硬科技创业 | 万亿级车后巨婴市场何解？车包包“数据大脑”赋能

2018年中国汽车行业出现历史性拐点，新车销量首次出现负增长。在汽车行业上游共克难关的时候，产业内玩家与资本的目光纷纷投向了下游的汽车后市场。

据德勤近期发布的《2019中国汽车后市场白皮书——站在新零售十字路口的红海市场》预测，在汽车后市场各细分领域中，维修保养和二手车未来成长性较好。其中汽车维保市场规模接近万亿（9300亿），行业集中度却相当低，同时在服务质量方面，市场起步晚且成熟度低，无法全面满足客户多元化的需求。基于这些洞察，德勤将中国汽车维保市场称作“快速成长的万亿级巨婴市场”。

巨婴市场如何破？

车包包创始人王茂认为，汽车维保市场之所以行业集中度低、服务效率低、难以满足客户多元化的需求，而“信任缺失”是核心顽疾，其根本原因在于汽车维修的非标性：汽车型号繁多故障千奇百怪，即便利用汽车解码仪也很难定位故障点，而拥有好技术和丰富维修经验的技师更是稀少，行业估算占比不足10%，因此常常“误诊误换”，被车主认定为“小病大修”，久而久之导致行业整体失信，用户粘性降低，维修厂自然很难做大做强进而提高行业集中度。

为解决这一痛点，车包包利用基于人工智能语义理解的连续检索技术，形成了精准的维修案例与经验分享大数据引擎，以帮助维修技师大幅提高故障排检效率，并直接找到故障点及维修方案；未来汽修厂还可以通过车载诊断设备OBD和汽服SaaS，面向车主提供C端服务，定位故障点，减少维修服务购买决策时的信息不对称，在车主与维修厂间建立起信任关系。

车包包的大数据引擎，已收录超200个品牌近万款车型

车包包的检索服务使用简单，用户只需确认车型并对故障进行自然语言描述，云端会通过车包包的专利算法，匹配出技术案例和车主经验文章推送给用户，并对经大数据技术筛选出的最佳方案进行标注。此外得益于语义理解技术，在检索结果中基本不会出现只带有零星关键词的干扰内容。

对某故障的检索结果，未出现不相关内容

车包包的汽车故障大数据产品体系较为完善，APP和微信小程序上线后，深受维修技师用户和车主用户好评。目前车包包正在和第三方汽车解码仪厂家合作，将检索功能植入到汽车解码仪当中，使得常规检测、故障诊断和维修方案推荐联动，其DEMO产品已初具雏形。

王茂指出，当前的汽车解码仪可以将故障锁定到一定范围内，还不能完全定位到具体故障点。拿某一款车型来举例，汽车解码仪可返回的故障码有上千个，但全车可能的故障点超过2000个，这说明同一故障码可能会对应多个不同故障点，需要逐项排查。

如果维修技师经验不足，很容易定位错误故障点，造成“小病大修”或“大病错修”，甚至“回厂返修”也屡见不鲜。车主有损失，车主与汽修厂间也难以建立起有黏度的消费服务关系。而将车包包与汽车解码仪结合在一起，成为“汽车诊断仪”，则可让维修技师提高汽车故障诊断的准确率与效率，并提供维修解决方案与参考建议，相信可以极大降低“小病大修”或“大病错修”的概率。

车包包如何在互联网中“海底捞针”？

“数据本身没有价值，价值在于如何把数据精准匹配给需求。”

王茂告诉虎哥，车包包数据的大头来自互联网，主要有两部分构成，一部分是技术经理撰写的专业化技术案例，另一部分是车主在网上发的维修经验分享和讨论。

在专业技术案例数据方面，各汽车主机厂一直有让4S店技术经理撰写技术案例并在内部分享的传统，而2015年9月《汽车维修技术信息公开实施管理办法》发布，国家开始要求汽车主机厂把维修技术信息公开发布于网络中，以促进汽车维修业转型升级。对于这部分公开数据，在网络中隐藏较深，一是用普通搜索方法很难取得，二是资料庞杂用户难以弄清哪一篇资料是自己恰好需要的，因此用户不得不花费大量时间进行网络检索与资料比对。车包包用语义理解NLP和连续检索的聚合技术，较完美地解决了这一问题，大幅提升了技术案例的检索准确率。

在车主经验分享数据方面，这类数据多来自于车主在互联网上的主动分享，用普通方式搜索较为容易，难点在于数据干扰较多，一是有与汽车维修不相关的内容比如投诉文章、评测文章等存在，二是面对同一故障，各位车主的解决方案不尽相同。凭借独有算法，车包包可找到与故障描述最为匹配的经验文章，并对其标记推荐。对维修技师来说，车主的维修经验数据可以作为补充性的参考建议。

此外基于车包包过去多年来的维修问答积累，已形成了行之有效的技术案例知识库，车包包将其数据结构化并加入到检索结果中。

王茂表示，现在已经有数百位技术经理级别的专业种子用户主动上传技术案例，一是其单位内部技术共享效率更高，知识管理更便捷可沉淀，二是还能方便自己实施需要帮助的同行。后续还会通过会员积分等方式，激励技术师用户主动向车包包平台提交技术案例。

另外C端与B端的检索功能根据场景和用户习惯有一定差异化，C端技术主要使用的是自然语言的模糊检索，B端的检索算法则可与故障码一一匹配，以满足商用需求。

死磕汽车大数据，终于明晰发展方向

车包包王茂是位连续创业者。他自电子科技大学毕业后就开始创业，于2001年创办蓝谷数码公司，2006年创办蓝谷数码学院，被授予“国家数字媒体技术产业化基地生产实训中心”，是央视《快乐驿站》动画片制作单位。2008年～2010年王茂组建蓝谷集团，连续参与奥运视频系统项目及世博会监控系统建设。

2013年王茂因修车的遭遇，开始注意到汽车后维修市场。经过较长时间思索，王茂将行业顽疾总结为两句话——“信息不对称，服务不透明”。王茂认为把养车修车的消费公布到互联网上，形成公开的“诚实数据”，可以促进行业透明，而只要为行业提供价值，就有创业获利的机会。

2014 年初，王茂注册成立了成都车包包信息技术有限公司，寓意为“车主的钱包包”，旨在帮助车主管理养车，减少冤枉开支，具体打法是提供维修问答服务，将答案共享给车主，形成汽车大数据，进而贯通车主买车、养车、卖车等环节。

搭上微信红利的顺风车，到2014年底，车包包积累了微信粉丝近6万，单日最高峰问答人数超千人，隔年推出的299元保养活动单篇推文，更是产生了170个有效订单。

不过车包包商业模式不甚明朗，几次与意向投资失之交臂，创业过程中也面临着较大的经营压力。2016年底，博拜养车、典典养车、e保养等一大批O2O汽车服务创企相继倒闭，王茂也在苦苦思索寻找突破口。

在车包包早期的创业过程中，王茂曾有过两次转换创业方向的机会，一次是成为纯粹的汽车自媒体，靠接汽车广告赚钱，另一次是与线下维修门店合并为其导流。但这两个方向，均与王茂的创业初衷不合，被他否决掉了。坚持初心一时爽，一直坚持却不见得会一直爽，王茂依然选择死磕下去。

转机出现在2017年，深圳某人工智能团队主动找到车包包寻求合作，探索开发汽修智能助手赋能汽修厂的道路。产品上线两个月内，汽修门店用户自然增长到1400人，但后来合作团队认为积累技术案例是个重投入，时间成本太高，因此主动退出。

在这一过程中，王茂敏锐地嗅到了维修厂用户的付费意愿，他感觉商业模式就要跑通，转向物色大数据技术合伙人。

功夫不负有心人，经电子科技大学校友引荐，王茂结识了研究聚合连续检索技术多年的专家朱奕。朱奕也是一位创业者，他曾任职华胜天成移动事业部总经理，主持完成包括中国移动总部MOA系统在内的多个移动、联通及政府智慧城市项目。经过深入交流，朱奕为王茂指明了车辆故障大数据检索平台的技术实现路径，两人一拍即合，迅速成为创业伙伴。车包包另一位联合创始人董世友曾在投资公司任职，接触到车包包项目后很认可，在王茂邀约下加盟团队。

从故障数据切入，后续发展路线清晰

在商业模式打磨上吃过亏的王茂，已将车包包后续发展想得比较透彻了，那就是从故障数据到质量数据，再到汽车行业知识图谱。

目前车包包处于故障数据阶段，在汽车维保数据分享方面已经有了一定基础，欲在B端创造营收，在C端（维修技师和车主）形成影响力；到质量数据阶段，车包包会涉及到更多类型的汽车数据的采集与分析，为车主提供买车、养车、卖车的全链条数据服务，同时也为汽车主机厂提供市场调查、舆情分析等咨询服务；到了知识图谱阶段，车包包采集的汽车数据将更加全面，并会将汽车数据与人工智能技术深度融合，为汽车产业的各个维度提供数据价值。

王茂对车包包的创业怀有极高热情。他告诉虎哥，车包包的初心始终没有改变，那就是消除汽车后市场的信息不对称，让行业服务透明化。对标美国汽车后市场，中国汽车后市场行业需要第三方的数据服务机构出现，这个第三方机构，提供的数据客观公正，不会因为被广告主利益绑架而不坚持正确的立场，这样才能真正促使行业服务透明化，为汽车消费者提供“诚实数据”价值，助力行业正向发展。

过去数年汽车后市场O2O上门服务等等一系列互联网创业模式，烧了近百亿资金都没有走通，于是有了“汽车后市场只能到线下服务”的观点出现，王茂认为这种观点值得商榷：“这就是因为少了汽车技术服务的信息对称性，如果车包包补上这一环节，那些没有走通的服务模式可以焕发青春产生价值。而中国汽车后市场大数据服务领域，也一定会出现独角兽，车包包机会很大。”

针对行业壁垒问题，王茂表示车包包的核心算法专利、十万级问诊“标准词库”和聚合检索逻辑所支撑的搜索引擎、团队在汽车后市场深耕运营的经验积累，这些都不是能够迅速复制的。与车包包业务相近的竞争对手，重心放在非结构化的维修案例数据积累上，缺乏对互联网中已存有的海量数据的开发挖掘，在效率、成本与速度方面，车包包均明显占优。

车包包于2018年底获得中信双创种子轮投资，并在北京成立了车包包（北京）聚合技术有限责任公司，目前正在规划筹备天使轮融资，感兴趣的投资人，可以通过天虎科技&虎探与车包包对接。

天虎科技   程学怡