我們是成都小火科技，最近這兩個(gè)月，團(tuán)隊(duì)幾乎天天圍著非洲二手車市場的調(diào)研數(shù)據(jù)轉(zhuǎn)。上周剛從尼日利亞拉各斯回來的小張，帶了個(gè)很有意思的反饋：當(dāng)?shù)囟周囀袌隼?，買家蹲在車旁翻厚厚的紙質(zhì)保養(yǎng)記錄，賣家拿著計(jì)算器反復(fù)核對車況，兩個(gè)人對著發(fā)動(dòng)機(jī)艙聊半小時(shí)，還得再找個(gè)“懂行的”來驗(yàn)車，一套流程下來，成交最快也得三天。這場景讓我們更確定，非洲需要一個(gè)能解決“信息不透明”和“效率低”的二手車交易平臺(tái)，而且得把AI嵌到實(shí)際需求里，不能搞花架子。

其實(shí)早在去年，我們就注意到非洲二手車市場的潛力：數(shù)據(jù)顯示撒哈拉以南非洲每年二手車交易量超800萬輛，但線下交易占比超90%，核心問題就是“看不懂”“信不過”“溝通難”。比如當(dāng)?shù)刭I家大多不懂車，很容易買到事故車；賣家想定價(jià)，只能靠周邊市場的模糊行情；更麻煩的是語言，同一個(gè)市場里，有人說英語，有人說法語，還有人說斯瓦希里語，溝通全靠手勢加翻譯，效率特別低。所以我們設(shè)計(jì)平臺(tái)時(shí)，第一個(gè)AI功能就瞄準(zhǔn)了“車況檢測”。用戶不用懂車，拿手機(jī)對著車身拍3張照片，AI能自動(dòng)識(shí)別劃痕、凹陷，再拍一張發(fā)動(dòng)機(jī)艙的照片，結(jié)合當(dāng)?shù)爻Ｒ娷囆偷墓收蠑?shù)據(jù)庫，20秒就能生成一份簡易車況報(bào)告，連“剎車片剩余厚度”這種細(xì)節(jié)都標(biāo)得清清楚楚。之前在肯尼亞內(nèi)羅畢做測試時(shí)，有個(gè)賣家試了之后說：“原來我這臺(tái)車的保險(xiǎn)杠換過，AI都能看出來，以后買家不用再找‘懂行的’了。”

除了車況檢測，AI多語言交互也是我們重點(diǎn)打磨的功能。非洲語言太雜，要是只做英語版本，至少一半用戶用不了。我們找了當(dāng)?shù)卣Z言服務(wù)商，收集了英語、法語、斯瓦希里語、豪薩語等8種常用語言的二手車術(shù)語，訓(xùn)練AI實(shí)時(shí)翻譯模型。比如用戶在平臺(tái)上看一輛豐田卡羅拉，不管選哪種語言，車型參數(shù)、車況報(bào)告都能精準(zhǔn)翻譯，連“發(fā)動(dòng)機(jī)怠速不穩(wěn)”這種專業(yè)表述，都能轉(zhuǎn)換成當(dāng)?shù)厝丝谡Z里的說法。更實(shí)用的是，買賣雙方在線溝通時(shí)，AI能實(shí)時(shí)翻譯消息，不用再等人工翻譯，之前測試時(shí)，有個(gè)加納的買家和尼日利亞的賣家，靠這個(gè)功能聊了20分鐘就敲定了交易，買家還特意反饋：“原來不用找翻譯也能聊明白，省了不少事?！?/span>

還有個(gè)AI功能是“價(jià)格預(yù)測”，這也是當(dāng)?shù)赜脩籼岬男枨?。非洲不同國家的二手車供需差異大，比如肯尼亞偏愛日系車，南非更認(rèn)德系車，同樣一輛2018年的本田思域，在拉各斯能賣120萬奈拉，在約翰內(nèi)斯堡可能只值90萬蘭特。我們爬取了非洲6個(gè)主要二手車市場近3年的交易數(shù)據(jù)，結(jié)合車型、使用年限、車況、當(dāng)?shù)厝加蛢r(jià)格甚至匯率波動(dòng)，訓(xùn)練了價(jià)格預(yù)測模型。賣家輸入車輛信息，AI能給出一個(gè)合理的報(bào)價(jià)區(qū)間，買家也能知道自己買的車有沒有被溢價(jià)。有次在加納阿克拉，一個(gè)賣家本來想把自己的車標(biāo)150萬塞地，AI預(yù)測區(qū)間是120-135萬，他半信半疑去問了當(dāng)?shù)亟?jīng)銷商，發(fā)現(xiàn)確實(shí)是這個(gè)行情，最后按130萬成交，還特意給我們發(fā)了消息說“沒虧也沒坑人，踏實(shí)”。

聊到開發(fā)流程，我們沒走“先做產(chǎn)品再適配市場”的老路，畢竟非洲市場和國內(nèi)太不一樣。第一步先派了3個(gè)同事去肯尼亞、加納、尼日利亞待了一個(gè)月，不是光看數(shù)據(jù)，而是蹲在二手車市場里跟人聊。比如發(fā)現(xiàn)當(dāng)?shù)?0%的用戶用的是千元左右的安卓機(jī)，還多是2G或3G網(wǎng)絡(luò)，所以APP必須做輕量化，安裝包控制在15M以內(nèi)，AI功能也得適配弱網(wǎng)，比如車況檢測的模型，我們把原來100M的模型壓縮到20M，還做了離線模式，用戶沒網(wǎng)時(shí)拍的照片，聯(lián)網(wǎng)后能自動(dòng)上傳分析。

第二步是需求梳理，把調(diào)研到的點(diǎn)一條條落地。比如當(dāng)?shù)赜脩袅?xí)慣用移動(dòng)支付，像肯尼亞的M-Pesa、尼日利亞的Paga，我們就對接了5種當(dāng)?shù)刂髁髦Ц督涌冢€加了AI交易監(jiān)控。要是有筆交易金額明顯高于市場價(jià)，AI會(huì)自動(dòng)提醒買家“注意價(jià)格合理性”，避免詐騙。還有離線查看功能，很多用戶住的地方?jīng)]網(wǎng)，就希望能先下載車型信息，我們就做了“離線數(shù)據(jù)包”，用戶在有網(wǎng)的地方下載，沒網(wǎng)時(shí)也能看車型參數(shù)和之前的車況報(bào)告。

第三步是技術(shù)選型，后端用了Java，因?yàn)榉€(wěn)定，還能適配非洲當(dāng)?shù)氐姆?wù)器環(huán)境。之前了解到有些地區(qū)的服務(wù)器偶爾會(huì)斷電，所以做了異地備份，數(shù)據(jù)丟不了。前端用了Flutter，跨平臺(tái)，不用單獨(dú)做安卓和iOS版本，還能優(yōu)化加載速度，弱網(wǎng)下打開APP也快。AI模型方面，沒直接用現(xiàn)成的，而是收集了非洲當(dāng)?shù)氐亩周嚁?shù)據(jù)，比如常見的故障案例、車型參數(shù)，再訓(xùn)練模型，這樣準(zhǔn)確率更高。比如車況檢測，剛開始識(shí)別當(dāng)?shù)乩峡钬S田的準(zhǔn)確率只有85%，后來加了更多當(dāng)?shù)剀囆偷臄?shù)據(jù)，準(zhǔn)確率提到了92%。

第四步是測試，除了內(nèi)部測試，還找了當(dāng)?shù)?00個(gè)用戶試用，有買家、賣家，還有二手車經(jīng)銷商。有個(gè)經(jīng)銷商反饋說AI價(jià)格預(yù)測里沒算上“保養(yǎng)記錄完整度”，我們就趕緊加了這個(gè)參數(shù)，保養(yǎng)記錄全的車，報(bào)價(jià)區(qū)間能高5%-8%。還有個(gè)買家說AI翻譯的斯瓦希里語太書面，我們就找了當(dāng)?shù)卣Z言老師調(diào)整，改成更口語的說法，比如“發(fā)動(dòng)機(jī)沒問題”改成“發(fā)動(dòng)機(jī)跑得很順”。

現(xiàn)在平臺(tái)快上線了，我們還留了運(yùn)維的后手。在尼日利亞和肯尼亞找了當(dāng)?shù)氐募夹g(shù)團(tuán)隊(duì)，要是用戶遇到問題，能隨時(shí)對接，AI智能客服解決不了的，比如“交易付款后沒收到車況報(bào)告”，當(dāng)?shù)乜头荞R上處理。之前有人問我們，為什么要花這么多時(shí)間適配非洲市場？其實(shí)道理很簡單，做軟件不是把國內(nèi)的東西搬過去就行，得真懂當(dāng)?shù)赜脩舻男枨?，AI也不是擺樣子的，得能解決他們的實(shí)際問題。比如讓不懂車的買家能看清車況，讓語言不通的人能順暢溝通，這才是有價(jià)值的開發(fā)。

接下來我們還想迭代AI功能，比如加個(gè)“AI二手車保養(yǎng)提醒”，根據(jù)車況報(bào)告里的剎車片厚度、機(jī)油使用時(shí)間，提醒用戶什么時(shí)候該保養(yǎng)，還能推薦當(dāng)?shù)乜孔V的維修店。反正做海外市場，就得慢慢來，多聽當(dāng)?shù)赜脩舻穆曇?，把每一個(gè)細(xì)節(jié)磨到位，這樣平臺(tái)才能真正用起來。

文章來源網(wǎng)址：http://www.rfwlkj.com/archives/xitongkaifa01/2230，轉(zhuǎn)載請注明出處！