MathArt | 数据智能抢占二手车业务先机

大数据模型算法是如何在二手车收车场景中帮助车厂和经销商获得先发优势呢？

文 | 董事长兼CEO 张椿琳

寒冬来临，“活下去”成为目前汽车行业各大品牌和商家的迫切需求。随着传统整车销售和维修保养业务的毛利不断下降，各品牌厂家和经销商都在积极寻求新的增长点，这种情况下，二手车领域成为了大家都看中的“香饽饽”。根据商务部发布的《关于促进汽车流通业“十二五”发展的指导意见》，2015年我国二手车交易目标为1,000万辆， 2020年二手车交易量将与新车交易量相同。中汽协的统计显示，2014 年我国二手车销量达605.3万辆，较上年同期增长16.3%，而同期新车销量为1784.7万辆，增速仅6.9%。

我国二手车市场前景是广阔的，主机厂、经销商集团、互联网平台等纷纷成为二手车领域的重要玩家。其中，豪华汽车品牌均相对较早地建立了独立的二手车体系，合资品牌和自主品牌也相继建立了二手车认证体系。目前看来，大多数品牌厂家在经销商端都建立了独立的二手车展厅或展示区，成立了独立的二手车服务运营团队并予以政策支持。

当下行业内已达成共识：谁掌握了车源，谁就将获得二手车市场的先发优势。按理说，各大主机厂和经销商坐拥大量基盘客户，但是在车主选择二手车售卖这个环节，却往往被互联网二手车平台抢先一步。这个原因我们需要深究一下。根据数策的二手车大数据赋能项目组反映，通过数据模型，我们帮助某豪华品牌获得了200多个意向换车的用户。但经过外呼，发现其中有30多个车主已经将车卖掉了，他们使用的售卖平台主要是互联网平台。所以我们看，15%的二手车源已经失去了，品牌厂家和经销商联系客户的时机明显晚了。究其原因是厂家和经销商缺乏先进的分析能力，无法对客户进行有效筛选。以往都是采取传统的广撒网或者简单业务规则（比如“购车3年”）筛选出来进行简单粗暴的外呼，营销效率低，营销人员的积极性也未真正激发出来。

那么，大数据模型算法是如何在二手车收车场景中帮助车厂和经销商获得先发优势呢？我们将二手车收车大数据服务命名为“二手车收车评级”，主要帮助挖掘品牌内车主车辆售卖行为征兆，提前捕捉车主售卖二手车的行为动向，提前锁定车主，触达客户，在车主尚未在互联网平台售车之前获取车源。

具体来说，二手车收车评级是指依据客户购车上报信息、客户在经销商/主机厂触点信息、车的生命周期状态、地理位置、客户第三方信息等内外部数据，通过大数据模型构建技术，最终以分数值的形式，形成二手车收购成交可能性的准确评价，同时依据评分数值对存量客户进行甄选，产出成交可能性相对较高的客户名单，通过DMS或其他执行系统下发经销商进行营销。采用大数据分析解决方案可以极大地提升营销效率，增强营销人员的信心。

接下来，我们来具体阐述大数据分析如何实现二手车业务增量。

第一步：完成基本的数据梳理

大数据分析离不开海量的业务数据，从购车开始，客户与主机厂的每一次交互都将由信息系统留存，例如购车、进店保养、进店维修、车贷、保险、二手车收购等；每一次活动的时间、方式、地点、金额等，都完整地保存在主机厂的数据库中。同时，借助外部数据获取车主的互联网行为（合法合规的基础上完成实时监测）。

第二步：模型开发

图1.模型开发整体流程

业务访谈，数据准备，模型开发，测试，评估，试点，迭代，调整，都会围绕业务部门、IT部门或者数据部门的沟通与客户一起深度参与实现。最终实现模型的可靠和稳定，拿K-S指标检验的结果来举例说明。

图2.K-S指标统计逻辑

第三步：业务试点和推广

评估完成之后，进入营销业务的试点，辅助以精准客户营销方式的调整，实现大数据模型的闭环操作，试点完成时再进行客户网络推广。

通过不断的模型调优和推广试点，我们实现了如下的成果：在二手车业务开展成熟的品牌经销商，每月滚动实施监测2万基本客户，每月挖掘190个二手车售车意向车主，首次外呼有效性达到152个，两个月内进店评估率达到15%，每月可实现多收二手车数量平均达到8到9台。

值得车企和经销商注意的是，获得以上这个成果并没有改变品牌和经销商任何组织架构和业务逻辑，并没有多增加1名员工，但却显著提升了二手车部门的工作效率。这就是大数据分析模型的价值。

二手车收车业务不但能带来车源的提升，还能带来增购、换购以及赠换购之后的衍生业务的价值提升。随着数字化水平的不断提升，未来主机厂将要面对海量的业务数据，利用大数据分析技术，车企能够进行更有效的数据处理和分析，更迅捷地输出决策、赋能业务。可以乐观地预见，这些善用大数据分析的车企和经销商将在竞争激烈的市场中抢占先机。

微信扫一扫
关注该公众号