

藏在助理身后做基础工作，不会就转真人。

助理侧

奖金与满意度、业绩、AI 训练成果绑定。

管理者侧

从销售、助理、AI 三路听到客户真实声音。

怎么解？我们回到第一性原理来想。

这两年大家都在谈 AI。麦肯锡今年的全球调研显示，近九成企业已经在用 AI，但真正用 AI 做出经营结果的，只有 6%。同样是大模型，结果为什么差这么多？我们的答案是：AI 必须长在业务闭环里。所以元兵不做内容生成工具，而是用 AI 重构营销和服务的业务流，让 AI 和人一起，在线下把结果做出来。

回到这四个角色：问题出在角色之间的连接断了，那就把连接接上。我们加了一根辅助线，在四个角色中间放一位线上真人助理。助理一头连着客户，一头连着销售、管理者和 AI。客户有了线上、线下两个触点，互相监督，满意度形成闭环；销售只聚焦试驾、成交这些高价值节点，能把客户从跟三天变成跟三个月；AI 藏在助理身后做基础工作，搞不定就转真人；助理的奖金和客户满意度、业绩、AI 训练成果绑定；管理者终于能从销售、助理、AI 三路，听到客户真实的声音。

04 第一性原理的方案

汽车案例：从单向串联，到中台双向闭环

落到汽车上是什么样子？左边是传统路径：客户在线上留咨，主机厂采买广告，线索下发给线下销售，销售再去跟进联系。信息只往一个方向走，结果回不来。

右边是新路径。原来的链路一个都没有拆，市场照样投放，门店照样卖车；变化在于，中间多了一个由 AI 加助理组成的中台，和四个角色双向连通。客户从各个媒体进来，中台统一清洗、分级、孵化；线上真人助理加 AI，第一时间接住客户；然后预约派单到门店；到店、试驾、成交全程追踪；没成交的做回访，找到原因；最后，把结果和原因做成标签，反馈给投放、门店和模型。上半部分形成投放闭环，下半部分形成成交闭环。总部这个“指挥官”，终于能听到前线的炮声。

题目里的“9 倍”，就来自这套方法。某智能家居品牌用这个模式跑了一年，成交率从 0.4% 提升到平均 3.5%，接近原来的 9 倍；投放优化之后，成本降低了 50% 以上。回到汽车，就是开场那组数字：直播线索的到店率，接近原来的 10 倍。

下面用四个汽车案例，把这个闭环讲得再具体一点。

05 案例

案例一：广告质量监督

发现问题

按周、按月追踪每个渠道的实号率、微信注册率、本地率和有效率

定位原因

一路追到具体渠道、区域和分配环节：54.2% 的重复率、成都和上海的分配错配

反馈优化

调整分配规则和渠道策略，无效线索标签反馈给投放端

约 0%

线索有效率提升

某新能源品牌：各媒体渠道动态监督，下漏斗标签反馈给投放端

上千万

8 个月节约的媒体费用

与某德系高端品牌一起优化媒体投放

广告监督的终点不是一份报表，而是下一轮怎么投

第一个案例，广告质量监督。闭环的第一步，是把广告质量看清楚，分三个动作：发现问题、定位原因、反馈优化。

前面讲的某短视频平台线索异常，就是中台发现的：54.2% 的重复率，成都和上海的分配错配。我们一路追到具体的渠道、区域和分配环节，帮助品牌调整了分配规则和渠道策略。平时，我们按周、按月追踪每个渠道的实号率、微信注册率、本地率和有效率，哪个区域出了问题，马上就能定位。

某新能源品牌，我们对各个媒体渠道做动态监督，把下漏斗的标签反馈给投放端，线索有效率提升了约 60%。和某德系高端品牌一起优化媒体投放，8 个月节约了上千万的媒体费用。

所以广告监督的终点，不是一份报表，而是下一轮怎么投。

05 案例

案例二：线索中台重构采买与运营

某头部新势力品牌 · 问题：线索费用高、试驾转化低、区域经理缺少管理经销商的抓手

线索统一采购，总部直连孵化

按 CPS（按成交）评估各渠道线索质量

经销商按成交付费

每条成交线索 3,000 元，从返点里扣

区域经理有了抓手

哪家店接了线索、跟得怎么样、有没有造假，都能监督

0%+线索试驾率

0%+试驾成交率

0%+线索成交率

对比：行业有效客户的订单转化率还不到 1%

本案例

4%+

行业

0.7%

采买方式一变，主动权回到品牌手里：成交的多投，不成交的少投

第二个案例，用线索中台重构采买和运营。

某头部新势力品牌面对的问题很典型：线索费用高，试驾转化低，区域经理缺少管理经销商的抓手。他们的做法是：线索统一采购，总部直连孵化，再按 CPS，也就是按成交来评估各渠道的线索质量；面向经销商收费，成交一条线索收 3,000 元，从返点里扣。区域经理也有了抓手：哪家店接了线索、跟得怎么样、有没有造假，都能监督。

结果是：线索试驾率 16% 以上，试驾成交率 20% 以上，线索成交率 4% 以上。对比一下前面讲的行业水平，有效客户的订单转化率还不到 1%。

采买方式一变，主动权就回到了品牌手里：哪个渠道的线索最后成交了，就多投；不成交的，就少投甚至不投。

05 案例

案例三：战败客户复活，同台赛马

某德系豪华品牌新车上市，与某互联网大厂 AI 团队同台赛马：5 天，用元兵科技客户直连解决工具（AI＋真人）触达 200 万个历史战败客户

建联加微率

元兵

对方

0.1%

成交客户占当月销量

元兵

对方

0 倍

同样用 AI，结果差了 10 倍

差别不在模型，而在 AI 后面有没有真人、有没有运营、有没有闭环

我们赢在后面那一长串

加微 → 孵化 → 邀约 → 到店 → 试驾 → 回访、优化体验后再跟进 → 长尾运营

05 案例

案例四：1 万个到店客户告诉我们为什么没买

某新能源车企 · 一个月内全国 1 万多个邀约到店客户的回访 · 到店未成交的原因

转化能力问题

35% 还在和其他车型对比，21% 还没考虑好

→ 线上持续沟通、内容培育、再次邀约

产品沟通机会

续航焦虑、价格偏高、
车型不符合需求

→ 产品沟通、内容制作、
潜客画像

服务问题

其中 16% 到店后
没有试乘试驾

→ 接待流程、试驾执行、
点对点培训

客户人都已经到店了，却没有坐进车里。
这些原因，在原来的系统里一条都没有。

让每一条线索都带着“过程、结果和原因”回到起点

第四个案例，是把“为什么没买”找回来。给大家看一组回访数据。

我们对某新能源车企一个月内、全国范围的 1 万多个邀约到店客户做了回访。到店以后没有成交的客户里，56% 是转化能力的问题：35% 还在和其他车型对比，21% 还没考虑好；24% 是产品沟通的机会，比如续航焦虑、价格偏高、车型不符合需求；还有 20% 是服务问题，其中 16% 到店以后，根本没有试乘试驾。

（停顿）各位，客户人都已经到店了，却有 16% 没有坐进车里。而这些原因，在原来的系统里，一条都没有。

更重要的是，这些原因都能变成动作：56% 的转化问题，交给线上持续沟通、内容培育和再次邀约；24% 的产品问题，反馈给产品沟通、内容制作和潜客画像；20% 的服务问题，直接落到门店的接待流程、试驾执行和点对点培训。

还有一组数据也很说明问题：各个渠道有效线索的加微率都在 60% 左右，试驾率都在 15% 左右，差别并不大。真正拉开差距的，是到店之后的成交转化。

所以闭环精细化运营要做的，就是让每一条线索，都带着“过程、结果和原因”回到起点。

06 方案优势

和常规做法相比，五个不一样

真人＋AI，不是纯 AI

99%留资半小时内真人首呼

接通率 90% 以上，加微率 50%–90%；真人站前台，AI 在后提效。

精细化到人、到单

100万+专属服务小群

一个管家照看上千个群；红黑榜识别近 100 家不合格门店。

结果标签回流

3级无效线索标签

无效原因反馈投放端；成交、战败标签与客户分层标签统一建模。

模型与知识持续积累

92%到店预测准确率

4,000 万样本训练线索预判模型；1,300 条知识库解决 96.5% 共性问题。

按结果付费，风险共担

60天到店、试驾翻番

按提升幅度阶梯收费，效果与收入绑定，风险和客户一起承担。

四个案例背后，是同一套体系。和常规做法相比，我们有五个不一样。

第一，真人加 AI，而不是纯 AI。客户其实不愿意跟机器聊，所以站在前台的是真人，AI 在后面提效。客户留资以后，99% 能在半小时内接到真人首呼，电话接通率 90% 以上，好友添加率 50% 到 90%。

第二，精细化到人、到单。每个客户一个专属服务小群，我们累计运营了 100 万个以上，一个线上管家可以同时照看上千个小群；每一单谁在跟、跟到了哪一步，都可以查。有个品牌的门店数快速翻番到 1,000 家，我们用算法给门店做红黑榜，识别出了近 100 家不合格的门店。

第三，结果标签回流。无效线索按三级标签反馈给投放端；成交和战败的标签，和客户分层标签统一建模，指导下一轮的投放和内容制作。

第四，模型和知识持续积累。我们基于 4,000 万条有效实例样本做的线索预判模型，到店预测准确率达到 92%；沉淀了 276 个业务标签；某品牌两款新车上市 3 个月，我们沉淀了 1,300 条知识库，解决了客户 96.5% 的共性用车问题。

第五，按结果付费，风险共担。我们敢承诺 60 天到店、试驾翻番，按提升幅度阶梯收费。效果和收入绑在一起，风险我们和客户一起担。

这五个不一样拼起来，就是一套可验证、可复制的运营系统：前端由数据定位客户，中段由真人加 AI 承接，后端把结果和原因持续带回模型。

06 方案优势

三个闭环，底层都是 AI 在积累

服务闭环

跟进和回访不断优化 → 成交、战败都有归因 → 喂进 AI 模型

投放闭环

按结果给客户分层 → 反哺广告和首触模型 → 用更低成本找到更对的人

增长闭环

精准触达、精细孵化 → 邀约率和转化率一起往上走

三环一起转，底层都在积累 AI 的知识与数据资产。

07 共建 Loop

为什么 Loop 会让 AI 爆发

补上最稀缺的信号

中汽数智已有成交核销、线索回流，知道“成没成”；元兵补上“为什么成、为什么没成”——原因标签是模型最稀缺的训练信号

真实闭环数据是护城河

Nature 2024：用 AI 生成的数据反复训练 AI，几代之后模型崩溃且不可逆。真实反馈只能来自线下的到店、试驾和成交

复利效应

每转一圈，标签更丰富、模型更准、
线索更精、转化更高，结果数据又更多，
飞轮越转越快

数据＋运营＝AI 爆发

为什么说这个 Loop 转起来，AI 会爆发？我讲三点。

第一，补上最稀缺的信号。中汽数智已经有基于销售数据的成交核销，有基于动态监控的线索回流，知道“成没成”。元兵补上的，是“为什么成、为什么没成”。对模型来说，原因标签是最稀缺的训练信号。

第二，真实的闭环数据才是护城河。Nature 在 2024 年发表过一篇论文：用 AI 生成的数据反复训练 AI，几代之后，模型就会崩溃，而且不可逆。AI 不能自己喂自己，它需要真实世界的反馈，而真实的反馈，只能来自线下真实的到店、试驾和成交。

第三，复利效应。每转一圈，标签更丰富，模型更准；模型更准，线索更精；线索更精，转化更高；转化更高，结果数据又更多。飞轮一旦转起来，就会越转越快。

07 共建 Loop

不止线索 Loop：再共建 KOC/KOL 池和 KOS 池

刚才讲的，是线索和运营这一个 Loop。我们和中汽数智还会一起，把更多的环闭起来。

对客户来说，其实只有两个触点：一是在线上，通过 KOC、KOL 了解这台车；二是尽快到线下，见到销售顾问，去试驾、去成交。

可原来的链路太长了：广告公司的呼叫中心先洗一遍，流失约一半，再把线索卖给车企；车企总部的 400 再洗一遍，接通率不超过 50%，又浪费一半；下发到 4S 店，门店 DCC 再洗一遍，接通率还不到 50%，最后才邀约到店，交给销售顾问。每过一个节点都在流失，像一个 U 型的喇叭：进来的客户很多，到店的只剩一点点。

最短的通路，是中间这条线：元兵的人加 AI 运营中台，飞快对接线上感兴趣的客户，针对不同客户分层加微、专属群孵化，再用两三个月，把尽量多的客户邀约到店。中台和整车厂之间这条纵线上，加上中汽数智的数据强化和标签能力，就是刚才讲的线索优化 Loop，这是已有的。

新的 Loop 有两个。左边，和中汽数智一起给 KOC、KOL 打标签，发现、建联、赋能更多的 KOC 成长为 KOL，变成厂家忠实客户的宣传池，吸引更精准的客户来到中台。右边，一起给销售顾问打标签，建立不同品牌的销售能力模型和派发规则算法，构建厂家的 KOS 池，成交更多的客户，再把“什么样的客户更会成交”反馈给中台。

07 共建 Loop

先进入 Loop 的厂家会领先

先例

某合资豪华品牌：业内第一家把门店
垂媒线索收归总部运营，2023 年 8 月
上线，60 天到店率翻番

模型先为你校准

先按你的车型、区域、客群校准，越用越准；后来者要从头积累，时间买不来

当期见效，长期沉淀

广告节约和转化提升当期可见，按结果付费、风险可控；数据资产长期沉淀

最先拿到真实答案

最先知道“客户为什么不买”，产品、渠道和服务的改进快人一步

联合试点建议

1–2 家首批主机厂

2–3 个城市

0 天试点周期

按结果付费考核到店、试驾、成交率

中汽数智：数据、标签和线索评级　｜　元兵：运营中台和回访标签

所以，我想对在座的主机厂朋友说一句：先进入 Loop 的厂家，会领先。

为什么？第一，模型会先按你的车型、你的区域、你的客群来校准，越用越准；后来者要从头积累，而时间是买不来的。第二，广告的节约和转化的提升，当期就能看到，按结果付费，风险可控；数据资产却会长期沉淀下来。第三，你会最先拿到“客户为什么不买”的真实答案，产品、渠道和服务的改进，都能快人一步。

我们见过这样的先例：某合资豪华品牌，是业内第一家把门店垂媒线索收归总部运营的车企，2023 年 8 月上线，60 天到店率就翻了一番。先走一步，就先拿到结果。

具体怎么起步？我们的建议是做一个联合试点：首批 1 到 2 家主机厂，选 2 到 3 个城市，跑 90 天。中汽数智提供数据、标签和线索评级，元兵提供运营中台和回访标签；用到店率、试驾率、成交率来考核，按结果付费。

08 结尾

一起跑第一圈

01前端用数据找对人

02中段用真人＋AI 接住人

03后端把结果和原因带回来，让模型越用越准

数据告诉我们客户是谁，闭环告诉我们客户为什么买。

线索不是买出来的，是运营出来的。

再次祝贺中汽数智成立！谢谢大家

第一圈Loop

01数据找对人中汽数智 · 标签与线索评级

02人机接住人元兵 · 运营中台与回访

03结果再回流过程、结果、原因标签

中汽数智提供数据、标签与线索评级
元兵提供运营中台与回访标签

00 开场01 痛点02 常规解法03 核心问题04 第一性原理05 案例06 方案优势07 共建 Loop08 结尾

30:00

元兵科技 · 中汽数智成立大会

01 / 19