
大數(shù)據(jù)時(shí)代下的汽車消費(fèi)與出行
汽車行業(yè)不斷從傳統(tǒng)行業(yè)轉(zhuǎn)型發(fā)展,并且依靠大數(shù)據(jù)技術(shù)進(jìn)行產(chǎn)業(yè)升級(jí)。無(wú)論是汽車銷售還是售后服務(wù),對(duì)于目前汽車行業(yè)所遇到的大部分問題,發(fā)展人工智能技術(shù)都是最佳的解決途徑。
當(dāng)今大數(shù)據(jù)技術(shù)大行其道,作為傳統(tǒng)產(chǎn)業(yè)的汽車行業(yè)也努力依靠大數(shù)據(jù)實(shí)行自身的轉(zhuǎn)型。汽車消費(fèi)和售后服務(wù),作為汽車行業(yè)重要的組成部分,目前正面臨著重重考驗(yàn)。如何將人工智能運(yùn)用于汽車消費(fèi)和售后服務(wù),滿足人們更多地需求,是今后汽車行業(yè)發(fā)展的重中之重。
最近,我一直在思考智能汽車時(shí)代的服務(wù)問題,和多位行業(yè)專家交流之后,我突然頓悟了孫家棟院士曾經(jīng)提出的一個(gè)觀點(diǎn):有了北斗提供的精準(zhǔn)時(shí)間和空間信息,道路服務(wù)和交通管理問題都可以靠大數(shù)據(jù)技術(shù)“算”出來(lái)。無(wú)論是汽車銷售還是售后服務(wù),目前遇到的各種問題,最終都能夠借助大數(shù)據(jù)技術(shù)或者人工智能技術(shù)得到解決。
對(duì)汽車消費(fèi)和出行服務(wù)而言,絕大多數(shù)都是個(gè)性化消費(fèi),而大數(shù)據(jù)技術(shù)是個(gè)性化問題的專用工具。在汽車銷售階段,目前的互聯(lián)網(wǎng)仍然停留在銷售線索產(chǎn)生階段,每年幾個(gè)垂直門戶網(wǎng)站給汽車廠商提供數(shù)億條銷售線索,最終形成幾千萬(wàn)的銷售,但這數(shù)億條線索和幾千萬(wàn)銷售之間未必有因果關(guān)系。由于垂直和門戶網(wǎng)站普遍采用程序控制廣告位,搜索引擎相當(dāng)于一個(gè)賣廣告位的機(jī)器人。對(duì)主機(jī)廠和經(jīng)銷商而言,以往需要廣告公司做的事情,一是拿出廣告創(chuàng)意,二是給這些機(jī)器人做好人肉廣告投放服務(wù)——顯然,廣告主需要一個(gè)買廣告的機(jī)器人。
隨著近年來(lái)在線廣告程序化交易技術(shù)的普及,大量打著DSP名義的廣告技(Pian)術(shù)(Zi)公司出現(xiàn)。由于傳統(tǒng)廣告公司并不真正擁有程序化交易技術(shù),它們只能采購(gòu)這些買廣告機(jī)器人的專業(yè)服務(wù),廣告公司的人工服務(wù),再加上這些DSP與在線廣告交易市場(chǎng)(ADX)服務(wù),基本上一半的廣告費(fèi)都被浪費(fèi)在這些環(huán)節(jié),真正用在媒體上的廣告費(fèi)用反而降低了。再加上國(guó)內(nèi)盛行的各種流量作弊,嘗試DSP的廣告主基本沒有成功案例。
我認(rèn)為,廣告的程序化交易是必然趨勢(shì),整個(gè)汽車行業(yè)的廣告主自己控制采購(gòu)廣告的機(jī)器人是必然趨勢(shì),隨著廣告創(chuàng)意的個(gè)性化,廣告創(chuàng)意機(jī)器人也必然會(huì)出現(xiàn)。一旦這類機(jī)器人出現(xiàn),廣告公司必然出局。未來(lái)汽車廠商將自己必將通過(guò)廣告服務(wù)機(jī)器人來(lái)完成廣告創(chuàng)意到投放的全流程服務(wù)。好消息是目前BAT只有賣廣告的機(jī)器人,但還沒訓(xùn)練出買廣告的人工智能,所謂的DSP服務(wù)容易被廣告主蓋上騙子的烙印。
除了營(yíng)銷的大數(shù)據(jù)應(yīng)用,汽車售后服務(wù)同樣會(huì)深度應(yīng)用大數(shù)據(jù)技術(shù)。包括有壹手在內(nèi)的諸多創(chuàng)業(yè)公司在完成了終端和平臺(tái)的信息化之后,接下來(lái)的研發(fā)重點(diǎn)必然是基于算法的各類專用工具,沒有這些專用工具,現(xiàn)有的行業(yè)效率提升很難實(shí)現(xiàn)。
舉個(gè)簡(jiǎn)單的例子,目前主要的汽車金融公司對(duì)于貸款用戶風(fēng)險(xiǎn)的識(shí)別絕大多數(shù)都是完全基于評(píng)分卡的,但智能評(píng)分卡模型已經(jīng)在很多國(guó)家廣泛應(yīng)用,但國(guó)內(nèi)銀行對(duì)于汽車消費(fèi)信貸是挑用戶的,由于風(fēng)險(xiǎn)較低,它們的風(fēng)險(xiǎn)管理技術(shù)相對(duì)落后。做次貸的很多汽車金融公司又不具備研發(fā)智能評(píng)分卡的能力。但毫無(wú)疑問,最終要判斷用戶貸前、貸中、貸后風(fēng)險(xiǎn)的,必然是借助機(jī)器學(xué)習(xí)甚至人工智能來(lái)實(shí)現(xiàn)。畢竟,車貸是完全個(gè)性化的產(chǎn)品,如果千人一面,要么因?yàn)閼峙嘛L(fēng)險(xiǎn)丟掉客戶,要么是忽視風(fēng)險(xiǎn)導(dǎo)致崩盤。最終要在業(yè)務(wù)和風(fēng)險(xiǎn)之間找到平衡,必然得靠人工智能的協(xié)助。
除了這些顯而易見的應(yīng)用,汽車經(jīng)銷商的門店運(yùn)營(yíng)同樣需要人工智能的輔助運(yùn)營(yíng),比如庫(kù)存新車的管理,究竟應(yīng)該庫(kù)存什么車型?如何調(diào)整價(jià)格才能銷售利益最大化?再比如庫(kù)存配件的管理,究竟應(yīng)該庫(kù)存什么配件,應(yīng)該如何調(diào)整配件價(jià)格才能銷售收益最大化。這些原本都是靠人工根據(jù)經(jīng)驗(yàn)甚至拍腦袋決定的事情,如果沒有基于數(shù)據(jù)的人工智能來(lái)輔助決策,很難說(shuō)有誰(shuí)靠經(jīng)驗(yàn)就能做好這些工作。
從我的切身體會(huì)看,幾乎汽車售后市場(chǎng)的一切工作,最終的解決方案都指向人工智能。這證明了大數(shù)據(jù)技術(shù)對(duì)于個(gè)性化問題的終極解決能力。目前,國(guó)內(nèi)絕大多數(shù)搞大數(shù)據(jù)的公司本質(zhì)上都是賣數(shù)據(jù)的公司,真正踏實(shí)鉆研機(jī)器學(xué)習(xí)、人工智能的公司,都還沒有和合作伙伴找到特別好的商業(yè)模式,曙光在前方,但眼下得茍且的活下去。汽車售后是實(shí)體經(jīng)濟(jì)的一部分,不可能不受當(dāng)前經(jīng)濟(jì)低迷的影響,但正因?yàn)榇蠹胰兆佣疾缓眠^(guò),這才是技術(shù)革命最可能爆發(fā)的時(shí)候,歡迎更多致力于汽車大數(shù)據(jù)、人工智能的朋友同行!
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11