AI+大資料：二手車電商的“升階”戰
度過草莽時代的二手車電商，下一輪競爭關鍵詞是“資料”和“演算法”。
文 | 楊潔 編輯 | 黑智
技術已經成為二手車電商的“標配”競爭意識。
二手車電商行業從幾年前的圈地擴張看似平靜下來，但其下仍然暗流湧動。論競爭規模，這個領域還不足以和當年的千團大戰相比較，但其中，也經歷了無數平臺的先後崛起與爭奪。C端的使用者們也從最初的懵懂，到被無數廣告轟炸過後的習以為常。
但二手車電商們並不會滿足於廣告這種方式對使用者心智的佔領。當規模擴張到一定程度後，漸趨平靜的C2C二手車電商們開始思考更進一步的問題：如何將聚攏的線上流量，轉化為更規模化的交易。
這不是O2O粗放式的攻城略地能夠解決的問題。效率、精細化和資料化運營，是使用者體驗的提升，也是下一步讓使用者、市場和資本都能夠接受的故事。
從一開始就打出“沒有中間商賺差價”的口號，瓜子二手車應該是很早就開始思考這一問題的。碼農出身的楊浩湧瞄準的是技術。2016年，原宜信CTO張小沛加入瓜子，開始了對這家二手車電商的AI和大資料改造。
2017年，瓜子技術團隊釋出“CARS Brain車好多大腦”，在銷售交易、圖片稽核、客服、管理等環節，AI和大資料都開始發揮作用。通過AI演算法的迭代，瓜子推出了針對二手車定價“一口價”形式的二手車交易“瓜子價”。並且在瓜子價基礎上，瓜子二手車在2017年推出了線下新零售業務瓜子二手車嚴選直賣店：開設超大型二手車嚴選直賣店託管寄售，實施一口價交易，可以向車主墊付大額車款。
基於這一AI和大資料系統的基礎，整個車好多集團的生態鏈，交易、金融、維保、新車等都被納入其中。
但AI和大資料在二手車領域要做的，不僅是把2C的交易做好這麼簡單。
國內二手車市被大大小小的車商切分成零散的生意，傳統的碎片式的線下交易，還沒有被網際網路徹底滲透。而當線下的資料資訊，也能夠被大資料體系所納入，被AI演算法所解構，如果這件事真正做成，那麼整個二手車行業的“人、貨、場”就將重構，從而一個行業即將發生改變。
雖然未來還有待市場和時間的檢驗。但技術改變世界，“是每一個技術人的憧憬”。張小沛說。
車好多集團CTO 張小沛
技術重新定義行業
加入瓜子之前，張小沛和楊浩湧就已經是結識多年的朋友。2015年，楊浩湧找到張小沛，每次談話的內容，差不多都是關於楊浩湧的理想：二手車市場在交易環節上的痛點，以及邀請張小沛加入，用技術的力量去解決它們。
此前，如果你想淘車，那麼當你來到北京的花鄉，你會發現，這其實是個大費心力的事情。市場裡的區域，被大大小小的車商分得零零散散。有較大的展廳，有小車商的門店，也有更小的散戶的夫妻店。它們經營的車型各不相同，報價相同的車輛，車況卻差距不一；而如果你想查車輛保險和記錄，卻很難從商戶的手中拿到。
車商、賣家和買家，在這個信任度缺失的市場上，互相博弈。賣家擔心價格；買方擔心車輛資訊的真實性和價格虛報；而對車商而言要收到好車，也是一件需要花費心力的工作。在車市上，甚至也不乏冒充買方來收車的車商。多元化的結構，讓二手車交易的鏈條極其複雜。
這裡的盤子看起來也不大。對於中小車商而言，每年幾十上百臺，或許才是常態。
要把它們統合起來，費心費力。而對於國內幾年前崛起的二手車電商們而言，這裡富含著可挖掘的價值。
在美國這樣的汽車王國，二手車交易的活躍度已經遠遠超過新車。在中國，汽車市場的增長雖有所放緩卻依然不斷遞增。根據統計，截至2017年，國內私人汽車的保有量已經突破1.87億輛。整體汽車市場的提升，也為存量市場的活躍帶來了推動力。
中國的網際網路公司，在O2O、新零售和移動支付方面的發展程度，已經走在了世界的前列。理順複雜的供應鏈，把零碎的交易整合成一站式的交易平臺，從理論上而言，並不是不可行。
移動網際網路創業崛起的時代，流量為王，規模至上。C2C二手車電商經歷了拓寬車源、擴大線下覆蓋城市的規模化競爭時期，而當這些告一段落之後，擺在它們面前的一個更突顯的問題是：流量如何效率最大化，轉化成更多的交易，使用者體驗如何做的更好。
工程師出身的楊浩湧心裡早就在盤算這回事。要打掉中間商，關鍵就是定價；就要破除資訊的不對稱，把二手車這一非標品的差價模式變得標準化；線上的流量、線下收集的資訊歸根結底都是資料，當資料足夠大，通過演算法模型和機器學習，就有了建立一個二手車定價模型的可能。
這還需要實踐來檢驗。至於操盤手，他選中了張小沛。
他和張小沛之間的談話，差不多持續了小半年時間。而在那時，張小沛本來正計劃去開始她自己的大資料金融創業之旅，這之前她也從沒有接觸二手車行業的經歷。畢竟，她的上一份工作是宜信CTO兼宜信大資料創新中心總經理，再往前，她曾擔任過微軟線上廣告團隊首席研發總監和美國線上視訊公司Hulu全球副總裁。網際網路營銷、搜尋引擎技術、大資料和網際網路金融，才是她熟悉的領域。
而幾個月後，張小沛還是被楊浩湧打動了。不僅僅是他對以資料為核心這一理念的堅持，還在於，在楊浩湧陳述了二手車行業的痛點之後，她發現，對於大資料和AI而言，這裡有迫切需要改變的“場景”。
二手車市場的痛點多，需求是實實在在的。更重要的是，這裡也有技術發展的土壤。
即使是在汽車業發達，二手車交易量大的美國，二手車市場也經歷過碎片化的階段。車輛交易，掌握在大大小小的經銷商手中。
Carmax是美國也是全球最大的二手車交易平臺。成立於1993年的Carmax用2年時間收集整理資料，1995年才正式營業，建立了自己的定價體系。在Carmax線下的上百家門店裡買車，都基本已經做到了“一口價”。2017年，在Carmax上交易的車輛已經超過110萬臺。
Carmax的定價體系也是張小沛學習的物件。“尤其是Carmax在複雜交易鏈條上的思考，每個環節間的合理銜接，以及服務的標準化程度。”但是，在她看來，瓜子二手車所處的時代，比Carmax至今經過20年資料積累的年代，更加幸運。無論是資料量，還是資料的維度、豐富度以及時效性上，瓜子都遠比Carmax要大得多。瓜子現在深度學習和機器學習的模型，也比當初Carmax做資料的統計模型要具有優勢。
國內汽車市場的龐大存量為二手車交易提供了巨大的市場機會，而行業本身的資訊化程度十分落後。在這樣的條件下，如果能夠成功實現對非標品二手車的標準化定價，從而構建起AI和大資料生態，一個行業，或許就將重新定義。
用技術改變世界，本就是每個技術人心目中的憧憬。
資料挑戰，和價值三千萬的“學費”
張小沛加入瓜子後的第一項工作，就是花了10天時間，跑了12個城市，體驗這個行業一線員工的工作情況，以及客戶的狀態。
對任何一家大資料和人工智慧公司來說，只要有合適的“人”在，演算法並不是最大的挑戰，真正的挑戰，實際上來自於資料。
對於二手車電商而言，雖然匯聚了鉅額流量，但整個行業中，交易分散、碎片化，在當時，幾乎沒有一家二手車電商，是擁有大量“資料”的。
張小沛剛剛加入時，瓜子內部的數字化程度，可以說還處於從零開始的“原始狀態”。前線的評估師，在評估車輛和上架時，連可用的移動工具都沒有，是靠人工記錄在紙上，回家後再上傳到系統裡。內部系統也比較老舊，在搭建時完全沒有任何資料化的概念，以至於之前的很多資料，也並沒有很好地儲存下來。
而即使是系統內已有的資料，過程變數和結果變數，也基本沒有準確地整理記錄下來。那時的瓜子，哪怕是一天做多少臺這樣的基礎資料，都難以獲取準確的資訊。“那時我們有4個系統，但它們給出的數字都是不一樣的；前線的城市經理報上來的數字，和系統給出的數字也不一樣。”張小沛回憶。
張小沛構建了瓜子整個資料體系改造的圖景。瓜子的技術團隊除了演算法開拓外，還有大部分力量用於採集和整理資料。
而另外一件技術團隊要做的基礎的事，是理解業務邏輯，從定義資料做起，釐清最緊要的指標，建立起資料體系和資料字典。
“業務總是在不停地迭代，業務邏輯也在不斷更改。但對於技術和運營而言，有了基本的規範，就能夠應對。”張小沛說。
二手車交易本身就是低頻的，涉及到的交易產品也是高度的非標品，其中相應的資料結構也異常複雜。設定定價系統，其中所涉及到的，包括二手車檢測評估的資料、歷史成交價、汽車市場供需關係等。其中的資料維度設定和顆粒度細化，是件龐大的工程。大量的來自瓜子一線的評估師和銷售的資料，也需要收集和清洗。
在二手車評估和定價方面，行業裡真正值錢的，是“老師傅”們。如果要用資料決策，就是要讓資料和演算法去學習“老師傅”的頭腦。
張小沛發現，資料決策的一整套體系，並不能僅僅依靠技術團隊來做，因為那樣是“行不通”的。對這樣一家二手車平臺而言，一線動輒數千名運營和業務人員，他們和技術團隊在認知和話語體系上，都是完全不同的；一線的業務邏輯變動，後方的技術團隊也很難做到同步。而要解決運營業務範圍大、資料描述不夠精準的問題，則還需要團隊的協同。
後來，瓜子內部形成的這個協同組織，是囊括了技術、產品、運營、業務等多方團隊，共同制定規則、協同溝通。
最終，瓜子二手車形成的用於定價的“瓜子價”模型中，涉及了超過2000個維度的資料。僅在2017年，瓜子就對超過數百萬輛車做出評估，每個月有4-5萬輛左右的成交量，這些資料也源源不斷地反哺給機器學習訓練，推動演算法的成熟。
“老師傅”們的經驗，被機器所學習。演算法會根據資料，判斷不同的買家優先選擇哪類車的概率，分析一輛車在幾天內賣掉的概率。同時，它也會盡量還原車的狀況，比如說，國內很多地區有霧霾，很多評估師拍回的照片上是霧濛濛的，而這時，演算法會判斷霧霾的程度，當超過一定指標後自動去霧。
2017年，瓜子二手車在全國87個城市以場地模式開通了線下實體業務；27個城市瓜子線下保賣店正式對外營業，單店面積在1000-5000平米。而它的基礎就是“瓜子價”，進行一口價交易，並向車主預付大額車款。
這個不斷資料訓練和成熟的過程，交學費也是難以避免的。
優先賣是張小沛交的第一筆學費。根據這個機制，瓜子會給賣家支付一定的定金，承諾在10天內賣掉車。賣不掉的話，定金就賠付給賣家。但是那時還“幼稚”的演算法，就曾經在業務上敗給評估師。
“優先賣只是交了上百萬學費，還小多了。”張小沛說。而在她看來，最大的一筆學費是保賣。
以演算法定價為基礎，和人工相結合，演算法收到反饋進行自學習。而在2017年保賣上量之後，反饋機制沒有建立好，波動性太大，造成反饋給演算法的資訊失真。之後楊浩湧也在內部提到過，那一年瓜子因此帶來的虧損。“一下子就3000萬的學費。”
而在這個過程中，張小沛最為感激的，就是瓜子管理層對AI和大資料的共識。無論是團隊協同，還是整個“交學費”的過程，技術團隊得到了公司所有其他部門的支援和包容。甚至她還收到了很多其他部門“交學費”的例子，作為安慰。“公司從上到下，對這件事的理解和共識，是我覺得最幸運的地方。”張小沛說。
而這筆“學費”對於瓜子而言，交得也是值得的。在實施不到兩年後，瓜子保賣已經將傳統二手車交易平均32天的週轉週期縮短至9天，效率提升至傳統渠道3倍以上。基於這一成果，瓜子今年決定廣泛開設超大型線下店，走上新零售的道路。2018年9月，瀋陽店瓜子二手車嚴選直賣店開業，這家2.3萬平的線下店可停放560臺車，瀋陽的二手車通過評估後會被判定是否是熱賣車型，進入店面的熱賣車會以瓜子智慧定價輸出的一口價與消費者見面。
二手車的AI大腦
在瓜子價的背後，是張小沛帶領的技術團隊搭建的基於大資料和人工智慧技術的車好多大腦。匯聚了平臺上近700萬的車源資料，以及幾億賣家和買家資訊，瓜子還建立了二手車的基因圖譜庫。
“基因圖譜庫是車好多大腦所有演算法體系的基礎。”張小沛說。在每年，瓜子二手車都投入數億元人民幣，深度學習這些資料。 “我們希望建立起一個，國內最大的人和車、車和車之間關係的圖譜庫。”
車和人，形成了基因庫中的每一個節點，而每個節點之間的關係，都可以用資料表示。有場景、有資料，張小沛有信心，通過演算法，將這些資料的價值挖掘出來。
張小沛舉了例子。一輛車在瓜子上架，它到底是由哪個銷售去負責銷售，其中都是由演算法決定。基因庫對車、買賣雙方和銷售、評估師、客服，都打上了標籤。哪個銷售賣什麼樣的車最適合，買方和賣方撮合成功的概率，都是由演算法決定。
包括瓜子的使用者，也許有大量的人只是在瀏覽網站資訊，並未下單過。但是這些使用者的瀏覽和搜尋行為、停留路徑，在被記錄分析過後，根據瓜子的推薦演算法，他們在瀏覽頁面時，也會被推薦給不同的資訊，做到“千人千面”。
這像是使用者畫像，但實際上，它已經超過了使用者畫像的範疇。
之前瓜子在部分城市，會專門有人負責做分單排程。而當演算法擔負起了排程決策的職責，大約在2016年底，這個職位，已經基本悄然消失了。
張小沛說，在瓜子二手車每天有上百萬張圖片資訊上傳，以前，是需要有人專門在做全部的圖片稽核。“大約幾十個小姑娘，專門做這個極其枯燥的工作，而對她們而言，這份工作的職業上升通道又在哪裡？”而當車好多大腦裡做了深度學習影象識別的演算法，無論瓜子一個月做到多少萬臺的量，圖片稽核都可以全部交給AI完成了。
AI的能力也在逐漸拓展。在2017年，瓜子打造的聊天機器人上線，應用在了瓜子的客服上，也讓客服效率提高了4.5倍。
“機器在取代重複性高的機械性的工作。但這不是單純的‘替代’人，而是為人賦能。”張小沛說。
而同樣地，“人”也在反哺AI的機器學習訓練。來自一線評估師和銷售的大量資料，也正在加速AI演算法的成熟和迭代。
現在，瓜子基因庫中，已經不僅只有來自於瓜子內部的資料。張小沛告訴i黑馬&黑智，瓜子的技術團隊，也在加大對外部資料的採集和校驗，餵給演算法體系。在未來，瓜子定價和其他AI能力，也不排除對外開放的可能性。
隨著車好多集團升級，從孫紅雷口中講出來的瓜子的廣告文案，已經不僅僅是“沒有中間商賺差價”，而是“買賣二手車先看瓜子價”。對於二手車直賣平臺而言，要“打掉中間商”，定價系統就是核心。而瓜子二手車的期望是，在其的加持下，交易打掉中間環節，而圍繞定價這一核心能力，打通包括評估、維保、金融，以及新車業務，形成AI生態平臺。
這個生態平臺的建立還需要時間，也等待市場的檢驗。但這，也是整個二手車行業都在期待的一個新階段。
