服务越来越被视为产品不可或缺的一部分,也是公司盈利能力的关键组成部分。贝恩公司(Bain & Company)最近代表软件公司 PTC 进行的一项研究证明了这一点:根据这项研究,现场服务不再仅仅具有维修和维护功能,它还必须有助于公司商业目标的实现,有助于推动将工厂的数字主线作为其业务决策的基础。
在这项调查中,贝恩公司通过对 25 位服务经理的访谈和对 283 位现场服务技术人员的在线调查,对于服务的现状和趋势得出以下六项结论。
优化首次修复率、设备正常运行时间和合规性,是进一步实现工作数字化和管理任务自动化的基础。流程标准化正变得越来越重要,这不仅是为了获得一致的客户体验,而且也是为了创建一个统一的框架,来收集有关系统和服务的相关数据。
服务管理人员比以往任何时候都更加注重了解履行服务承诺的真实成本。他们的目标是在资源分配、技术人员培训和服务定价方面做出更好的决策。
并非每项服务请求都需要现场服务。让客户自己解决问题、使用远程服务或服务合作伙伴,或者将设备或组件带到维修站进行维修(而不是现场维修),可能是更高效的选择。
每一次对现场服务方式的选择不仅会影响服务成本,还会影响客户体验。这一点非常重要,因此服务经理需要确保每种情况下都能拥有好适当的资源和工具来提供积极的客户体验。
服务经理未来利用数据的规划主要针对三个方面:
在运营方面,其目的是以新的方式提供服务,并提高现有流程的效率。为此,人工智能和其他自动化技术将得到越来越多的应用。
在商业方面,应更密切地监控收入情况,并更好地记录对客户的优惠。服务经理还希望通过数据分析,找到加强或简化服务组合的切入点,例如通过合同义务或在传统上包含在服务合同中的附加服务。
对于客户而言,服务互动的规范性和主动性尤为重要:利用数据应该尽量减少对客户的干扰,并在潜在问题发生前让客户做好准备。与此同时,服务经理应更好地利用数据,记录服务的价值并将其传达给客户,这样做的目的,是将与客户的对话从纯粹的成本讨论转变为彼此关系的一种联结。
关于“基于结果的合同”或“设备即服务”模式的说法,不绝于耳,但真正实践的例子却仍然很少。但这并不意味着这样的模式不可实现——至少对部分客户而言,合理的服务组合是实现这一模式的基础。
建立针对服务的商业基础设施,服务经理主要关注以下四个方面:
(1)通过数据分析,在整个资产生命周期内改进资产性能的利润分析和决策制定。
(2)将现场技术人员的职责扩展到包括商业目标在内的各个方面,从确定安装基础到获取潜在客户和客户咨询。
(3)成立专门的团队负责开发新的服务产品,及其基于价值的定价。
(4)建立包括销售和营销在内的商业基础设施,专注于扩大和深化服务关系。
交付成果或扩展服务的责任不能仅由服务机构承担。在产品的设计、营销和销售等环节,就应该必须开始考虑成果交付的预期结果,而服务交付的目标必须与之保持一致才能实现这样的结果。
然而,实现这一目标所需的跨部门合作却很困难,尤其是因为各业务部门是独立运作的。每个部门都有不同的激励机制,而且许多相关人员并不知道其所交付的产品实际上为客户贡献了怎样的价值。
客户反馈、服务交易数据和资产使用数据可以将各业务部门联系起来: 如果产品开发部门能更好地了解资产的可靠性和维护情况,就能在设计未来产品时更多地采取由反馈驱动的改进方法。产品开发部门与信息技术部门可以利用连接性,为更好的资产信息和维护方案奠定基础。如果销售和市场营销人员知道哪些功能和服务是实际需要的,他们就可以在报价和活动中传达这些信息。
这需要变革管理。这是因为现场服务技术人员的角色正在不断扩大:虽然他们的主要工作仍然是对服务请求的响应,但利用现场服务联系人来弥补数据差距并与客户进行更有价值的对话,正变得越来越重要。
此外,技术人员拥有的新工具也越来越多。根据贝恩的调查,只有 43% 的现场服务技术人员对自己未来的角色充满期待。究其原因,他们并不是害怕被技术取代,而是担心技术会成为负担,妨碍他们帮助客户。只有 53% 的技术人员认为当前的数字工具易于学习和使用。有42%的领先企业的技术人员表示,他们在学习如何使用新工具和新技术时获得了所需的支持。同时,这些技术人员也更容易认识到这些数字化工具的价值,例如在安全工作和解决客户问题方面。技术人员的工作目标是专注于解决客户的需求和问题,因此他们需要从更高的视角,来看待额外的责任和新工具如何与这一目标保持一致。
成为领先服务机构的 10 个步骤
(1)在运营方面,重点关注减少工作量,以及促进内部与外部利益相关者之间合作
(2)进一步发展业务关键数据,使其包括客户期望的结果;
(3)在技术方面,进一步开发通用数字服务语言,使系统的性能数据与服务处理信息相结合;
(4)为未来的商业报价建立一个数据库,并了解服务的成本和盈利能力;
(5)利用有关已安装基础和系统的信息,进一步开发工具和自动化系统;
(6)在商业方面,利用各种机会使服务和合同覆盖范围货币化,同时考虑到增值服务;
(7)将资产使用数据纳入反馈计划,以确定为客户创造价值的真正机会;
(8)由服务架构师和其他利益相关者进一步开发服务组合;
(9)在员工方面,实现点对点的知识共享与合作,将其作为培训、学习和发展计划的补充;
(10)为技术人员提供多样化的个人发展途径。
PTC 全球资深副总裁兼大中华区总裁刘强认为:工业企业发展到今天,服务越来越成为企业实现产品创新和商业成功的关键因素,如何才能够优化技术人员的工作效率,简化工作流程,提高运营效率并大幅延长设备正常运行时间,是所有工业企业都面临的问题。在解决这一问题的过程中,数字化工具是必不可少的必选项之一。而在诸多以资产为中心的现场服务管理解决方案中,PTC的ServiceMax 相当出众,这款综合软件套件能够为各行各业的服务团队提供有力支持,实现主动维护策略、高效交付和执行服务、推动服务收益增长以及为服务和企业生成关键数据洞察。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。