基于梯度提升树预测汽车同质配件成交概率研究

2014年以来,随着政府对汽车后市场同质配件的大力支持,用户对同质配件的接受度越来越高,在以碰撞维修为目的的配件维修中,越来越多的用户选择同质配件。本文以第三方汽车同质配件在线销售平台为案例,为提升平台销售线索转化率,通过机器学习中的梯度提升树(GBDT)预测同质配件询价单的成单概率,并按照成单概率的高低,把询价单分成了四级,销售经理优先跟踪一级销售线索,精力允许的情况下再跟踪二、三级订单,四级订单可以完全放弃以节省销售资源。实践证明,GBDT模型的预测效果很好,如果此模型能得到应用,会大大节省销售人力成本。