汽车拍卖 AI

引言

美国以及世界各地有许多经销商之间的汽车拍卖会。每天都有数万辆二手车被经销商发布，供其他经销商购买。

对于购买汽车的经销商来说，他们希望购买能够轻松且有利可图地转售的二手车。每个经销商都是独一无二的，但某些品牌、型号、年份（车龄）、里程、要价以及来自NADA和凯利蓝皮书（KBB）等服务的使用汽车价值，甚至季节性变化等因素的组合都会影响他们的决策。

将此过程自动化，为特定经销商提供跨多个拍卖行的建议，并考虑到该经销商的具体需求，将是机器学习的一个绝佳应用。

问题

待售车辆的集合每天都在变化，因此所有车辆都必须加载到推荐系统中，找到二手车价值，并为每个经销商运行机器学习模型，以提出建议。

实现

该系统将有一个区域，经销商可以在其中填写个人资料，并设置用于构建机器学习模型的参数。

测试和训练数据必须自动获取并定期更新，因为汽车型号会随着时间的推移而变化。

为经销商创建并训练模型后，可以每天针对当天的车辆集合运行该模型，并将建议传达给经销商。

未来扩展

未来的扩展可以将此扩展到自动竞标（可能需要另一个机器学习任务），使用每日推荐。

历史

• 2019年10月31日：初始版本