机器学习算法在瓜子二手车的实践 魏旋 瓜子二手车
2020-03-01 214浏览
- 1.机器学习中的人机互动 魏旋 瓜子二手车数据科学家
- 2.
- 3.
- 4.
- 5.魏旋 瓜子二手车数据科学家 2010年加入Hulu，负责广告精准投放技术研发 2013年底加入宜信大数据，负责实时授信，风控反欺诈的研发 2016年加入瓜子，负责个性化和推荐，图像识别处理，智能问 答，车源、客户画像，调度等技术研发
- 6.策略和人 • 人是统计数字
- 7.策略和人 • 目标 • 提高产出 • 提高转化率
- 8.策略和人 提成: 产出 * 转化率
- 9.策略和人
- 10.当人与系统深度交互 ! • 人不可忽视 • 人是博弈主体 ! !
- 11.• 销售调度 - 能力建模 • 销售调度 - 匹配度建模 • 销售调度 - 对人建模 • 销售调度 - 结果和总结
- 12.销售调度 • 分车到人 卖家 卖家 卖家 买家 买家 买家
- 13.能力建模 • 目标 • • 最大化平台车源总体转化率 思路 • 转化率高的销售，值得分更多的车
- 14.能力建模 - 方案 • • Explore & Exploit • 优秀者分好车，分更多的车 • 成长者维持基本工作量 是优化，也是激励
- 15.能力建模 - 车源分级 • 车源分级 • 性价比 • 热销 • 其他
- 16.能力建模 - 结果
- 17.能力建模 - 转化率 norm_y! 9! 8! 7! ! 6! 5! 4! 3! 2! 1! 0! 2! 3! 9! 14! 15! 31! 34! 35! 36! 37! 40! 42! 43! 47! 50! 52! 53! 54! 56! 58! ! 59! 60! 61! 64! 65! 66! 69! 70! 72! 73! 76! 77! 88! 89! 96!
- 18.能力建模 - 售卖预测 MAE! 2.5! 2! 1.5! 1! 0.5! 0! Baseline! ! !
- 19.匹配度建模 • 目标 • • 一辆车应该分给最可能把车卖掉的人 思路 • 如果销售的客户想买这辆车，售出概率就高
- 20.匹配度建模 – 方案 • 可以直接使用车源推荐服务 • 如果把车分给没有合适客户的销售，增加惩罚
- 21.人很重要 ! 2! 1.8! 1.6! 1.4! ! 1.2! 1! 0.8! 0.6! 0.4! 0.2! 0! !
- 22.距离优化 • 目标 • • 减少销售路程消耗 建模 • 每辆车到销售的距离之和最小
- 23.距离优化 – 方案1 • 有约束聚类 • • 每个cluster对应的车源数是指定的 修改K-means算法 • E-Step，交换车源代替重新分配
- 24.与K-means对比 • K-means • • 记录中心点 修改的K-means • 记录两个中心点之间的边界
- 25.距离优化 - 方案2 • 距离定义 • 物理距离 + 每个销售额外cost
- 26.距离优化 - 效果
- 27.工单均衡 • 目标 • • 让销售每天的工作量大致平均 思路 • 避免销售每天的工单量超出能力范围
- 28.工单均衡 - 方案 • 预测每辆车接下来一天工单量 • 根据当前任务量、预测的未来任务量分配 • 如果超出一般工作量的分配，增加惩罚 Baseline
- 29.公平 • 业绩越好，分车越多 • 业绩好，车源质量不能差 • 业绩好，单车平均提成不能差
- 30.对人建模 - 面对压力 • 积极响应 • 忽略细节 • 有所选择
- 31.
- 32.整体模型 ! ! !
- 33.结果 – 人效 & 人数 ! ! ! 2.0! 1.8! 1.6! 1.4! 1.2! 1.0! 0.8! 0.6! 0.4! 0.2! 0.0! 1! 2! 3! 4! ! 4! 4! 4! 4!
- 34.结果 – 7天漏斗转化率 ! 160.0%! 140.0%! ! 120.0%! 100.0%! 80.0%! 60.0%! 40.0%! 20.0%! 0.0%! !
- 35.调度经验总结 • 从博弈角度看待人 • 简单就是美 • 变量越少越好 • 在子问题上机器学习可以发挥最大作用 • 小心探索未知状态
- 36.
