随着智能车时代来临，领先车企OTA能力和数据闭环的管理能力均已今非昔比，产品生命周期管理这个传统课题也正迎来新的工具框架。今天我们先开个头，在这一问题上做一些粗浅的探讨，后面我们再挑选一些关键话题逐步深入。

　　首先我们可以看到智能车的生命周期管理在概念上已经和传统车有了根本区别。智能车需要管理的不仅仅是未交付车型的产品力升级问题，也包括已交付车型。也正因如此，才有了从SOP到SOD的说法转变。这也就意味着车企与用户关系的再定义：产品成交只是一个新周期的开始，而不是销售的完结。因此从根本上这是产品生命周期与客户生命周期管理两个问题的叠加。这也意味着智能车生命周期管理由一维问题变成了一个二维问题，一个维度是产品，另一个维度是用户。

　　针对产品这个维度，在智能车时代，我们需要思考的是如何让一部车在较长周期内具备持续升级的潜能问题。为此我们需要首先让这部车具备持续可升级的架构，然后是预留可升级的潜力和资源，再次是定义升级的渠道，最后才是确定升级的内容和节奏等问题。针对上述这组问题，定义可升级的架构是一个更加纯粹的技术问题，随着智能车变革的持续深入，最优架构会逐步找到共识，并在实践中走向收敛。但是如何给产品预埋资源，如何定义每一次升级迭代的内容以及节奏，以及如何协同各种升级渠道，则是战略问题，也就是面对多个方向的选择问题了。

　　在上述方面，我们需要意识到，尽管智能化会让产品的底层架构在一定周期内快速趋同，但具体到每一个产品，如何在定义初期预留合理的资源，以及预设恰当的升级能力却是可以存在很大差异的。此外，随着软件主导功能实现的比例快速增加，软件和交互上很难定义真正的差异化，但是具体功能的执行机构却是依然离不开硬件的。只要有硬件存在，他们具体的材质、造型、工艺以及硬件背后对应的性能规格就必然存在差异。这也就给各车企从产品定义阶段到后期生命周期管理阶段的具体路径选择留出了充足的选择空间。

　　因此在产品维度上，车企需要在战略层面有一个清晰的顶层设计，然后则是在正确的架构上做合理的路径选择。这里所谓路径无非就是为了在整个生命周期内兑现品牌核心价值，车企为每个车型圈定的资源。这些资源一部分是用户把产品买到手就预留好的，另一部分则是在产品的使用周期内可以随时调整的。于是生命周期管理问题便演化成了随着用户使用进程的推进，产品可以不断调整资源组织方式，响应每个用户越来越具体的需求的问题。

　　为了落实可以准确捕捉用户越来越具体的使用需求问题，车企就需要开启第二个维度，也就是用户生命周期管理问题。显然这与智能车越来越完整的数据闭环是密不可分的。当然，若要让这个闭环更加敏捷、准确，车企就必须改变传统的销售模式，因为传统以4S为核心的销售模式下，车企的真实客户其实是经销商而非最终用户。这就意味着依赖传统模式车企很难把终端用户的有效数据完整采集回来，更加难以准确理解用户在使用过程中不断发现的新需求。

　　一旦数据闭环这个前提具备，车企需要具备的能力就将集中在以下两个方面：

　　1、 更加有效调动用户积极性，让他们更加积极、主动地与厂家互动，反馈产品使用问题的能力。要提升这种能力车企的品牌建设与用户必须达成价值共识。

　　2、 有效管理数据，深刻理解数据的能力。前些年大家都在吹捧大数据的价值，但我们也需要意识到，数据既不是可观的，也不一定是资产。事实上所有数据都是基于确定指标的统计，而指标的定义是主观的，因此数据也是主观偏好的反映。要真正合理地利用用户反馈的数据，车企就必须有一套完善的从采集到整理数据，再到洞察和行动决策的方法。

　　针对第二个方面，SoCar的经验是用户反馈的关于产品需求的数据必须充分围绕场景展开。也就是说离开使用场景的反馈数据由于背景模糊缺乏充分的指向性，也难以有效支撑决策。也就是说，用户的生命周期管理必须充分围绕每个用户具体的使用场景，每个场景下的用车任务和用户具体的交互偏好展开。这样才能延伸出足够稳定的数据框架，形成有效的产品迭代升级策略。

　　最后，当我们把产品生命周期管理与用户生命周期管理两个维度结合起来，我们会发现第一个维度盘点的是技术、资源和路径问题。第二个维度梳理的则是越来越具象，越来越多样化的使用场景问题。把两者结合起来，还是SoCar这几年一直倡导的那个逻辑：场景是连接各种资源的线索和引擎，而智能车的生命周期管理就是使用场景的不断拓展和深化。

责任编辑：新交通