Pourquoi CarPrice est-il piloté par l'intelligence artificielle?

À propos des réseaux de neurones, les trois dernières années ont été écrites et en disent long. En réfléchissant, nous avons également décidé de dire comment nous utilisons «l'intelligence artificielle» dans le travail quotidien. De plus, il fait face à de nombreuses opérations de routine bien mieux que les gens.



Dans les ventes de voitures, toutes les opérations majeures sont traditionnellement liées aux personnes - émotionnelles et, à des degrés divers, fiables. CarPrice détient jusqu'à 150000 enchères chaque année, ce qui signifie que des téraoctets de statistiques pour chaque modèle de voiture sont accumulés dans les entrailles de l'entreprise, de son état actuel à la dynamique des prix en fonction du lieu de vente et de l'heure. Est-il possible, en analysant des tableaux d'informations, d'augmenter la conversion en vente? C'est possible et nécessaire!

Tout d'abord, nous voulions créer un outil qui aiderait le manager dans son travail. Mais au cours du processus de test, ils étaient convaincus que le réseau neuronal se portait assez bien sans personne. Mais tout d'abord.

Ainsi, ci-dessous, nous parlerons de plusieurs outils créés à partir de réseaux de neurones qui nous permettent d'augmenter l'efficacité du travail. Tous travaillent en permanence, en ligne.

Marge intelligente

La marge intelligente est l'un des outils clés pour augmenter la rentabilité. Le système sait combien nous pouvons vendre chaque voiture, en tenant compte de son âge, de son kilométrage, de son équipement, des dommages, de l'heure, de la couleur, du jour de la semaine et même du sexe du vendeur. Il y a beaucoup de ces paramètres, environ 600.

Comprenant combien les concessionnaires donneront pour la voiture et ce qui est susceptible de convenir au vendeur, le réseau de neurones calcule indépendamment la taille optimale de la marge aux enchères. La marge intelligente est mise en place pour créer les conditions dans lesquelles la probabilité de vendre une voiture serait maximale. Parfois, pour une vente garantie, le réseau neuronal attribue la marge la plus faible possible, car la machine est très liquide, en bon état et le vendeur la vendra rapidement ailleurs. Pour une autre voiture, la marge sera plus élevée, car elle est peu fiable et coûteuse à réparer, ce qui signifie qu'il y a plus de risques pour CarPrice.

Vous pouvez dire quelque chose dans l'esprit de «rendre la marge minimale, les ventes augmenteront» et ... vous vous tromperez. Il y a des voitures dont les propriétaires ne vendront pas leur voiture, même si nous payons un supplément. Il y a des voitures dont les propriétaires ne sont généralement pas sensibles aux prix - le service et la sécurité de la transaction sont beaucoup plus importants pour eux. Par conséquent, la simple réduction de la marge dans la plupart des cas signifie que nous ne percevrons pas de revenus. Je le répète, la tâche principale de cet outil est de créer des conditions pour la vente de la voiture. Si, par exemple, si la marge est réduite d'un certain pourcentage, la probabilité de vendre une voiture augmente de 2-3 fois, alors nous le ferons. En conséquence, en raison de la forte augmentation de la conversion en ventes, les revenus de l'entreprise augmentent.

Voici quelques statistiques. Avant la mise en œuvre, nous avons effectué des tests A / B. Voici un exemple de graphique de marge. La ligne noire est un groupe de test avec une marge intelligente. Le vert est un groupe témoin, sans marge intelligente. On peut voir que selon les recommandations du réseau neuronal, la marginalité est plus faible.



Et ceci est un graphique de l'état des véhicules achetés, que nous avons reflété dans les "étoiles". Il s'avère qu'avec la prise en compte correcte de tous les facteurs par le réseau neuronal, nous rachetons plus de bonnes voitures que sans le réseau neuronal. Meilleure voiture - moins de plaintes.



Tableau de conversion. Pour un groupe de test avec une marge intelligente, il est plus élevé:



Prix ​​moyen et plus élevé de la voiture achetée. Autrement dit, le produit des enchères est également plus élevé:



Et enfin, comparez le rendement moyen d'un groupe à l'autre. Avec l'utilisation de la marge intelligente, elle se révèle être plusieurs dizaines de pour cent plus élevée simplement parce que la conversion augmente. En raison de la réduction «intelligente» des marges sur certaines voitures, nous obtenons une conversion plus élevée en ventes, ce qui, bien sûr, augmente fortement les revenus de l'entreprise.

Le réseau neuronal a-t-il tort de déterminer la marge optimale? Aujourd'hui, presque aucun, mais au stade des tests, des erreurs sont constamment sorties.

Compatibilité intelligente

Supposons que nous ayons engagé un inspecteur de véhicules. Il a travaillé pendant plusieurs mois et a tenu plusieurs centaines de ventes aux enchères. Le réseau de neurones analyse les résultats de son travail et découvre avec quel type de voiture ou de clients il fonctionne le mieux. Par exemple, on achète parfaitement des voitures de filles avec des iPhones. Et l'autre s'adapte parfaitement à la gamme de modèles Volkswagen. Quelqu'un de spécial dans le "japonais", et quelqu'un achète parfaitement tout de suite, mais seulement le lundi ou le vendredi.

Ces modèles sont surveillés par le réseau neuronal. Voitures à petit budget ou chères, «Allemands» ou «Coréens» - peu importe qui vient à nous, le système sait quel employé fournira la meilleure conversion. En s'inscrivant sur le site et en laissant des données sur la voiture, le réseau neuronal nomme un employé qui s'en sortira mieux que tout autre. Comme dans le premier cas, de nombreux paramètres sont pris en compte, notamment le modèle de téléphone du client (si l'enregistrement se fait via la version mobile du site).

Après l'introduction de la compatibilité intelligente, la conversion aux enchères, où l'inspecteur était recommandé, était de 2 à 5 points de pourcentage plus élevée qu'aux enchères sans recommandation. Et la marge moyenne de l'enchère est de 10 à 15% plus élevée. C'est beaucoup, surtout si l'on considère qu'une telle augmentation de l'efficacité ne nécessite aucun coût.

Mise en place intelligente

Il s'agit d'un réseau neuronal plus délicat. En s'inscrivant à une vente de voiture, le client détermine l'adresse et l'heure. Comme je l'ai dit, nous comprenons à l'avance quelle est la probabilité que le propriétaire vende la voiture par notre intermédiaire. Au stade de la distribution des créneaux horaires, nous accordons un temps de priorité plus élevé à une telle paire client / voiture dans laquelle la marge ou la conversion potentielle sera plus élevée.

À quoi cela ressemble-t-il dans la pratique? Si, selon l'analyse, la probabilité de conversion d'un client est très élevée, alors tous les créneaux sont libres pour lui lors de l'enregistrement - je ne veux pas choisir. Et si le propriétaire d'une voiture arrive avec un ensemble de caractéristiques qui, historiquement, n'ont pas été bien converties chez nous, seuls les emplacements non réclamés seront disponibles pour la sélection. Par exemple, en fin de soirée. Parce que si vous donnez le temps demandé à un client avec une faible probabilité de conversion, un client avec une probabilité de conversion plus élevée ne pourra pas s'inscrire et vendre une voiture. Si, cependant, un concurrent liquide apparaît sur un emplacement occupé par une voiture moins liquide, nous transférons la première voiture à des heures moins populaires en utilisant les ressources du centre d'appels.

Il est également important de considérer que tous les clients ne finiront pas par venir à notre bureau. Par exemple, nous sommes surpris que les femmes soient deux fois plus obligatoires que les hommes. Et les utilisateurs d'iPhone atteignent CarPrice 30% mieux que les utilisateurs de téléphones Android. Nous en tenons compte et bien plus encore lorsque nous donnons au client la possibilité de choisir le meilleur moment.

Voici les statistiques traditionnelles. Nous avons divisé les voitures en trois groupes en fonction de la probabilité de leur arrivée, estimée par le réseau neuronal - vert, jaune et rouge. Dès que cet outil a commencé à fonctionner, le nombre de visites de voitures vertes a commencé à augmenter. Comme vous pouvez le voir, le système ne s'est pas trompé.



Et c'est la conversion de l'arrivée de la rançon. On peut voir que le volume des voitures "vertes" augmente également.



Nos gains aux points avec des machines à sous intelligentes sont maintenant 27% plus élevés qu'aux points sans eux. Et encore une fois, sans frais. Sauf pour les coûts d'algorithmes et de programmation, bien sûr.

Ruban intelligent

Chaque concessionnaire qui achète des voitures chez nous a certaines préférences. Quelqu'un aime les modèles chers, quelqu'un achète uniquement des "Logans" et des "Solaris" ... Les concessionnaires regardent beaucoup de voitures, et si vous tenez compte de leurs préférences d'achat lors de la création d'un flux d'enchères, vous pouvez augmenter considérablement la conversion. Cela semble évident? Cependant, tout est un peu plus compliqué.

Les préférences des concessionnaires sont incohérentes. Les préférences des entreprises et des clients évoluent, ce qui leur permet de passer d'un segment à un autre. Le réseau de neurones pour les clics, les transactions et les transactions détermine cela et reconfigure le flux automatique. Supposons, tout au long du mois de décembre, qu'un revendeur d'Ivanov de Vologda ait acheté des «trucs» pour 300-500 mille roubles. Mais soudain, en janvier, il a commencé à acheter des SUV coûteux à un prix et demi à deux millions. La bande est immédiatement reconstruite, lui offrant les voitures les plus pertinentes. De plus, le système lui-même lui envoie des notifications, réagissant avec sensibilité à la réaction.

Voici quelques profils de revendeurs typiques. Ceux qui achètent des voitures bon marché n'achètent généralement pas de voitures chères. Pourquoi alors devraient-ils leur montrer?



C'est le filtre le plus simple. Lors de la formation d'une bande d'enchères personnelle, un réseau de neurones analyse simultanément des centaines de ces attributs.

En créant un flux d'enchères individuellement, nous obtenons des taux d'enchères plus élevés. Un croupier qui, par exemple, a besoin d'un «Logan» de trois ans est plus susceptible de se battre pour lui et est susceptible de parier plus haut que les autres. En montrant simplement aux clients les voitures qui les intéressent le plus, nous obtenons une augmentation de la conversion au rachat et une augmentation de la marge moyenne pour l'enchère.

Quel est le résultat?

Bien sûr, nous développons d'autres neuroinstruments, dont certains sont dans un état proche de la mise en œuvre aujourd'hui. Pourquoi est-ce si important? Premièrement, le réseau de neurones nous permet de gagner davantage grâce au flux existant de clients. Autrement dit, pour augmenter les revenus, vous n'avez pas besoin d'augmenter les coûts de marketing. Deuxièmement, le réseau de neurones fournit des clients plus satisfaits - plus il y a de gens qui vendent des voitures via CarPrice, plus le NPS est élevé. Et à long terme, c'est peut-être beaucoup plus important que les revenus.

Pour ceux qui préfèrent le format vidéo, nous proposons une présentation de Denis Dolmatov, PDG de CarPrice, dédiée à nos réseaux de neurones.

Et enfin sur les postes vacants. Nous recherchons maintenant l'administrateur DevOps / Linux à Moscou dans l'équipe de vente aux enchères de voitures, ainsi que le développeur PHP senior dans l'équipe des services internes. Nous attendons avec impatience votre CV.