EMC易倍由于汽车行业的特殊属性，汽车用户的需求往往极为细化，涉及各种场景——这对车企来说其实是颇为宝贵的产品迭代导向和驱动力。
只有通过洞察海外用户在多元化场景下的个性化需求，不断优化汽车客户旅程上的体验，车企才有可能拥有源源不断的、俘获用户心智的触点。
无论是车企内部还是外部，信息壁垒往往会阻碍组织协同，让用户数据的价值难以全部发挥。如何打破研、供、销、服不同触点的gap，深度链接车企与用户、实现数据闭环，以车企A为例，是其面对的难题。
汽车用户反馈声音散于各种渠道：国内有微博、小红书等社媒EMC易倍，汽车之家论坛、懂车帝等汽车交流平台，315投诉网、车质网、黑猫投诉等投诉网站……海外也同样有各类社区和论坛网站，车企A需要聚合这些多渠道、多触点的用户声音EMC易倍，通过市场反馈改善产品和服务，以应对消费者提出的各类问题。
同时，信息时代下，任何看似微不足道的负面反馈，都有可能发酵为不可控的品牌危机。
车企需要实时发现负面反馈，并搭建完善的预警机制，以快速定位客诉，第一时间响应处理，降低对品牌的影响。
在与数阔云听CEM达成合作后，车企A的研发部门、质量部门和售后部门成长为“数据尖兵”：
通过数阔云听CEM对海内外社媒平台、汽车资讯网站/论坛、汽车投诉网站等互联网公开数据，及车企A的用户内部私域数据的聚合，多个部门开始针对数据做汇总、对比分析EMC易倍，具体车型表现、消费者声量、热词词云的变化……不同部门所关注的重点有所差异，因而会产生不同维度的分析结果。
此阶段中，价值最为凸显的是售后部门：再“冷门”的用户反馈渠道、再庞大的数据源，车企A也能在数阔云听CEM的助力下从容应对。
通过对汽车垂直网站/投诉网站/新媒体平台的车评内容按时域、品牌、车型、场景、情感等多维度进行分析，监测各品牌讨论声量和用户情感变化趋势，精密的指标模型、标签体系让负面反馈能够在系统上实现高效分类、归纳、预警，这让售后部门得以摆脱以往困于海量数据、无法实时响应和解决负面反馈，造成舆情危机的困境。
通过NLP语义分析，数阔云听CEM将海量用户反馈数据拆解为可视化场景标签EMC易倍、情感指标、热词词云、反馈声量图等，观点抽取-机器学习，车企A的多部门可通过设置、更新标签体系，提取产品、服务、营销等不同维度的反馈，从而分析不同车型在后续的改善和迭代中，应该优先处理和升级的方向。
在新车质量调研场景上，车企A基于云听，通过问卷编辑、分发、问卷分析及图表看板可视化呈现，协助质量中心开展周期性IQS、CSI、SSI等调研工作，了解客户心声，聚焦客户需求，提升质量水平及服务水平。
车企A重点对高日活的社媒平台上、消费者对于汽车的需求热点进行分析，为下一代车型的设计打下了扎实的决策依据。
此外，车企A通过云听，对本品vs竞品的消费者反馈进行基于深度分析，层层下钻汽车发动机EMC易倍、外饰内饰、操控驾驶、娱乐系统等多维度使用体验，挖掘用户期望和高频槽点，辨识市场差距，捕捉新品机会点，从而提高新车型在市场上的成功机会。
