受到新冠肺炎疫情、缺芯危機等持續影響，中國的購車消費者市場趨於飽和，汽車産銷量一度有所下滑。為了緩解車市遇冷的情況，多種促進汽車消費的政策出臺，其中包括減徵部分乘用車車輛購置稅的重要舉措。但在多重影響因素的複雜影響下，線下4S店的經營與銷售遭遇困境，線上平臺成為車企觸達消費者的重點陣地。如何能夠更精準、快捷、有效地觸達消費者，從而實現獲客，成為了車企需要思考的一大難題。

　　為此，有駕利用百度在大數據和機器學習技術方面的強大優勢，發起了智慧化獲客創新項目。該項目覆蓋百度平臺用戶，形成全面的用戶大數據洞察分析，旨在通過數據挖掘與賦能，對用戶畫像進行分析，挖掘、預測具有潛在意向的目標用戶群體。在此基礎上，輔以線上多維度觸達手段，實現品牌的多渠道精準推廣，為車企品牌提供精準的購車線索，實現低成本、高轉化的智慧獲客。

（圖：有駕智慧化獲客體系）

　　數據基礎建設：依託百度用戶畫像資源，構建六層數據倉庫體系

　　有駕依託于百度全平臺的龐大用戶規模和豐富詳實的用戶基礎數據，具有強大的用戶數據捕捉和挖掘能力，能夠通過對用戶數據的分析，充分挖掘用戶的需求，實現産品的迭代升級。

　　充分挖掘有駕産品線的用戶行為數據及轉化情況，建設了一套可以滿足各個業務通用的六層數據倉庫架構體系。通過這一科學體系，能夠找到汽車內容偏好度高、購車意向度較高的精準用戶群體，從而實現智慧化精準行銷。

（圖：有駕數據倉庫）

　　數據挖掘與建模：自動化聯合建模服務，精準選定潛在用戶

　　創新智慧化獲客策略的第一步是要找到汽車內容偏好度高、購車意向度較高的精準用戶群體，從而實現數據化精準行銷。為了精準圈定有駕用戶中的高購車意向用戶，用戶畫像團隊基於自研的自動化聯合建模服務，實現了用戶留資意向度的預測。自動化聯合建模服務集成了畫像特徵管理、自動化機器學習（AutoML）、全量用戶預測等模組。

　　首先，畫像特徵管理模組存儲了畫像積累的全量標簽&特徵的月級歷史快照，並針對有駕所屬的汽車垂類媒體內容，挖掘出相關的標簽，完成特徵關聯；

　　之後，樣本和特徵會被送入自動化機器學習（AutoML）模組。AutoML技術實現了端到端的模型訓練流程，將傳統機器學習模型訓練中特徵選擇、超參尋優等階段自動化，減少了人力參與，提升了模型的構建效率。

　　最後，預測模組會集成訓練好的模型，基於當前最新的用戶畫像數據，提交MapReduce任務進行全量用戶的留資意向度預測，最終圈定高意向度汽車用戶的人群包。

（圖：自動化聯合建模服務）

　　用戶觸達：千人千面，多場景提升用戶轉化率

　　有駕智慧化獲客體系利用數據分析、特徵提取，建模訓練等技術，在百度産品線的海量用戶中精準選定潛在的目標用戶，能夠做到智慧化、個性化的響應。當不同用戶在不同場景下觸發預留機制時，將會千人千面地運用不同的觸達策略，從而選擇不同的觸達方式，例如百度搜索卡片、feed流、端內彈窗、線上問詢、活動行銷、站內私信等。在此基礎上，再通過後驗數據進行智慧優化，不斷完成模型迭代，提高用戶轉化效果。

（圖：用戶觸達場景）

　　其觸達場景主要有兩個：一是對高意向用戶的高意向行為進行在線實時識別，縮短用戶行為路徑，提升留資轉化率，二是通過百度私信對高意向用戶進行主動召回。

　　經過有駕創新智慧化獲客模型的上線，有駕全平臺自産線索佔比提升49.4%；線索規模化增長高達59.3%；線索單商家滿足率提升39.1%。後續，有駕將繼續深耕數據賦能産品的智慧化獲客領域，著力實現通過用戶的日誌行為，構建汽車領域的用戶標簽，進一步結合用戶的使用場景、自身屬性個性化的進行用戶引導、留資等行為，提升線索效能。

（圖：有駕自採線索提升效果）

　　未來，有駕也將始終秉持“真車評 懂行情”的品牌理念，持續致力於為用戶提供精彩多元的汽車內容和便捷高效的選買車服務，為車企和汽車經銷商提供從品牌到效果的一站式互聯網行銷解決方案，助力汽車行業的長足發展。