大搜车怎么样(大搜车什么时候上市)( 三 )


第二个 , 从数据化层面 , 我们还要保证我们有一个统一的数据总线 。你会发现 , 每个数据都在不同的位置 , 都有不同的结构 , 来打通这些系统就变成了一个极大的成本 。所以我们只有在一开始设计出一个整套的我们自己的数据总线 , 用同样的结构 , 同样的方式来确保数据能够进来 , 而我们在基础之上去做数据的支撑 , 无论我们的BI , 我们的画像 , 最后演变成我们的智能运营系统 。
再往后一步 , 到智能化层面 , 我们必须要从我们的数据层面再抽象出一层 。在这些数据层里边 , 源源不断流进来的数据 , 要把它变成一些场景解决方案 。这个我想跟大家聊一下 , 产业公司做AI , 跟这些巨头做AI有什么区别 。我们在一开始就明确给自己的定义就是说 , 我们不做通用AI 。做通用AI一定效率不高的 , 但它的泛化能力更强 , 这一定是大厂的必争之地 , 我们作为一个产业公司很难做到 , 所以我们不做通用AI 。
第二 , 我们一定是做基于业务结果的AI , 就是我们今天做的这些东西一定是有业务结果的 。我们不做那种纯研究性质 。所以基于这种场景 , 我们会在这个里面寻找业务场景 , 借助行业的壁垒 , 去提升我们单点的效率和AI的能力 。
所以 , 你会发现 , 看起来只是一个普通的业务流 , 但是我们的基础设施能力 , 我们的数据能力 , 我们的AI能力 , 是在里边的每一个节点里面出现的 , 所以贯穿了整个业务流 。
场景化的AI我们做了哪些事?
比如 , 我们原来做的最简单的就是一个推荐 , 这是产业互联网跟消费互联网很不一样的地方 。我们做了推荐之后你会发现 , 我们用传统的消费互联网方式做了推荐 , 点击率一下涨了400% , 但是你这对成交没任何变化 。为什么出现这样的状况 , 是因为在产业互联网里面 , 消费互联网的决策流程很短 , 决策人员很少 , 而产业互联网的流程很长 , 角色很多 , 所以你不是简单的给他看一个吸引 , 他就能带来交易的 。
所以我们做了一个基于各节点 , 包括二手车检测的情况 , 售卖的情况 , 新车的情况 , 综合的一个跨我们场景的交易引擎 , 我们直接带来了车源2%的转化率的提升 , 我们车商成交率提升了20% 。
这就意味着 , 我原来看五台车才能成交一台 , 现在变成看四台车了 , 是非常有益的 。撮合的效益 , 原来做人工撮合 , 现在变成由机器来统一分发 , 根据我们撮合人员的控前程度 , 我们来算概率成交预算模型 , 来给他们做分发 , 直接带来15%撮合效率的提升 。
二手车的估价 , 我们是唯一一个基于真实交易数据的估价 。我们有各种千万级的批发的数据 , 收车的数据 , 零售的数据 , 新车的批发和销售数据 , 由这些数据支撑我们可以快速每天迭代模型 , 用每辆二手车做估价 。我们可以看到 , 我们比行业应用有明显的提升 , 甚至比人工估价师有非常大的提升 。
检测技术 , 这是我们一个必要的技术 。我们现在平均检测技术每台车要50分钟的检测 。大家想想 , 我们每年检测50万台车的话 , 这50万台车又包含了很多次的子查询 , 这50万台车每个都是50分钟 , 如果我能降低10分钟 , 这就是一个天量的节省 。
怎么用AI去降低?我们做了最简单的事 , 举其中一个场景 , 我们通常要拍55张照片来描述一辆车 , 以前需要一个检测师一台一台去写这个是前发动机盖 , 这个是前叶子板 , 填一堆 , 还容易填错 。
但我们今天拿机器做了 , 瞬间就可以把十分钟省到就剩两分钟了 。
所以我想告诉大家 , 在产业里面 , 我们一定要先把产业线上化 。线上化了之后 , 针对于它的场景 , 我们才能去构建AI能力 , 才能把每一个环节的流通效率拉高 , 进而提升整个产业效率 , 甚至重塑整个产业链 。

推荐阅读