二手车定价助手
基于真实行情样本数据驱动的二手车定价辅助工具。
工作流
项目背景
- 二手车寄售平台的核心痛点之一，是平台缺乏实际定价权
- 车辆售价通常由车商或车主自行决定，出于收益预期，挂牌价格往往偏高
- 定价偏离真实市场行情后，会进一步影响平台整体成交转化效率、车辆周转周期，以及卖车人的最终成交收益
- 这个想法在公司内部一直没有落地
- 产研资源紧张，定价功能排不上优先级
- 平台自己的成交数据量还不够，也缺少市场行情数据
- 既然以前没有资源和数据积累，那现在用 AI 工具能不能先做个 MVP 出来？
我做了什么
- 基于之前在二手车业务中的经验，梳理了定价需要的关键信息和判断逻辑
- 定义了产品边界
- 定位为估价参考辅助，而不是自动定价工具
- 最终定价决策仍然留给车商，工具只负责把信息整理清楚
- 设计了前后端的产品逻辑
- 前端：车型识别、估价必要字段录入（车型、里程、车龄等）、输出建议挂牌价和合理价格区间
- 后端：车型库数据管理、市场行情数据、估价记录管理等
- 借助 AI Coding 工具完成前后端开发，把产品方案跑成了一个可体验的 MVP
核心流程
- 用户录入车辆品牌、车型、年份、里程、售价等信息
- 系统结合市场行情信息和业务规则生成估价区间
- 返回系统测算车辆建议挂牌价、售价区间
- 返回系统判断的当前售价的销售周期
验证结果
- 验证了完整定价链路的可行性
- 从车商自然语言输入 → 车型识别 → 行情匹配 → 价格计算 → 周期预估 → 后台数据管理，全链路跑通
- 不是静态页面，而是基于真实行情样本动态计算的估价结果
- 关键技术点得到验证 （借助 AI Coding 能力）
- 规则+模糊匹配的车型识别方案，在没有 LLM 的情况下也能达到可用置信度
- 四分位数 + 系数修正的估价算法，样本量≥3时结果稳定可解释
- 销售周期预估不是拍脑袋，而是基于价格偏离率的规则引擎
- 后台运营能力闭环
- 行情数据导入后立即影响前台结果，不是写死的数据
- 估价详情页可以追溯每一条估价的计算依据
阶段思考
- AI Coding 工具 对需求推进速度提升明显
- 快速业务验证：用 AI Coding 工具，一个人把整条链路从前到后搭了出来，跑通了可演示的 MVP。
- 快速技术验证：证明了产品经理的思路——"这个功能到底能不能做"——现在不用等研发排期，自己先验证
- 对二手车定价这件事的判断
- 二手车定价的核心瓶颈不是算法复杂度，而是数据：行情覆盖面、成交结果回流、调价行为数据
- 当前 Demo 解决了"能不能算"，但"算得准不准"需要数据积累
- 后续如果要深入，第一步是持续获取行情数据，第二步是接入真实成交和调价反馈