1. 我是CIO首页
  2. 资讯
  3. 人工智能

数据科学如何帮助Zoomcar占领印度75%的市场

Zoomcar决策科学总监Arpit Agarwal表示:“基于Kafka的数据湖和模型以最佳的价格帮助我们获得了增强的客户体验。”

戴维· 贝克(David Back)和格雷格·莫兰(Greg Moran)于2013年创立的总部位于班加罗尔的自动驾驶创业公司Zoomcar,以推出移动即服务为座右铭。在自动驾驶概念的保护下,该公司在45个城市拥有10000多辆汽车。

从2018年的6000辆汽车到达到10,000辆以上的车队规模,Zoomcar占领了75%的市场,并计划在未来18个月内提供超过10万辆注册汽车,以期达到85%的市场份额。

Zoomcar车队规模的迅速扩大以及客户产生的大量数据迫使该公司投资于数据驱动技术。

数据驱动的客户体验

Zoomcar开始开发数据科学,由25名成员组成的团队进行建模,其中包括数据科学家,数据工程师和业务分析师。该团队使用MYSQL DB,时标DB,Redshift和MemSQL来存储和处理数据。

构建下一步

Zoomcar决策科学总监Arpit Agarwal说:“我们转移到了一个数据湖来存储应用程序数据,我们使用Redshift Cluster来维护我们的数据仓库。我们使用Python和SQL作为首选语言来构建数据科学模型。对于实时性,我们使用Kafka来流传输数据,并使用Apache Spark 进行计算。” 

Zoomcar构建了Tableau仪表板和报告。这些按小时接收的报告对公司的运营部门有所帮助。从搜寻客户到结束旅程,运营单位可以看到汽车的移动,状况,预计到达时间,意外情况等。现在,所有这些报告都将每小时与数据湖一起提供,以便做出更好的决策。

“有了对客户行为和历史模式的深入了解,我们就可以在应用程序上启动一个客户推荐框,以提供个性化的折扣和优惠券,” Agarwal说。

凭借更多的数据驱动功能,Zoomcar的数据科学团队开始构建新模型以升级其“移动即服务”产品组合。

该公司以对话机器人的形式利用AI来管理客户查询。如果有任何进一步的查询,AI机器人会将客户带到代表处.AI机器人了解客户查询中的基本NLP。

车队管理系统

Zoomcar拥有10000多辆汽车,并且随着需求的增长,数据科学有助于满足供应需求。

“我们必须在大城市等需求旺盛的地区保持汽车供应。为了管理需求并预测需求量,我们部署了数据驱动模型来控制需求。” Agarwal说。

该系统根据需求预测地理位置并进行分类,并提供所需汽车数量的可见性。

保留模型

保留客户是Zoomcar很重要的用户运营策略。利用基于机器学习算法和数据分析的保留模型来实现这一目标。

“我们拥有客户满意度和生命周期价值预测模型。借助这项功能,我们提取了有关回头客行为和关键管理因素的自动分析结果。”

Zoomcar根据添加到业务中的资产价值来分析客户贡献。该模型具有85%的准确性,可帮助公司了解忠实和回头客的数量。对于这两个类别,它开始为忠诚客户提供奖励喜悦和独家折扣优惠,以吸引需要保留的客户数量。

预测性维护模型

预测性维护模型有助于平衡两者。Zoomcar监视了汽车的状况,并通过结构化数据来执行预维护策略。

“借助该模型的功能,我们预测了需要频繁维护的几种汽车部件。例如,我们可以看到离合器,制动踏板和其他需要完全维护的基本齿轮。从汽车发动机故障到车身升级,Zoomcar能够预测维护成本和执行操作单元的时间。” Agarwal说。

动态定价

随着需求的增长,该公司意识到需要为客户设置不同的价格带宽。由AI提供支持的动态定价模型在分析具有地理位置的汽车的需求曲线后,帮助团队向客户提供最佳价格。为此,考虑了基于周末,节日,高峰时间,节假日等因素的地理位置。

本文为作者 已诺 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论