中信网

受到各方面的影响，中国的购车消费者市场趋于饱和，汽车产销量一度有所下滑。为了缓解车市遇冷的情况，多种促进汽车消费的政策出台，其中包括减征部分乘用车车辆购置税的重要举措。但在多重影响因素的复杂影响下，线下4S店的经营与销售遭遇困境，线上平台成为车企触达消费者的重点阵地。如何能够更精准、快捷、有效地触达消费者，从而实现获客，成为了车企需要思考的一大难题。

为此，有驾利用百度在大数据和机器学习技术方面的强大优势，发起了智能化获客创新项目。该项目覆盖百度平台用户，形成全面的用户大数据洞察分析，旨在通过数据挖掘与赋能，对用户画像进行分析，挖掘、预测具有潜在意向的目标用户群体。在此基础上，辅以线上多维度触达手段，实现品牌的多渠道精准推广，为车企品牌提供精准的购车线索，实现低成本、高转化的智能获客。

（图：有驾智能化获客体系）

数据基础建设：依托百度用户画像资源，构建六层数据仓库体系

有驾依托于百度全平台的庞大用户规模和丰富详实的用户基础数据，具有强大的用户数据捕捉和挖掘能力，能够通过对用户数据的分析，充分挖掘用户的需求，实现产品的迭代升级。

充分挖掘有驾产品线的用户行为数据及转化情况，建设了一套可以满足各个业务通用的六层数据仓库架构体系。通过这一科学体系，能够找到汽车内容偏好度高、购车意向度较高的精准用户群体，从而实现智能化精准营销。

（图：有驾数据仓库）

数据挖掘与建模：自动化联合建模服务，精准选定潜在用户

创新智能化获客策略的第一步是要找到汽车内容偏好度高、购车意向度较高的精准用户群体，从而实现数据化精准营销。为了精准圈定有驾用户中的高购车意向用户，用户画像团队基于自研的自动化联合建模服务，实现了用户留资意向度的预测。自动化联合建模服务集成了画像特征管理、自动化机器学习（AutoML）、全量用户预测等模块。

首先，画像特征管理模块存储了画像积累的全量标签amp;特征的月级历史快照，并针对有驾所属的汽车垂类媒体内容，挖掘出相关的标签，完成特征关联；

之后，样本和特征会被送入自动化机器学习（AutoML）模块。AutoML技术实现了端到端的模型训练流程，将传统机器学习模型训练中特征选择、超参寻优等阶段自动化，减少了人力参与，提升了模型的构建效率。

最后，预测模块会集成训练好的模型，基于当前最新的用户画像数据，提交MapReduce任务进行全量用户的留资意向度预测，最终圈定高意向度汽车用户的人群包。

（图：自动化联合建模服务）

用户触达：千人千面，多场景提升用户转化率

有驾智能化获客体系利用数据分析、特征提取，建模训练等技术，在百度产品线的海量用户中精准选定潜在的目标用户，能够做到智能化、个性化的响应。当不同用户在不同场景下触发预留机制时，将会千人千面地运用不同的触达策略，从而选择不同的触达方式，例如百度搜索卡片、feed流、端内弹窗、线上问询、活动营销、站内私信等。在此基础上，再通过后验数据进行智能优化，不断完成模型迭代，提高用户转化效果。

（图：用户触达场景）

其触达场景主要有两个：一是对高意向用户的高意向行为进行在线实时识别，缩短用户行为路径，提升留资转化率，二是通过百度私信对高意向用户进行主动召回。

经过有驾创新智能化获客模型的上线，有驾全平台自产线索占比提升49.4；线索规模化增长高达59.3；线索单商家满足率提升39.1。后续，有驾将继续深耕数据赋能产品的智能化获客领域，着力实现通过用户的日志行为，构建汽车领域的用户标签，进一步结合用户的使用场景、自身属性个性化的进行用户引导、留资等行为，提升线索效能。

　　（图：有驾自采线索提升效果）

未来，有驾也将始终秉持“真车评 懂行情”的品牌理念，持续致力于为用户提供精彩多元的汽车内容和便捷高效的选买车服务，为车企和汽车经销商提供从品牌到效果的一站式互联网营销解决方案，助力汽车行业的长足发展。