채용 마케팅 파트너 Inc. 놀이터 정보 사이트 자동차 Sensornet*1을 사용하는 놀이터 딜러의 채용 기술).

이번에 출시 된 신제품 "d-match"에는 "구독 속도 *2 예측"을 포함한 총 5 개의 기능이 장착되어 있습니다. 우리는 자동차 센서 네트의 약 2 백만 개의 소매 데이터의 빅 데이터를 사용하여 놀이터 딜러의 관리를 지원합니다.
*1 신입 사원이 운영하는 놀이터 정보 사이트. 놀이터를 검색하고 판매 할 수 있습니다.http://www.carsensor.net/)
*2 놀이터 딜러가 놀이터 정보 사이트 "자동차 센서 네트"에 해당하는 놀이터 속성을 나열하는 경우, 판매 확률은 한 달 이내에 서명 될 확률입니다.

신제품 "d-match"
~ 5 사용 시나리오별 기능 및 사용 ~

목적 : 구매 및 구매 가격 결정 차량 선택을 지원하고 놀이터 딜러의 관리를 지원합니다
대상 : 인벤토리 관리 서비스를 사용하는 놀이터 딜러 "C-Match" *3
특징 :
① "배송 금리 예측 현금"자신의 상점에서 판매하기 쉬운 자동차를 찾기 위해
② "시장 검색"을 쉽게 비교하고 구매 가격을 고려할 수있는 시장 검색
③ ui를 읽고 사용하기 쉽습니다
(아래 이미지 : 매장에 중점을 둔 마우스로 범위를 지정할 수있는 "지역 시장 검색"화면
가격 : 월 10,000 엔 (세금 제외)

신제품 "D-Match"는 놀이터 딜러가 매장에서 판매 할 자동차의 조건을 이해하고 AA 시장 가격*4와 소매 시장 가격의 가격 차이를 비교하고 고려하며 최고의 구매를 최대한 활용할 수 있도록 도와줍니다.

*3 CAR 센서가 제공하는 제출 및 인벤토리 관리 시스템. 놀이터 재고 정보는 각 상점에서 관리 할 수 ​​있습니다.
*4 AA 시장 가격은 자동차 경매시 시장 가격을 나타냅니다. 소매 가격은 놀이터 대리점에서 시장 가격을 나타냅니다.

■ 사용 시나리오로 "d- 매치"를 사용하는 방법

사용 된 기능 : 계약 요율 예측, 판매 검색
1 "Closing Rate (판매 용이성)를 구매하고 검색하려는 모델의 조건을 선택하십시오 (색상 및 연도 식별과 같은 자세한 조건을 설정할 수 있습니다).
2.
3. 마감율 예측과 회사의 판매 동향에 따라 놀이터를 구매할 조건을 결정하십시오

<구매할 수있는 금액과 판매 할 수있는 금액 결정
사용 된 기능 : 시장 검색, 학년 검색
1. 구매 가격을 구매하고 이해하려는 자동차에 대한 AA 시장 가격 검색
2. 우리 자체 알고리즘을 사용하여 예측 된 소매 시장 가격을 검색하고 판매 가격의 추세를 이해합니다 (등급이 결정될 수없는 경우 등급 검색을 수행하십시오).
3.

"구매 한 자동차를 팔 수 없다"및 "구매할 가격을 모른다"와 같은 놀이터 딜러의 관리 문제를 해결합니다.

최근 몇 년 동안 인구 감소와 "자동차를 떠나는 젊고 고위급 사람들"으로 인해 새로운 자동차 판매가 둔화되었으며 동시에 새로운 자동차의 수는 장기적으로 진행되었습니다.*5 이에 대한 응답으로 놀이터 시장에서 사용할 수있는 자동차 수는 감소했습니다.

이 배경에 대한 응답으로, 우리는 놀이터 딜러가 직면 한 문제를 조사한 결과, 그들이 구매하는 자동차의 "장기 재고"와 같은 문제에 직면하고 경쟁이 심화되어 "이익 감소"와 같은 문제에 직면 한 것을 발견했습니다. 우리는 또한 구매를 결정하기위한 기준은 "개별 직관과 경험에 의존하는 경향이있다"는 것이이 문제를 개선하는 데 병목 현상 중 하나 일 수 있다는 것입니다.

*5 2006 년부터 2016 년까지 10 년 동안 소비자의 평균 승용차 (신입 차량)는 6.7 년에서 8.1 년으로 증가했습니다. (출처 : 캐비닛 사무소 "소비자 트렌드 설문 조사")
*6 2012 년부터 2015 년까지 3 년 동안 등록 된 놀이터의 수는 약 401 만에서 약 3,730 만 명으로 감소했습니다. (출처 : 일본 자동차 딜러 협회 (일본 연맹)

따라서, 채용 마케팅 파트너 및 채용 기술은 "구매 프로세스를 개선"하고 놀이터 딜러의 번거 로움없이 "구매 프로세스를 개선"하고 관리 문제를 해결하기 위해 빅 데이터를 사용하여 "재고 차량을 선택하고 구매 가격 결정을위한 지원 시스템"을 개발했습니다. 모집 마케팅 파트너와 채용 기술이 소유 한 빅 데이터 분석 기술을 통해 업계에 나열된 놀이터에 대한 최대의 데이터를 최대한 활용함으로써, 우리는 놀이터 딜러의 파트너로서 구매 및 가격 책정과 같은 안정되고 지속적인 의사 결정을 지원하려는 욕구로 상용화하기로 결정했습니다.

.

관리 지원 시스템 "D- 매치"의 주요 기능인 "폐쇄 속도 예측"기능은 Recruit Technologies에서 개발 한 AI 기술 솔루션 "효과 시뮬레이션"을 활용합니다. 이번에는 수백에서 수천 개의 기계 학습 및 통계 모델 알고리즘*7을 비교하고 검토했으며 예측 모델로 가장 정확한 모델을 채택했습니다.

■ 효과 시뮬레이션 소개
<시뮬레이션 흐름
1.
2.
다양한 조건과 조합의 효과를 정량화
3.

<알고리즘에 사용 된 특정 조건 변수 (예)
놀이터 : 모델, 가격, 연도, 모델, 마일리지 등
상점 : 리뷰, 판매 형식 (딜러/소매 업체), 지역 (현) 등
기타 : 시장 가격, 공급 및 수요 잔고 등과의 차이

■ 예측하기 어려운 "계약 요율"의 정확도를 향상시킨 포인트
이번에는 자동차 센서 그물에 축적 된 약 2 백만 개의 소매 데이터를 기반으로 놀이터 정보 및 저장 정보, 계절성, 시장 가격 차이, 시장 가격 및 수요 잔고와 같은 놀이터 딜러의 비즈니스와 일치하는 조건을 고려하여 마감율을 예측합니다. 또한 데이터에 나타나지 않는 "차량 모델의 ​​매력"및 "매장 판매 기능"을 정량화함으로써 72% 예측 정확도를 달성했습니다.

아래 다이어그램에 표시된 것처럼 정확도가 크게 향상되었습니다. 각 카운터에서 판매 된 실제 단위 수와 동시에 판매 된 단위 수의 차이는 거의 동일합니다.
우리는 또한 알고리즘 자체와 조건 변수를 추가하고 수정하여 확장 성을 고려하여 놀이터 딜러의 새로운 요청과 자율 주행 자동차의 출현과 같은 업계 트렌드의 변화에 ​​유연하게 응답 할 수 있습니다.

*7 비교 연구는지지 벡터 머신 (SVM), 랜덤 포레스트, 그라디언트 부스트 트리, 극한 그라디언트 부스트 트리 (XGBoost), 탄성 순, 여러 미래 엔지니어링과 같은 알고리즘을 결합하여 비교 연구를 수행합니다.
*8 자동차 자체의 외관과 브랜드는 "자동차 모델의 매력"을 참조하기 위해 요약됩니다.
*9 외관, 고객 서비스, 위치 조건, 브랜드 파워 및 상점의 분위기와 같이 데이터에 표시되지 않는 매장의 고유 한 특성은 "매장 판매력"으로 요약되어 있습니다.

이 문제에 대한 문의

/support/form/