受到新冠肺炎疫情、缺芯危机等持续影响，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。
01、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。
02、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&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。
03、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，在百度广告营销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。
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。
