📢 👨🏾‍⚕️ 😧 CarPrice कृत्रिम बुद्धि द्वारा संचालित क्यों है? 💃🏼 🙏🏼 🛀🏼

तंत्रिका नेटवर्क के बारे में पिछले तीन वर्षों में बहुत कुछ लिखा और कहा गया है। सोचकर, हमने यह भी बताने का फैसला किया कि हम रोजमर्रा के काम में "कृत्रिम बुद्धिमत्ता" का उपयोग कैसे करते हैं। इसके अलावा, वह लोगों के मुकाबले कई नियमित ऑपरेशनों का सामना करता है।

कार की बिक्री में, सभी प्रमुख ऑपरेशन पारंपरिक रूप से लोगों से बंधे हुए हैं - भावनात्मक और, अलग-अलग डिग्री तक, विश्वसनीय। CarPrice हर साल 150 हज़ार की नीलामी करता है, जिसका अर्थ है कि प्रत्येक कार मॉडल के लिए आँकड़ों के टेबल्स कंपनी के आंत्र में जमा होते हैं, इसकी वास्तविक स्थिति से लेकर कीमत की गतिशीलता और बिक्री के समय के आधार पर। क्या यह संभव है, जानकारी के सरणियों का विश्लेषण करके, बिक्री को रूपांतरण बढ़ाने के लिए? यह संभव और आवश्यक है!

पहले, हम एक उपकरण बनाना चाहते थे जो प्रबंधक को उसके काम में मदद करेगा। लेकिन परीक्षण प्रक्रिया के दौरान, वे आश्वस्त थे कि तंत्रिका नेटवर्क किसी व्यक्ति के बिना काफी सहनीय है। लेकिन पहले बातें पहले।

इसलिए, नीचे हम तंत्रिका नेटवर्क के आधार पर बनाए गए कई उपकरणों के बारे में बात करेंगे जो हमें कार्य कुशलता बढ़ाने की अनुमति देते हैं। ये सभी लगातार, ऑनलाइन काम करते हैं।

स्मार्ट मार्जिन

लाभप्रदता बढ़ाने के लिए स्मार्ट मार्जिन एक महत्वपूर्ण उपकरण है। सिस्टम को पता है कि हम प्रत्येक कार को उसकी आयु, माइलेज, उपकरण, क्षति, दिन का समय, रंग, सप्ताह का दिन और यहां तक कि विक्रेता के लिंग को ध्यान में रखते हुए कितना बेच सकते हैं। ऐसे कई पैरामीटर हैं, लगभग 600।

यह समझना कि डीलर कार के लिए कितना देंगे और विक्रेता को कितना सूट करेगा, तंत्रिका नेटवर्क स्वतंत्र रूप से नीलामी मार्जिन के इष्टतम आकार की गणना करता है। स्मार्ट मार्जिन की स्थापना उन परिस्थितियों को बनाने के लिए की जाती है जिनके तहत कार बेचने की संभावना अधिकतम होगी। कभी-कभी, गारंटीकृत बिक्री के लिए, तंत्रिका नेटवर्क सबसे कम संभव मार्जिन प्रदान करता है, क्योंकि मशीन अत्यधिक तरल है, अच्छी स्थिति में है और विक्रेता जल्दी से इसे कहीं और बेच देगा। एक अन्य कार के लिए, मार्जिन अधिक होगा, क्योंकि यह अविश्वसनीय और मरम्मत के लिए महंगा है, जिसका अर्थ है कि CarPrice के लिए अधिक जोखिम हैं।

आप कुछ कह सकते हैं "सिर्फ मार्जिन कम करें, फिर बिक्री बढ़ेगी" और ... आपसे गलती हो जाएगी। ऐसी कारें हैं जिनके मालिक अपनी कार नहीं बेचेंगे, भले ही हम अतिरिक्त भुगतान करें। ऐसी कारें हैं जिनके मालिक आम तौर पर मूल्य-संवेदनशील नहीं हैं - लेनदेन की सेवा और सुरक्षा उनके लिए बहुत अधिक महत्वपूर्ण है। इसलिए, ज्यादातर मामलों में मार्जिन कम करने का मतलब है कि हमें राजस्व प्राप्त नहीं होगा। मैं दोहराता हूं, इस उपकरण का मुख्य कार्य कार को बेचने के लिए स्थितियां बनाना है। यदि, उदाहरण के लिए, यदि मार्जिन एक निश्चित प्रतिशत से कम हो जाता है, तो कार बेचने की संभावना 2-3 गुना बढ़ जाती है, तो हम इसे करेंगे। परिणामस्वरूप, बिक्री में रूपांतरण में तेज वृद्धि के कारण, कंपनी के राजस्व में वृद्धि हुई।

यहां कुछ आंकड़े दिए गए हैं। कार्यान्वयन से पहले, हमने ए / बी परीक्षण किया। नीचे एक उदाहरण मार्जिन चार्ट है। काली रेखा एक स्मार्ट मार्जिन के साथ एक परीक्षण समूह है। ग्रीन एक नियंत्रण समूह है, बिना स्मार्ट मार्जिन के। यह देखा जा सकता है कि तंत्रिका नेटवर्क की सिफारिशों के अनुसार मार्जिन कम है।

और यह खरीदे गए वाहनों की स्थिति का एक ग्राफ है, जिसे हमने "सितारों" में परिलक्षित किया है। यह पता चलता है कि तंत्रिका नेटवर्क द्वारा सभी कारकों के सही विचार के साथ, हम तंत्रिका नेटवर्क की तुलना में अधिक अच्छी कारों को भुनाते हैं। बेहतर कार - कम शिकायतें।

रूपांतरण चार्ट। स्मार्ट मार्जिन वाले परीक्षण समूह के लिए, यह अधिक है:

खरीदी गई कार की उच्च और औसत कीमत। यही है, नीलामी की आय भी अधिक है:

और अंत में, एक पूरे के रूप में समूहों में औसत रिटर्न की तुलना करें। स्मार्ट मार्जिन के उपयोग के साथ, यह केवल रूपांतरण के बढ़ने के कारण कई प्रतिशत अधिक हो जाता है। कुछ कारों पर मार्जिन में "स्मार्ट" कमी के कारण, हम बिक्री में एक उच्च रूपांतरण प्राप्त करते हैं, जो निश्चित रूप से, कंपनी के राजस्व में तेजी से वृद्धि करता है।

क्या इष्टतम मार्जिन निर्धारित करने में तंत्रिका नेटवर्क गलत है? आज, लगभग कोई भी नहीं, लेकिन परीक्षण के स्तर पर, त्रुटियां लगातार निकल गईं।

स्मार्ट मार्जिन के "हुड के तहत" क्या है

स्मार्ट मार्जिन मॉडल विकसित करते समय, मल्टीलेयर फीडफोर्वर्ड परसेप्ट्रॉन मशीन लर्निंग एल्गोरिदम का उपयोग किया जाता है। हमारे मामले में इस एल्गोरिथ्म को लागू करने के परिणामस्वरूप प्राप्त तंत्रिका नेटवर्क इस प्रकार है:

एक्स ₁ , एक्स ₂ , ..., एक्स _एन इनपुट डेटा का एक सेट है जिसे हम जानते हैं:

1) ग्राहक के बारे में:

मंजिल;
उम्र;
विपणन चैनल जहां से ग्राहक CarPrice वेबसाइट (ऑफ़लाइन, कॉल, सीपीए, प्रसंग, आदि) में आया था;
शहर के किस जिले से ग्राहक पहुंचे।

2) उनकी कार:

निशान;
मॉडल;
निर्माण का वर्ष;
संशोधन;
चलाने;
कार की स्थिति (शरीर, इंटीरियर, उपकरण)।

3) CarPrice बिक्री बिंदु के बारे में जहां ग्राहक पहुंचे:

एक CarPrice कर्मचारी का पेशेवर अनुभव जो एक ग्राहक के साथ काम करता है;
CarPrice बिक्री के सामान्य संकेतक जहां ग्राहक पहुंचे।

4) वह मूल्य जो डीलर किसी दिए गए कार की नीलामी में देते हैं।

तंत्रिका नेटवर्क इनपुट सेट में सप्ताह का दिन और नीलामी का समय शुरू होता है, साथ ही CarPrice द्वारा अर्जित मार्जिन का प्रतिशत भी शामिल है।

आउटपुट (आउटपुट) में तंत्रिका नेटवर्क क्लाइंट की सहमति के लिए हमें अपनी कार बेचने की संभावना देता है। परिणामस्वरूप, अपेक्षित पूर्ण मार्जिन की कसौटी को अधिकतम करने के लिए कार्य कम किया जाता है:

<dealer price>*<margin>*<purchase probability>

डीलर मूल्य - डीलरों जो नीलामी में कारों के लिए अधिकतम मूल्य देते हैं
मार्जिन - CarPrice द्वारा अर्जित मार्जिन का प्रतिशत
क्रय संभावना - ग्राहक की सहमति के लिए अपनी कार बेचने की संभावना

स्मार्ट मार्जिन एक अलग वेबएपीआई सेवा के रूप में काम करता है, जो ऊपर सूचीबद्ध इनपुट डेटा का सेट प्राप्त करता है। नतीजतन, मार्जिन प्रतिशत वापस आ जाता है, जिस पर अपेक्षित पूर्ण मार्जिन अधिकतम तक पहुंच जाता है।

स्मार्ट संगतता

मान लीजिए हमने एक वाहन निरीक्षक को काम पर रखा है। उन्होंने कई महीनों तक काम किया और कई सौ नीलामी आयोजित कीं। तंत्रिका नेटवर्क अपने काम के परिणामों का विश्लेषण करता है और यह पता लगाता है कि यह किस प्रकार की कार या ग्राहकों के साथ बेहतर काम करता है। उदाहरण के लिए, एक पूरी तरह से iPhones वाली लड़कियों से कारें खरीदता है। और दूसरे वोक्सवैगन मॉडल लाइन के साथ पूरी तरह से मुकाबला करते हैं। कोई "जापानी" में विशेष, और कोई पूरी तरह से एक पंक्ति में सब कुछ खरीदता है, लेकिन केवल सोमवार या शुक्रवार को।

इस तरह के पैटर्न की निगरानी तंत्रिका नेटवर्क द्वारा की जाती है। बजट कारें या महंगी, "जर्मन" या "कोरियाई" - जो कोई भी हमारे पास आता है, सिस्टम को पता है कि कौन सा कर्मचारी सबसे अच्छा रूपांतरण प्रदान करेगा। साइट पर पंजीकरण करने और कार के बारे में डेटा छोड़ने से, तंत्रिका नेटवर्क एक कर्मचारी को नियुक्त करता है जो किसी अन्य की तुलना में बेहतर सामना करेगा। जैसा कि पहले मामले में, ग्राहक के फोन मॉडल (यदि साइट के मोबाइल संस्करण के माध्यम से रिकॉर्ड था) सहित कई मापदंडों को ध्यान में रखा जाता है।

स्मार्ट संगतता की शुरुआत के बाद, नीलामी में रूपांतरण, जहां निरीक्षक की सिफारिश की गई थी, बिना सिफारिश के नीलामी की तुलना में 2-5 प्रतिशत अधिक था। और नीलामी का औसत मार्जिन 10-15% अधिक है। यह बहुत कुछ है, खासकर जब आप समझते हैं कि दक्षता में इस तरह की वृद्धि के लिए किसी भी लागत की आवश्यकता नहीं है।

स्मार्ट संगतता में "हुड के नीचे" क्या है

डेटा विश्लेषण की प्रक्रिया में, हम कार खरीदते समय प्रबंधकों के कौशल में अंतर की पहचान करने में सक्षम थे। इस अंतर्दृष्टि ने एक तंत्रिका नेटवर्क का आधार बनाया जो इनपुट मापदंडों के निम्नलिखित सेट का उपयोग करता है:

कार मूल्य श्रेणियों द्वारा प्रबंधक रूपांतरण
मूल्य द्वारा प्रबंधक रूपांतरण - कार उत्पादन का वर्ष
ब्रांडों द्वारा प्रबंधक रूपांतरण - कार मॉडल
ग्राहक के लिंग / आयु द्वारा प्रबंधक रूपांतरण
पिछले 7 दिनों में प्रबंधक रूपांतरण
विपणन चैनलों द्वारा प्रबंधक का रूपांतरण, जहां ग्राहक आया था

एक तंत्रिका नेटवर्क के उत्पादन में, एक buyout की संभावना पर विचार किया जाता है। यहाँ अनुकूलित मानदंड है:

 <Probability to purchase>

बिक्री के बिंदु पर आने वाले प्रत्येक ग्राहक के लिए, तंत्रिका नेटवर्क एक प्रबंधक का चयन करता है जो सबसे अधिक कार खरीदने की संभावना रखता है।

स्मार्ट स्लॉटिंग

यह एक ट्रिकी न्यूरल नेटवर्क है। कार की बिक्री के लिए साइन अप करके, ग्राहक पता और समय निर्धारित करता है। जैसा कि मैंने कहा, हम पहले से समझते हैं कि क्या संभावना है कि मालिक हमारे माध्यम से कार बेच देगा। स्लॉट के वितरण के चरण में, हम ऐसे क्लाइंट / कार जोड़ी को एक उच्च प्राथमिकता समय देते हैं जिसमें संभावित मार्जिन या रूपांतरण अधिक होगा।

व्यवहार में यह कैसा दिखता है? यदि विश्लेषण के अनुसार, क्लाइंट के रूपांतरण की संभावना बहुत अधिक है, तो रिकॉर्डिंग के समय सभी स्लॉट उसके लिए स्वतंत्र हैं - मैं चुनना नहीं चाहता। और अगर एक कार का मालिक विशेषताओं के एक सेट के साथ आता है जो ऐतिहासिक रूप से हमारे साथ अच्छी तरह से परिवर्तित नहीं हुआ है, तो केवल लावारिस स्लॉट चयन के लिए उपलब्ध होंगे। उदाहरण के लिए, देर शाम। क्योंकि यदि आप रूपांतरण की कम संभावना वाले क्लाइंट को अनुरोधित समय देते हैं, तो रूपांतरण की अधिक संभावना वाले ग्राहक साइन अप करने और कार बेचने में सक्षम नहीं होंगे। यदि, हालांकि, एक तरल प्रतियोगी एक गैर-तरल कार द्वारा कब्जा किए गए स्लॉट पर दिखाई देता है, तो हम कॉल सेंटर के संसाधनों का उपयोग करके पहली कार को कम लोकप्रिय घंटों में स्थानांतरित करते हैं।

यह विचार करना भी महत्वपूर्ण है कि हर ग्राहक अंततः हमारे कार्यालय में नहीं आएगा। उदाहरण के लिए, हम हैरान हैं कि महिलाएं पुरुषों की तुलना में दोगुनी अनिवार्य हैं। और iPhones वाले लोग Android फोन वाले लोगों की तुलना में CarPrice तक 30% बेहतर पहुंचते हैं। हम इसे ध्यान में रखते हैं और बहुत कुछ जब हम क्लाइंट को सबसे अच्छा समय चुनने का अवसर देते हैं।

नीचे पारंपरिक आँकड़े हैं। हमने कारों को उनके आगमन की संभावना के अनुसार तीन समूहों में विभाजित किया है, जो तंत्रिका नेटवर्क द्वारा अनुमानित है - हरा, पीला और लाल। जैसे ही इस उपकरण ने काम करना शुरू किया, हरी कारों की यात्राओं की संख्या बढ़ने लगी। जैसा कि आप देख सकते हैं, सिस्टम गलत नहीं था।

और यह फिरौती के आगमन का रूपांतरण है। यह देखा जा सकता है कि "हरी" कारों की मात्रा भी बढ़ रही है।

स्मार्ट स्लॉट के साथ अंकों पर हमारी कमाई अब उनके बिना अंकों की तुलना में 27% अधिक है। और फिर, बिना किसी खर्च के। एल्गोरिदम और प्रोग्रामिंग की लागत को छोड़कर, बिल्कुल।

स्मार्ट स्लॉटिंग में "हुड के नीचे" क्या है

यहाँ मूल तंत्रिका नेटवर्क एल्गोरिथ्म एक ही MLP है, जिसके लिए इनपुट पैरामीटर हैं:

मेक / मॉडल / कार के निर्माण का वर्ष
मार्केटिंग चैनल जिससे क्लाइंट CarPrice वेबसाइट पर गया
डिवाइस मॉडल का उपयोग क्लाइंट द्वारा किसी साइट पर कार का मूल्यांकन करने के लिए किया जाता है
सप्ताह का दिन / दिन का दिन जब ग्राहक साइट पर गया

इन मापदंडों के सेट के अनुसार, तंत्रिका नेटवर्क एक ग्राहक से कार खरीदने के लिए एक घटना की संभावना पर विचार करता है, या, दूसरे शब्दों में, खरीदने के लिए एक ऑर्डर से एंड-टू-एंड रूपांतरण की भविष्यवाणी करता है।

बायबैक की संभावना और कंपनी द्वारा अर्जित मार्जिन की अनुमानित गणना के आधार पर, ग्राहकों को मूल्य से 3 समूहों में विभाजित किया जाता है। समूहों में विभाजित करने की कसौटी इस प्रकार है:

 <ProbabilityAppointment To Purchase>*<Expected Margin>

इस मानदंड के उच्चतम मूल्य वाले ग्राहक पहले समूह से संबंधित हैं, सबसे कम - तीसरे से। यह हमारे लिए महत्वपूर्ण है कि पहले मूल्य समूह के ग्राहकों के अधिक रिकॉर्ड हैं, क्योंकि हम उन पर बहुत अधिक कमाते हैं। इसलिए, जैसे ही स्लॉट्स बनते हैं, हम पहले समूह के लिए सुविधाजनक स्लॉट चुनने के लिए अधिक विकल्प देते हैं, दूसरे के लिए थोड़ा कम और तीसरे समूह के लिए काफी कम।

स्लॉट्स के अधिभोग की योजना बनाने और बिक्री के बिंदुओं पर कतारों से बचने के लिए, निर्णय पेड़ पर आधारित एक पूर्वानुमान मॉडल विकसित किया गया है जो एक बिंदु पर पहुंचने वाले ग्राहक की संभावना की गणना करता है। ग्राहक के आगमन की संभावना की गणना करने के नियमों में से एक यह है:

 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

यहाँ cr_ चर ग्राहक मापदंडों के अनुसार रूपांतरण हैं। उदाहरण के लिए, cr_apcon2m_source_chan एक ही मार्केटिंग चैनल से आने वाले ग्राहकों का औसत रूपांतरण है। यदि उपरोक्त शर्तें पूरी होती हैं, तो क्लाइंट के आने की अनुमानित संभावना 0.14 है।

स्मार्ट टेप

प्रत्येक डीलर जो हमसे कार खरीदता है उसकी कुछ प्राथमिकताएँ होती हैं। किसी को महंगे मॉडल पसंद हैं, कोई केवल "लोगन्स" और "सोलारिस" खरीदता है ... डीलर बहुत सी कारों को देखते हैं, और यदि आप नीलामी फ़ीड बनाते समय उनकी खरीद की वरीयताओं को ध्यान में रखते हैं, तो आप तेजी से रूपांतरण बढ़ा सकते हैं। यह स्पष्ट प्रतीत होता है? हालांकि, सब कुछ थोड़ा और अधिक जटिल है।

डीलर प्राथमिकताएँ असंगत हैं। व्यवसाय और ग्राहक प्राथमिकताएं बदल रही हैं, इसलिए वे एक सेगमेंट से दूसरे में जा सकते हैं। क्लिक, लेनदेन और लेनदेन के लिए तंत्रिका नेटवर्क इसे निर्धारित करता है और ऑटो फ़ीड को पुन: कॉन्फ़िगर करता है। मान लीजिए, पूरे दिसंबर में, वोलोग्दा के इवानोव में एक डीलर ने 300-500 हजार रूबल के लिए "ट्रिक्स" खरीदी। लेकिन अचानक जनवरी में, उन्होंने महंगी एसयूवी को डेढ़ से दो मिलियन की कीमत पर खरीदना शुरू कर दिया। टेप को तुरंत फिर से बनाया गया है, जो उसे सबसे अधिक प्रासंगिक कारों की पेशकश कर रहा है। इसके अलावा, सिस्टम स्वयं उसे सूचनाएं भेजता है, प्रतिक्रिया के लिए संवेदनशील रूप से प्रतिक्रिया करता है।

नीचे कुछ विशिष्ट डीलर प्रोफ़ाइल हैं। जो लोग एक नियम के रूप में, सस्ती कार खरीदते हैं, वे कभी महंगी कार नहीं खरीदते हैं। फिर उन्हें क्यों दिखाना चाहिए?

यह सबसे आसान फिल्टर है। व्यक्तिगत नीलामी टेप बनाते समय, एक तंत्रिका नेटवर्क एक साथ सैकड़ों विशेषताओं का विश्लेषण करता है।

व्यक्तिगत रूप से नीलामी फ़ीड बनाने से, हमें उच्च नीलामी दर मिलती है। एक डीलर, जो उदाहरण के लिए, तीन साल के "लोगान" की जरूरत है, उसके लिए लड़ने की अधिक संभावना है और दूसरों की तुलना में अधिक दांव लगाने की संभावना है। ग्राहकों को उन कारों को दिखाते हुए, जिनमें वे सबसे अधिक रुचि रखते हैं, हमें बायबैक में रूपांतरण में वृद्धि और नीलामी के लिए औसत मार्जिन में वृद्धि मिलती है।

परिणाम क्या है?

बेशक, हम अन्य न्यूरोइन्स्टीनटाइज विकसित कर रहे हैं, जिनमें से कुछ आज लागू होने के करीब हैं। यह इतना महत्वपूर्ण क्यों है? सबसे पहले, तंत्रिका नेटवर्क हमें ग्राहकों के मौजूदा प्रवाह से अधिक कमाने की अनुमति देता है। यही है, राजस्व बढ़ाने के लिए, आपको विपणन लागत बढ़ाने की आवश्यकता नहीं है। दूसरे, तंत्रिका नेटवर्क अधिक संतुष्ट ग्राहक प्रदान करता है - अधिक लोग CarPrice के माध्यम से कारें बेचते हैं, एनपीएस जितना अधिक होता है। और लंबे समय में, यह राजस्व की तुलना में बहुत अधिक महत्वपूर्ण है।

जो लोग वीडियो प्रारूप पसंद करते हैं, उनके लिए हम अपने तंत्रिका नेटवर्क को समर्पित CarPrice के सीईओ डेनिस डोलमेटोव द्वारा एक प्रस्तुति प्रदान करते हैं।

और अंत में रिक्तियों के बारे में। अब हम कार नीलामी टीम में मास्को में DevOps / लिनक्स प्रशासक के साथ-साथ आंतरिक सेवा दल में वरिष्ठ PHP डेवलपर की तलाश कर रहे हैं। हम आपके फिर से शुरू होने की आशा करते हैं।

CarPrice कृत्रिम बुद्धि द्वारा संचालित क्यों है?

स्मार्ट मार्जिन

स्मार्ट संगतता

स्मार्ट स्लॉटिंग

स्मार्ट टेप

परिणाम क्या है?

More articles: