感谢郝强博士分享的《车源及客户智能算法介绍》（以下简称《算法介绍》）。《算法介绍》中，郝博士介绍了4个方面内容，1、成交预测；2、列表曝光排序；3、车辆推荐；4、图片优化，主要目标是用算法优化车源转化效率提升客户体验。由于信息量太大，这篇主要整理了成交预测。成交预测通俗一点说就是判断车是否好卖。
瓜子二手车的业务流程很长，如果我们能够提前知道车是否好卖，就可以在以下环节进行提前处置，提升整体转化效率，锁定优质车源。
• 评估前：是否优先预约和评估？
• 评估时：是否签约为独家车源？
• 分车时：销售分到的车源是否均衡？
• 售车时：是否优先曝光？
• 滞销时：是否优先维护降价？
一、模型方案
1、预测目标(车源在上架7天内的成交概率)
怎么判断一个车是否好卖，以往只能靠评估师和销售人员的经验，现在瓜子采用机器学习的方式来解决这个问题。
2、样本分类
把车分成两类，好卖和不好卖。好卖的叫正样本，不好卖的叫负样本，正负样本具体内容如下：
• 正样本：上架7天内成交的车源
• 负样本：上架14天后仍在售的车源
从历史成交或没成交的数据中找出这些数据（根据成交时间标注样本数据） ，让机器学习这些规律（训练），用学到的规律去预测新的车是否好卖（标准的机器学习过程）。
3、特征
建模过程中需要很多属性作为特征（如果不了解特征可以看一看模式识别），有了特征之后，需要一个分类模型来学习特征规律。
车的特征包括但不限于以下内容
价格：标价、底价、评估价、新车参考价
车源：车龄、里程、过户、车况、城市、线索来源
车型：类型、国别、品牌、车系、变速箱、排量……
4、分类模型
线性模型。不适合汽车这种复杂特征的场景。
非线性模型。瓜子采用多个决策树某种方式的组合来做模型，把融合后的结果用于预测车辆成交可能性（小白，不懂为什么选决策树，求指点）
• 随机森林（并联多棵决策树）
• GBDT（串联多棵决策树）
5、特征工程
为了提升机器学习效果，需要对特征做一系列工作，叫做特征工程。特征工程主要包括3点内容
（1）特征组合，把某些原始数据组合起来让它更有意义
• 数值变量：比值（例：价格比，年均里程）
• 类别变量：笛卡尔积（例：城市x 品牌）
（2）特征编码，将非数值型数据编码为模型可以识别处理的数值。比如品牌、车系
• One-Hot 编码
• Weight-of-Evidence 编码
（3）特征选择，兼顾模型效果和稳定性
• 尽量降低特征维度
• 舍弃效果增益小的特征
• 舍弃依赖外部的特征（例：估价商A估价，不能因为估价商A 估价高影响到瓜子对车的评价，后边有数据对比，隐去具体厂商，用估价商A替代）
二、车源效果
效果对比，7天转化率
瓜子模型 vs. 估价商A性价比（=估价商A估价/售价）
top%（模型认为最好卖的车） | 估价商A | 瓜子模型 | 增长率 |
|---|---|---|---|
5% | 36.1% | 46.8% | 30% |
10% | 33.8% | 42.8% | 27% |
20% | 30.5% | 36.3% | 19% |
30% | 27.4% | 31.9% | 16% |
60%（A级） | 20.3% | 22.8% | 12% |
估价商A认为性价比最高的5%的车，7天转化率为36.1%；瓜子模型认为最好卖的5%的车，7天转化率为46.8%。瓜子模型要高出估价商A性价比模型30%。 这一点很好理解，性价比高的车不一定好卖！
随着头部车辆比例越来越大，瓜子模型的优势逐渐减弱。但是即使取到60%时（大致等于瓜子定义的A级车），瓜子模型仍然有12%的优势。
隐去其他一些敏感数据，总体上讲，这个模型具备优势。
三、具体应用
有了这个预测模型，在不同业务环节做如下具体应用（以评估工单分级和优先卖为例）
• 评估前：是否优先预约和评估？--》评估工单分级
• 评估时：是否签约为独家车源？--》优先卖
• 分车时：销售分到的车源是否均衡？--》热销分级
• 售车时：是否优先曝光？--》热销分级
• 滞销时：是否优先维护降价？--》降价后热销分级
1、评估工单分级
（1）目标：按成交概率将工单分级-->尽快评估好车。（拿到线索后，评估车上架后成交可能性，容易成交的车优先评估）
（2）特征
• 品牌、车系、车龄、里程、过户次数、城市、线索来源
• 无价格、无车型
在评估阶段工单阶段，车的很多属性不知道，特别车价、和车型，采用弱化版模型，用到很有限的属性。
（3）模型可有效判断车源是否好卖
• 7天转化率比A级车源高25%
• 车源数量相等时，7天/14天转化率与A级车源持平
* A级车源的判定需要价格和车型。（瓜子模型在评估之前，没有这两个属性的情况下，达到了估价商A性价比类似的效果）。
2、优先卖
• 目标：用订金锁定好车源，降低停售，提升转化
如何选择好车源
• 人工：评估师凭借经验判断 （没有模型之前）
• 模型：从历史数据中自动学习规律
独立测试结果显示（人工筛选与模型筛选互不影响）
（1）模型选出了更多更好卖的车（见下图）
（2）选车不一致时，模型显著优于人工（见下图）
从左往右第一根柱子是人工和模型都觉得不好卖的车，7天转化率 停售率很低，车确实不好卖
第四根柱子是人工和模型都觉得好卖的车，7天转化率 停售率很高，车很好卖
中间两个柱子是人工和模型不一致的情况，可以看到模型认为好卖的车（第三根柱子）比人工认为好卖的车（第二根柱子）7天转化率 停售率要高得多。说明模型在判断车是否好卖的问题上明显优于人工！
