حول الشبكات العصبية كانت السنوات الثلاث الأخيرة مكتوبة وقيل الكثير. بالتفكير ، قررنا أيضًا أن نقول كيف نستخدم "الذكاء الاصطناعي" في العمل اليومي. علاوة على ذلك ، فهو يتكيف مع العديد من العمليات الروتينية أفضل بكثير من الناس.
في مبيعات السيارات ، ترتبط جميع العمليات الرئيسية بالأشخاص - عاطفيًا وبدرجات متفاوتة وموثوقة. يحمل CarPrice ما يصل إلى 150 ألف مزادات كل عام ، مما يعني أن تيرابايت من الإحصاءات لكل طراز سيارة يتم تجميعها في أحشاء الشركة ، من حالتها الفعلية إلى ديناميات الأسعار اعتمادًا على مكان البيع ووقت اليوم. هل من الممكن ، من خلال تحليل صفائف المعلومات ، زيادة التحويل إلى البيع؟ إنه ممكن وضروري!
أولاً ، أردنا إنشاء أداة من شأنها أن تساعد المدير في عمله. ولكن أثناء عملية الاختبار ، كانوا مقتنعين بأن الشبكة العصبية جيدة تمامًا بدون أي شخص. لكن أول الأشياء أولا.
لذلك ، سنتحدث أدناه عن العديد من الأدوات التي تم إنشاؤها على أساس الشبكات العصبية التي تسمح لنا بزيادة كفاءة العمل. كلهم يعملون باستمرار ، عبر الإنترنت.
الهامش الذكي
الهامش الذكي هو أحد الأدوات الرئيسية لزيادة الربحية. يعرف النظام مقدار ما يمكننا بيعه لكل سيارة ، مع الأخذ في الاعتبار العمر والمسافة المقطوعة والمعدات والتلف والوقت من اليوم واللون ويوم الأسبوع وحتى جنس البائع. هناك الكثير من هذه المعلمات ، حوالي 600.
من خلال فهم مقدار ما سيقدمه المتعاملون للسيارة والمبلغ المحتمل أن يلائم البائع ، تحسب الشبكة العصبية بشكل مستقل الحجم الأمثل لهامش المزاد. تم إعداد الهامش الذكي لتهيئة الظروف التي يكون فيها احتمال بيع سيارة بحد أقصى. في بعض الأحيان ، من أجل بيع مضمون ، تقوم الشبكة العصبية بتعيين الحد الأدنى للهامش المحتمل ، نظرًا لأن الجهاز سائل للغاية وفي حالة جيدة وسيبيعه البائع بسرعة في أي مكان آخر. بالنسبة إلى سيارة أخرى ، سيكون الهامش أعلى ، لأنه لا يمكن الاعتماد عليها ومكلفة لإصلاحها ، مما يعني وجود مخاطر أكبر على CarPrice.
يمكنك أن تقول شيئًا ما بروح "فقط اجعل الهامش ضئيلًا ، ثم المبيعات ستنمو" و ... ستكون مخطئًا. هناك سيارات لن يبيع أصحابها سيارتهم ، حتى لو دفعنا مبالغ إضافية. هناك سيارات لا يكون أصحابها عمومًا حساسين للأسعار - تعتبر خدمة وأمان المعاملة أكثر أهمية بالنسبة لهم. لذلك ، يعني ببساطة تقليل الهامش في معظم الحالات أننا لن نتلقى إيرادات. أكرر ، المهمة الرئيسية لهذه الأداة هي تهيئة الظروف ليتم بيعها السيارة. على سبيل المثال ، إذا تم تخفيض الهامش بنسبة مئوية معينة ، فإن احتمال بيع سيارة يزداد بمعدل 2-3 مرات ، فسنقوم بذلك. نتيجة لذلك ، بسبب الزيادة الحادة في التحويل إلى المبيعات ، زادت إيرادات الشركة.
وهنا بعض الإحصاءات. قبل التنفيذ ، أجرينا اختبار A / B. يوجد أدناه مثال على هامش الرسم البياني.
الخط الأسود عبارة عن مجموعة اختبار بهامش ذكي. الأخضر هو مجموعة تحكم ، بدون هامش ذكي. يمكن ملاحظة أن الهامش أقل وفقًا لتوصيات الشبكة العصبية.
وهذا رسم بياني لحالة المركبات المشتراة ، وهو ما ينعكس في "نجومنا". اتضح أنه مع الأخذ في الاعتبار جميع العوامل من قبل الشبكة العصبية ، فإننا نستبدل المزيد من السيارات الجيدة أكثر من الشبكة العصبية. أفضل سيارة - أقل الشكاوى.
مخطط التحويل. بالنسبة لمجموعة الاختبار ذات الهامش الذكي ، تكون أعلى:
أعلى ومتوسط سعر السيارة المشتراة. أي أن عائدات المزاد أعلى أيضًا:
وأخيراً ، قارن متوسط العائد عبر المجموعات ككل. باستخدام الهامش الذكي ، يتضح أنه أعلى بعدة عشرات في المائة لأن التحويل ينمو. بسبب الانخفاض "الذكي" في هوامش بعض السيارات ، نحصل على تحويل أعلى إلى مبيعات ، مما يزيد بالطبع من إيرادات الشركة بشكل حاد.
هل الشبكة العصبية خاطئة في تحديد الهامش الأمثل؟ اليوم ، لا شيء تقريبًا ، ولكن في مرحلة الاختبار ، خرجت الأخطاء باستمرار.
ما هو "تحت غطاء محرك السيارة" من الهامش الذكيعند تطوير نموذج الهامش الذكي ، يتم استخدام خوارزمية تعلم الآلة MultiLayer Feedforward Perceptron. الشبكة العصبية التي تم الحصول عليها نتيجة لتطبيق هذه الخوارزمية في حالتنا هي كما يلي:
X
1 و X
2 و ... و X
n هي مجموعة من بيانات الإدخال التي نعرفها:
1) عن العميل:
- الجنس
- العمر
- قناة تسويقية من أين جاء العميل إلى موقع CarPrice على الإنترنت (دون اتصال ، المكالمات ، تكلفة الاكتساب ، السياق ، إلخ) ؛
- من أي منطقة من المدينة وصل العميل.
2) سيارته:
- العلامة التجارية ؛
- نموذج
- سنة الصنع
- تعديل
- الأميال
- حالة السيارة (الجسم ، الداخلية ، المعدات).
3) حول نقطة مبيعات CarPrice حيث وصل العميل:
- الخبرة المهنية للموظف CarPrice الذي يعمل مع العميل ؛
- المؤشرات العامة لنقطة مبيعات CarPrice حيث وصل العميل.
4) السعر الذي يقدمه التجار في مزاد لسيارة معينة.
تتضمن مجموعة مدخلات الشبكة العصبية يوم الأسبوع والوقت الذي بدأ فيه المزاد ، بالإضافة إلى نسبة الهامش التي حصلت عليها CarPrice.
في المخرجات (المخرجات) تعطي الشبكة العصبية احتمالية موافقة العميل على بيعنا سيارته. نتيجة لذلك ، يتم تقليل المهمة لتعظيم معيار الهامش المطلق المتوقع:
<dealer price>*<margin>*<purchase probability>
- سعر الوكيل - الحد الأقصى للسعر الذي يقدمه التجار للسيارات في المزاد
- الهامش - النسبة المئوية للهامش الذي حصلت عليه CarPrice
- احتمال الشراء - احتمال موافقة العميل على بيع سيارته
يعمل الهامش الذكي كخدمة WebAPI منفصلة ، والتي تتلقى مجموعة من بيانات الإدخال المذكورة أعلاه. نتيجة لذلك ، يتم إرجاع نسبة الهامش التي يصل فيها الهامش المطلق المتوقع إلى الحد الأقصى.
التوافق الذكية
لنفترض أننا استأجرنا مفتش سيارات. كان يعمل لعدة أشهر وعقد عدة مئات من المزادات. تحلل الشبكة العصبية نتائج عملها وتكتشف نوع السيارة أو العملاء الذين تعمل بشكل أفضل. على سبيل المثال ، يشتري المرء السيارات من الفتيات مع iPhone. والآخر يتواءم مع خط طراز فولكس فاجن تمامًا. شخص مميز في "اليابانية" ، وشخص ما يشتري كل شيء على التوالي ، ولكن فقط يوم الاثنين أو الجمعة.
تتم مراقبة هذه الأنماط بواسطة الشبكة العصبية. السيارات ذات الميزانية أو "الألمان" أو "الكوريين" باهظة الثمن - بغض النظر عمن يأتي إلينا ، يعرف النظام الموظف الذي سيوفر أفضل تحويل. من خلال التسجيل على الموقع وترك البيانات حول السيارة ، تقوم الشبكة العصبية بتعيين موظف يتعامل بشكل أفضل من أي شخص آخر. كما في الحالة الأولى ، يتم أخذ الكثير من المعلمات في الاعتبار ، بما في ذلك طراز هاتف العميل (إذا كان السجل من خلال إصدار الجوال للموقع).
بعد إدخال التوافق الذكي ، كان التحويل في المزادات ، حيث أوصى المفتش ، 2-5 نقطة مئوية أعلى من المزادات دون توصية. ومتوسط هامش المزاد هو 10-15 ٪ أعلى. هذا كثيرًا ، خاصة عندما تفكر في أن هذه الزيادة في الكفاءة لا تتطلب أي تكاليف.
ما هو "تحت غطاء محرك السيارة" في التوافق الذكيةفي عملية تحليل البيانات ، تمكنا من تحديد الاختلافات في مهارات المديرين عند شراء السيارات. شكلت هذه الرؤية أساسًا لشبكة عصبية تستخدم مجموعة معلمات الإدخال التالية:
- مدير تحويل حسب سعر السيارة
- تحويل مدير حسب السعر - سنة إنتاج السيارات
- مدير تحويل حسب العلامات التجارية - نماذج السيارات
- تحويل مدير حسب الجنس / سن العميل
- تحويل مدير في آخر 7 أيام
- تحويل المدير بواسطة قنوات التسويق ، من أين أتى العميل
عند إخراج الشبكة العصبية ، يتم النظر في احتمال الاستحواذ. المعيار الأمثل هنا هو:
<Probability to purchase>
لكل عميل يصل إلى نقطة البيع ، تختار الشبكة العصبية مديرًا على الأرجح سيشتري سيارة.
الشق الذكية
هذه شبكة عصبية أصعب. من خلال الاشتراك في بيع سيارة ، يحدد العميل العنوان والوقت. كما قلت ، نحن نفهم مسبقًا ما هو احتمال قيام المالك ببيع السيارة من خلالنا. في مرحلة توزيع الفتحات ، نعطي أولوية أعلى لزوج العميل / السيارة الذي سيكون فيه الهامش المحتمل أو التحويل أعلى.
كيف تبدو في الممارسة العملية؟ وفقًا للتحليل ، إذا كانت احتمالية تحويل العميل عالية جدًا ، فستكون جميع الفتحات مجانية له عند التسجيل - لا أريد الاختيار. وإذا وصل صاحب السيارة بمجموعة من الخصائص التي لم يتم تحويلها تاريخياً بشكل جيد معنا ، فلن يكون هناك سوى فتحات غير مطالب بها متاحة للاختيار. على سبيل المثال ، في وقت متأخر من المساء. لأنه إذا أعطيت الوقت المطلوب لعميل ذي احتمالية منخفضة للتحويل ، فلن يتمكن العميل الذي يتمتع باحتمالية أكبر من التحويل من التسجيل وبيع سيارة. ومع ذلك ، إذا ظهر منافس سائل على فتحة تشغلها سيارة غير سائلة ، فنحن ننقل السيارة الأولى إلى ساعات أقل شعبية باستخدام موارد مركز الاتصال.
من المهم أيضًا مراعاة أنه ليس كل عميل سيأتي في النهاية إلى مكتبنا. على سبيل المثال ، نحن مندهشون لأن المرأة تأتي إلزامية مرتين أكثر من الرجال. يصل الأشخاص الذين يستخدمون أجهزة iPhone إلى CarPrice بنسبة 30٪ أفضل من الأشخاص الذين يستخدمون هواتف Android. نأخذ هذا في الاعتبار وأكثر من ذلك بكثير عندما نعطي العميل الفرصة لاختيار أفضل وقت.
أدناه هي الإحصاءات التقليدية. قسمنا السيارات إلى ثلاث مجموعات حسب احتمالية وصولها ، حسب تقديرات الشبكة العصبية - الأخضر والأصفر والأحمر. بمجرد أن بدأت هذه الأداة في العمل ، بدأ عدد زيارات السيارات الخضراء في النمو. كما ترون ، فإن النظام لم يكن مخطئا.
وهذا هو تحويل وصول الفدية. يمكن ملاحظة أن حجم السيارات "الخضراء" يتزايد أيضًا.
أرباحنا عند نقاط مع فتحات الذكية هي الآن أعلى بنسبة 27 ٪ مما كانت عليه في النقاط بدونها. ومرة أخرى ، دون أي تكلفة. باستثناء تكاليف الخوارزميات والبرمجة ، بطبيعة الحال.
ما هو "تحت غطاء محرك السيارة" في تعيين فترات زمنية محددة الذكيةخوارزمية الشبكة العصبية الأساسية هنا هي نفس MLP ، والتي معلمات الإدخال هي:
- ماركة صنع / موديل / سنة الصنع
- قناة تسويقية ذهب منها العميل إلى موقع CarPrice الإلكتروني
- طراز الجهاز المستخدم من قبل العميل لتقييم سيارة على الموقع
- يوم من الأسبوع / ساعات من اليوم الذي قام فيه العميل بزيارة الموقع
وفقًا لمجموعة هذه المعلمات ، تنظر الشبكة العصبية في احتمال قيام حدث ما بشراء سيارة من عميل ، أو بمعنى آخر ، التحويل المتوقع من طرف إلى طرف من طلب شراء.
اعتمادًا على القيمة المحسوبة لاحتمال إعادة الشراء والهامش المتوقع أن تكسبه الشركة ، يتم تقسيم العملاء إلى 3 مجموعات حسب القيمة. معيار التقسيم إلى مجموعات هو كما يلي:
<ProbabilityAppointment To Purchase>*<Expected Margin>
ينتمي العملاء ذوو أعلى قيمة لهذا المعيار إلى المجموعة الأولى ، مع الأقل - إلى الثالثة. من المهم بالنسبة لنا أن يكون هناك المزيد من سجلات عملاء مجموعة القيمة الأولى ، نظرًا لأننا نكسب المزيد عليها. لذلك ، مع تشكيل الفتحات ، نقدم خيارات أكثر لاختيار فتحة ملائمة للمجموعة الأولى ، أقل قليلاً للمجموعة الثانية وأقل بكثير للمجموعة الثالثة.
للتخطيط لشغل فتحات ولتجنب قوائم الانتظار في نقاط البيع ، تم تطوير نموذج تنبؤي يستند إلى شجرة القرارات يحسب احتمال وصول العميل إلى نقطة ما. فيما يلي إحدى القواعد لحساب احتمال وصول العميل:
cr_apcon2m_source_chan <= 0.5672744316784764 AND cr_apcon2m_weekday_conf > 0.5210736783538652 AND cr_apcon2m_hour_conf > 0.5068323664539807 AND cr_apcon2m_source_chan > 0.4755808440018966 AND cr_apcon2m_brand_model > 0.037602487984167376 AND cr_apcon2m_brand_model <= 0.1464285714285714 AND cr_apcon2m_hour_conf > 0.14705882352941177
هنا المتغيرات cr_ هي تحويلات وفقًا لمعلمات العميل. على سبيل المثال ، cr_apcon2m_source_chan هو متوسط تحويل العملاء القادمين من نفس القناة التسويقية. إذا تم استيفاء الشروط المذكورة أعلاه ، فإن احتمال وصول العميل هو 0.14.
الشريط الذكي
كل تاجر يشتري السيارات منا لديه تفضيلات معينة. شخص ما يحب الطرز باهظة الثمن ، شخص ما يشتري فقط "Logans" و "Solaris" ... ينظر التجار إلى الكثير من السيارات ، وإذا كنت تأخذ في الاعتبار تفضيلات الشراء الخاصة بهم عند تشكيل خلاصة المزاد ، فيمكنك زيادة التحويل بدرجة كبيرة. يبدو أن يكون واضحا؟ ومع ذلك ، كل شيء أكثر تعقيدا قليلا.
تفضيلات الوكيل غير متسقة. تتغير تفضيلات الأعمال والعملاء ، بحيث يمكنهم الانتقال من شريحة إلى أخرى. تحدد الشبكة العصبية للنقرات والمعاملات والمعاملات هذا وتعيد تشكيل الخلاصة التلقائية. لنفترض ، طوال شهر ديسمبر / كانون الأول ، اشترى تاجر في شركة Ivanov من شركة Vologda "الحيل" مقابل 300-500 ألف روبل. ولكن فجأة في يناير ، بدأ في شراء سيارات الدفع الرباعي باهظة الثمن بسعر يتراوح بين مليون ونصف إلى مليوني سيارة. الشريط أعيد بناؤه على الفور ، ويقدم له أكثر السيارات ذات الصلة. بالإضافة إلى ذلك ، يرسل النظام نفسه إعلامات له ، ويتفاعل بحساسية مع رد الفعل.
فيما يلي بعض ملفات تعريف الوكيل النموذجية. أولئك الذين يشترون السيارات الرخيصة ، كقاعدة عامة ، لا يشترون أبدًا سيارات باهظة الثمن. فلماذا يجب أن تظهر لهم؟
هذا هو أسهل مرشح. عند تكوين شريط مزادات شخصي ، تقوم الشبكة العصبية في وقت واحد بتحليل مئات من هذه السمات.
من خلال تشكيل تغذية المزاد بشكل فردي ، نحصل على أسعار مزاد أعلى. من المرجح أن يقاتل الوكيل الذي يحتاج ، على سبيل المثال ، "Logan" لمدة ثلاث سنوات من أجله ومن المحتمل أن يكون أفضل من الآخرين. فقط لعرض العملاء على السيارات التي يهتمون بها أكثر ، نحصل على زيادة في التحويل لإعادة الشراء وزيادة في متوسط هامش المزاد.
ما هي النتيجة؟
بالطبع ، نحن نعمل على تطوير تقنيات عصبية أخرى ، بعضها في حالة قريبة من التنفيذ اليوم. لماذا هذا مهم جدا؟ أولاً ، تتيح لنا الشبكة العصبية كسب المزيد من التدفق الحالي للعملاء. وهذا هو ، من أجل زيادة الإيرادات ، لا تحتاج إلى زيادة تكاليف التسويق. ثانياً ، توفر الشبكة العصبية المزيد من العملاء الراضين - فكلما زاد عدد الأشخاص الذين باعوا السيارات من خلال CarPrice ، ارتفعت NPS. وعلى المدى الطويل ، ربما يكون هذا أكثر أهمية من الإيرادات.
بالنسبة لأولئك الذين يفضلون تنسيق الفيديو ، نقدم
عرضًا تقديميًا من Denis Dolmatov ، الرئيس التنفيذي لشركة CarPrice ، المخصص لشبكاتنا العصبية.
وأخيرا عن الشواغر. الآن نحن نبحث عن مسؤول DevOps / Linux في موسكو في فريق مزاد السيارات ، وكذلك مطور PHP الأقدم في فريق الخدمات الداخلية. ونحن نتطلع إلى سيرتك الذاتية.