Guazi ikinci el otomobil, yapay zeka yetkilendirmesi ile nasıl yeni perakende oynuyor (PPT indirme ile)
Bu ders, Guazi kullanılmış otomobilinin yeni perakende ürünlerinden sorumlu kişi ve Tsinghua Elektronik Bölümü mezunlarından seçilmiştir. Zhou Zhou Tsinghua Büyük Veri "Uygulama · İnovasyon" Ders Serisi Başlıklı "Yapay Zeka Tarafından Güçlendirilmiş Yeni Perakende Nasıl Oynanır?" Konuşma.
Zhou Zhou: İlk olarak, yeni perakendemizin durumunu tanıtacağız ve ardından yeni perakende sektörüne girmek için yapay zekayı nasıl kullanacağımızı derinlemesine tartışacağız.
Çin'deki genel ikinci el otomobil pazarı. Daha önce, kullanılmış otomobil endüstrisi üzerine bir anket yapmıştım, derinlemesine araştırma yaptıktan sonra, bu pazarın aslında çok karmaşık olduğunu buldum. Önce limon pazarını tanıtmama izin verin.
Bu, 2001 yılında Nobel Ekonomi Ödülü'nü kazanan Profesör George'dur. Ödülün temel teorisi, Limon Pazarı'dır: Tipik bir bilgi asimetrisi pazarında, ürünün satıcısının ürünün kalitesi üzerinde alıcıdan daha fazla etkisi olduğu zaman Daha fazla bilgi olduğunda, düşük kaliteli ürünler yüksek kaliteli ürünleri dışarı çıkaracak ve piyasadaki ürünlerin kalitesi düşmeye devam edecektir. Yaygın olarak duyulan diğer bir teori, kötü paranın iyi parayı dışarı çıkardığıdır; bu, geleneksel değerli metal para piyasasında, farklı kurumlar tarafından satılan gümüş paraların gümüş içeriğinin farklı olduğu gerçeğine işaret eder. İhraççı bir gümüş madeni paranın tam içeriğini bilir ve bu da bilgi asimetrisine yol açar. % 99,9 ve% 95 gümüş içerikli gümüş sikkeler ayrı olarak dolaştırılırsa, gümüş sikkelerin% 99,9'u yakında piyasada yok olacaktı. Çünkü bu bilgiyi bilen oyuncular veya ihraç eden kuruluşlar gümüş sikkelerin% 99,9'unu toplayacak ve daha fazlası gümüş sikkelerin% 95'ini piyasada dolaşıma sokacak çünkü bu daha karlı. Bu aynı zamanda tipik bir kusurlu bilgi asimetrisi teorisidir. Limon pazarı böyle bir pazarı açıklıyor. Profesör George, limon pazarının arkasındaki çekirdeğin ABD ikinci el araba pazarı olduğuna dikkat çekti, çünkü kullanılmış araba pazarı tipik bir asimetrik bilgi pazarı.
Çin ve Amerika ikinci el araba pazarında, Amerika Birleşik Devletleri'ndeki genel araba tüketimi hala Çin'in çok ilerisindedir ve Çin ile ABD arasındaki araç giriş oranı da çok farklıdır. Amerika Birleşik Devletleri'nde geçen yıl, kullanılmış araba cirosu 40 milyon adede yaklaştı ve 17 milyon yeni otomobil satıldı. Çin bunun tam tersi. Bunun anlamı:
- Birincisi, Çin'in kullanılmış otomobil pazarında çok büyük bir fırsatı var. Esasen, bu sektörün daha önce yeterince hızlı gelişmemesi ve çok fazla birikim gerektirmesi nedeniyle, bu sektörün gelecekte Çin'de bazı kısa yolları olacaktır.
- İkincisi, fırsatın nasıl değerlendirileceği. İkinci el araç pazarındaki bilgi asimetrisi, günümüzün verimsizliğine ve şeffaf olmayan bilgilere yol açmıştır.Bu sorunlar internet üzerinden çözülebilir.
Guazi tam olarak ne yaptı? Birincisi, bilgiyi standartlaştırmak ve şeffaflaştırmaktır. Kullanılmış otomobil endüstrisinin standartlarını, araç koşullarının test ve değerlendirme standartlarını ve bir araç durumunun standart dışı ürünlerini standartlaştırılmış tanımlarla standart ürünlere dönüştürdük. Bu temelde, endüstrinin geleneksel kötü alışkanlıklarını da çözmek gerekir, yani kişisel çıkarlar elde etmek için satıcı, alıcıların ve satıcıların platformdaki işlemi atlamasına izin verir. Jargona genellikle "uçan siparişler" denir. Değerleme uzmanı, akıllı bulut değerlendirmesi sayesinde, yerinde değerlendirme sırasında arabanın muayene maddelerini akıllı gözlüklerle gerçek zamanlı olarak merkeze geri iletir ve genel merkez operasyon denetiminden geçen personel, uçuş emir durumunun önüne geçebilir.
Kullanılmış araba pazarındaki bilgi asimetrisi nedeniyle, herkesin fiyat konusunda kesin bir yargısı yoktur, bu nedenle fiyatlandırma, tüm kullanılmış araba işleminin özüdür. Geleneksel fiyatlandırma yöntemi genellikle otomobili ve pazarı daha iyi anlayan ve deneyime dayalı bir fiyat veren bir otomobil bayisidir. Böyle bir model, kişisel muhakemenin kararlılığına dayanır ve ölçeklenebilirlik ve platform ölçeğine ulaşamaz.
Fiyatlandırma sorununu çözmek için esas olarak AI makine öğrenimini kullanıyoruz Yukarıdaki resim, tüm fiyatlandırma modelinin yaklaşık sistem çerçevesidir. Değerleme uzmanını test standartlarını uygulamak, araç durumu bilgilerini girdi olarak kullanmak ve makine öğrenimi modeli aracılığıyla değerleme fiyatını hesaplamak için kullanırız. Makine öğrenimi yoluyla fiyatlandırmaya ek olarak, Guazi model fiyatlandırma yeteneklerine dayalı yeni perakende satış da yapıyor. Geleneksel kavun tohumları, satıcıların bireysel alıcılara satış yapmasına yardımcı olur ve farkı yaratacak bir aracı yoktur, ancak bu modeldeki sorun, çok verimsiz olmasıdır. İkinci el konutun nispeten belirlenmiş adresi ile karşılaştırıldığında, ikinci el otomobilin hedefi net değil. Dahası, bir topluluğun birçok ev kaynağı olabilir ve Guazi çevrimiçi araba kaynağı platformundaki belirli bir araba kaynağı Shijingshan, Shunyi ve Daxing'de olabilir, bu da çok verimsiz bir süreç ve zayıf bir alıcı ve satıcı deneyimi ile sonuçlanacaktır. Bu sorunu çözmek için, standartlaştırılmış otomobil, hizmet ve deneyim konseptlerini 4S mağazalarından kullanılmış otomobil endüstrisine getirmeyi umarak yeni perakende aşamasında kesinlikle seçilmiş doğrudan satış mağazaları açtık. Bu yıl, ülke genelinde 100'e yakın şehirde büyük ölçekli mağazalar açtık ve alıcılara tek seferde yeterli otomobil seçeneği sunarak doğal olarak verimlilik sorununu çözebiliriz. Araç sahiplerinin deneyimi iyileştirildi ve platformun verimliliği de büyük ölçüde iyileştirildi.
Bir önceki modeldeki değişimdir.Ayrıca İnternet + kullanılmış arabalar aracılığıyla, bu endüstrinin verimsizliğini ve opaklığını çözmek için bazı teknik güçlendirmeler yapabileceğimizi umuyoruz. Yukarıdaki resmin sol tarafında, petekli gözetimsiz bir teslimat kabı olarak düşünülebilecek akıllı bir anahtar dolabı var. Ortada, esas olarak Curry'deki park alanlarını tahmin etmek için kullanılan akıllı bir kamera var. Mağazamızda iki bin araç var Günde birkaç yüz araba satıldıktan sonra ortada boş olacak ve aynı gün uygun park yerlerine park edilmesi gereken yeni arabalar olacak. Aynı zamanda alıcıların verimliliğini gösterebilmek için daha çok benzer arabaları birlikte park etmek gerekiyor. Bu arka plan altında, her gün 2.000 araca izin verilmesi ve birleştirilmesi gerekiyor ve bu tür kararları ve zamanlamayı, el emeğine güvenerek yapmak zor. Araç bilgilerini almak için arabanın ön camındaki QR kodunu taramak için kamerayı ve park yeri bilgilerini tanımlamak için park alanındaki QR kodunu kullanıyoruz. Böylelikle araç ve park yeri bilgileri sisteme girilir, algoritma üzerinden programlama gerçekleştirilir ve ulaşım üçüncü bir şahıs ile işbirliği yapan hareketli robot tarafından gerçekleştirilir.
2017'de satıcılar için 1,5 milyar daha sattık ve alıcılar için 600 milyon tasarruf ettik. Bu iki veri, satıcının Guazi'deki kişisel ve kişisel işlem fiyatının otomobil bayilerine satılan fiyat farkıyla karşılaştırılmasından ve dolayısıyla ikinci el otomobil bayilerinden satın alınan fiyat farkıyla karşılaştırıldığında Guazi'de satın alan alıcıların fiyatının hesaplanmasından elde edilmiştir. Guazi'nin inişi ve uygulamayı nasıl gerçekleştirdiğini sizlerle paylaşmama izin verin.
Geleneksel endüstrilerde reform yapan bir yapay zeka üçlemesi.
- her şeyden önce İnternet üzerinden , Örneğin arabanın kamera ve çevrimiçi park bilgileriyle nasıl hareket ettirileceği gibi, aksi takdirde bilgisayarın işlem için temeli yoktur.
- İkincisi Sayısallaştırma , Çevrimiçi bilgileri veri depolama için ilgili her ortamda depolayın ve sonraki makine öğrenimi için kullanın.
- İlk ikisini tamamladıktan sonra makine öğrenimi devam edebilir Akıllı iş. Referansınız için bu üç bağlantının ana çalışmasına ayrı ayrı bir göz atalım.
Çevrimiçi dönemde, Amerika Birleşik Devletleri'ndeki en büyük çevrimiçi ikinci el araba satıcısı olan CarMax ile anket yaptım. California'daki her CarMax arabasının küçük bir anahtar kutusu vardır ve tüm anahtar kutuları aynı ana anahtarla açılır. Her satış elemanı, her bir arabanın anahtarını ana anahtar aracılığıyla alabilir ve anahtarı değiştirmek için merkeze dönmeye gerek yoktur, bu çok uygundur. Ancak bu yaklaşımla ilgili sorun, bu eski şirketin kullanıcının satın alma niyetini kaybetmesidir. Herkes arabayı görmek için ikinci el otomobil pazarına gittiğinde seçim değişecek, kullanıcının karar verme rotası bu geleneksel yolla tamamen kaybolacak ve bu, kararlar almak ve optimize etmek için bu bilgileri kullanma fırsatını kaybedecektir. Bu nedenle, endüstri verimliliğini dönüştürmek ve iyileştirmek için akıllı bir anahtar dolabı tasarladık.
Sol alt köşedeki bu resimdeki küçük dolapta belirli bir arabanın anahtarı var. Her satış elemanı bir müşteriyi görmeye götürdüğünde, önce iş telefonundan anahtar dolabından anahtarı alır ve ardından müşteriyi o arabayı görmeye götürür. Bunun avantajı, tüketicinin tüm satın alma kararı yolu hakkında çok net olmamız ve kararının uzunluğunun bile çok net olmasıdır.Bu veriler gelecekte iyi bir şekilde optimize edilebilir. Kaydedilen satın alma kararı rotasını çevrimiçi olarak optimize ederek, anahtar alma kolaylığını çözmek ve verimliliği artırmak için arabayı ve anahtar dolabını bölümlere ayırıyoruz.
İkinci adım, verilerin nasıl gerçekleştirileceğidir. İş gereksinimleri net olduğunda, temel verilerin tanımlanması kolaydır. Ancak yalnızca sonuçlara odaklanırsanız, yalnızca sonuçlarla en alakalı verilerin kaydedilmesiyle sonuçlanabilir. Önceki acı noktalarımızdan biri, yalnızca hedefle ilgili verileri kaydetmemizdir, ancak makine öğrenimi modeli bazı açıklanamayan sonuçlar verdiğinde, önceki veriler yeterince kaydedilmediğinde nedenleri gözden geçirmek çok zor olacaktır. Dolayısıyla, bugünün depolama maliyetleri altında, deneyimlerimiz, verileri kaydetmekte tereddüt ettiğiniz sürece, önce not edin ve bu verilerin yakında kullanılma olasılığı yüksektir.
Zeka dört bölüme ayrılmıştır. Birincisi, hedefler koymak, önce sorunu tanımlamak. Bir sonraki özellik seçimi, makine öğrenimi için çok önemlidir. Özellikleri seçtikten sonra en önemli şey verilerdir.
Kullanılmış arabalar gibi özellikler açısından, fiyatları etkileyen en önemli faktörler modelleme için kritiktir. Dolayısıyla, teknoloji açısından, geleneksel endüstrilerde makine öğrenimi bilgisinden iyi bir şekilde yararlanmak istiyorsak, bu endüstrinin özelliklerini derinlemesine anlamak özellikle önemlidir.
Üçüncüsü, verileri taramaktır. Yüksek kaliteli ve etkili veri kaynaklarının nasıl elde edileceği, sonuçlar üzerinde çok büyük bir etkiye sahip olacaktır.
Karar sonucunun bu kısmı çok zordur. İyi makine öğrenimi teknik göstergeleri, işletmenin iyi olduğu anlamına gelmez. En önemli şey, modelin sonucunun işletmeden nasıl değerlendirileceğidir. UBI ve OBI, fiyatlandırma modelinin verdiği sonuçlara ilişkin ölçümlerimizdir. UBI, araba fiyat endeksini hafife aldığını söyledi; OBI, araba fiyat endeksini fazla tahmin ettiğini söyledi. Soldaki kırmızı çizgi, hafife alınan derinliktir Bu eğri, başlangıçta görece aşağı doğrudur, bu da modelimizin sürekli olarak geliştiğini gösterir. Turuncu, hafife alınan her bir arabanın fiyatının nispi oranıdır. Bu eğri, modelimiz tarafından verilen fiyatın daha iyi olduğunu göstererek göreceli olarak yükselir. 18 Mayıs'taki turuncu eğri başını çeviriyor, bu da modelin verdiği fiyatın daha düşük tarafta olduğu anlamına geliyor. Bu tür iş göstergeleri aracılığıyla, modelin sonuçlarını daha iyi değerlendirebilir ve modele bir sonraki adımda nasıl optimize edileceğine rehberlik edebiliriz.
Yukarıdaki, kullanılmış arabaları güçlendirmek için AI kullanma uygulamasıdır. Kullanılmış araba endüstrisi gerçekten çok verimsiz ve opaktır ve Amerika Birleşik Devletleri'nde çok erken bir aşamadan geçmektedir. Bu nedenle, hala fırsatlarımız ve geç gelen avantajlarımız var ve bu sektörü yapay zeka ve teknolojik yollarla dönüştürmeyi umuyoruz.
Sahne arkası özel mesaj yanıtı "181123" PPT'nin tam sürümünü indirin - Bitiş -Tsinghua-Qingdao Veri Bilimi Enstitüsü'nün resmi WeChat kamu platformunu takip edin " THU Veri Pastası "Ve kız kardeş numarası" Veri Pastası THU "Daha fazla ders avantajı ve kaliteli içerik elde edin.
