杨浩涌为算法定价交了3000万学费。如今每个月，瓜子的盘子里倒腾着价值10亿的二手车。

---

老师傅的权力

下午2点最毒的日头底下，郭桐举着手机，绕着一辆黑色SUV，前后转了快一个小时。他用手拔开车门边缘的胶皮，掀开车前盖，手指抹过油箱口渗出的一圈油渍，又绕到后面钻进车底，捏了张车底大梁的照片……

他既不是修车工，也不是侦探，不过他需要知道关于这辆车一切。

为此他一共要做259项检查。每操作完一步，他会把数据录入公司发的小米手机。之后这些数据会传入云端，像饲料一样被喂给系统。

郭桐告诉我，更专业的说法叫“算法”，同时那也是他的搭档。

他是名入行13年的二手车评估师，被人尊称一声“老师傅”，足见角色之金贵。

这种荣誉源自评估师对定价的话语权。传统的二手车商，赚的是低买高卖的差价。定价的高低，直接决定了周转效率，以及撮合交易的成功率。

瓜子的市场总监陈艳艳，亲眼见过这种权力运转的样子。

她去北京最大的二手车交易市场花乡，拜访一位大车商。对方拥有一个能容纳几百辆高档车的门店，里面的车均价百万，最便宜的也50万起。聊天的过程中，不断有销售跑进来，询问这辆宝马多少钱能卖，那辆奥迪又该多少钱出？

然后这位大车商会拿起手机，翻看一串数字，思索片刻，给出“可以出”、或“不能出”的最终判决。

看着沙发上的李老板，这个房间似乎变成了微缩版的华尔街证券交易所。

陈艳艳觉得不可思议。“你做这么大的生意，为什么销售自己决定不了价格，每辆都要跑过来问你？”

对方解释说，“他们不知道进价。另外，每辆车在厂子里一天，场地、资金、人员皆有成本。多少钱能卖出去，能卖给谁，多长时间能卖出去，全都要靠我的经验。”

在这儿，他就像个国王，一切围绕他才得以运转。

可见的，定价是件复杂的活儿，有眼力的评估师很稀缺。

郭桐很快就向我证明了他的实力。他指着车头、车中和车尾三块墨色车身，“看出来了吗？这三块地方反光的澄澈度是不一样的。”

顺着他手指的方向，两个人影被曲面的车身滤成了不规则的团状，虚映成三团。一块在太阳底下反着光，一块在阴影处，最后一块车身蒙着薄薄一层灰。

我暗自想，这哪看得出什么区别，难不成哪块车身没洗干净就映得模糊？

“看不出，大概我们的眼睛不一样。”

“是，我这是评估师的眼睛，”他乐了，随即给我揭了秘，“反光清晰度差那块的油漆重新涂过，说明之前很可能有过刮蹭，价格会打些折扣。”

评估师的经验，就像是黑匣子，有时候自己也说不清影响报价的全部因素。

但对于郭桐如今的搭档，这个黑匣子前所未有的清晰。准确地说，瓜子二手车的后台算法把一辆二手车的价格拆解成了2000多项指标，每一个都或多或少影响到价格的波动：年份、款式、配置、有没有天窗、用户操作偏好，甚至天气和季节……

郭桐拿着工具做检测

系统要求郭桐抓拍一张45度角的车身图片，据说这是最佳的展示角度。郭桐说，这张图之后会成为封面照，很重要。为了抓准角度，他不小心一脚踩进了树坑里。

瓜子系统把关于车辆的检测分解成259个步骤，评估师严格按照次序执行。为了保证采集上来的数据是标准化和结构化的，车况描述被设计成选择题，评估师只需要勾选。以此避免不同评估师语言和工作习惯差异，造成的不准确。

验车完毕后，评估师会将所有检测数据和自己的评测总结输入系统，这些数据会被传入云端，经后台人工审核后通过后，又算法生成定价。

郭桐盯着手机屏幕。数据传入云端，算法迅速吐出了一个数字：3.82万。

这是那位来卖车的女士能拿到的成交价。

“另一个平台之前给我的价格是4万多”，像所有车主一样，她希望拿到更高的价格。

这看上去并不是个好消息。二手车商在争取车源上竞争激烈，价格往往是一种武器。

但郭桐并不怎么紧张，他尝试着说服车主，“他们这样的价格，回头是卖不出去的。”

他告诉36氪自己的判断：另一家平台验车时，很可能没留意到发生追尾事故的痕迹。对于平台，这意味着极大的风险。高价收回的车，最后很可能砸在手里，或者不得不贱价出售。

从定价、收车到出售，算法卖车的每个步骤，就像一台精密的仪器。上一环失误，下一环的利润就会崩塌。定价并不是越高越好。要让卖家不吃亏，对买家又要有竞争力。算法要找的，是中间那个平衡点。

一门概率生意

用算法卖二手车靠谱吗？

2015年底，杨浩涌刚找到张小沛时，后者对这行不以为然。在美国，因为信用体系健全，Facebook上都能看二手车，她自己卖过、也卖过二手车。而在国内，她周围的朋友没有人交易过二手车，偶尔还会听说些坑蒙拐骗的事。

夸张点的案例，一辆车只要钥匙插进锁眼，拉开了车门，先掉价15%。

三个月的持续说服，杨浩涌用一个老套又强大的理由，击中了张小沛作为技术人的兴奋点——用技术改变世界。

二手车市场信息严重不对称，算法可以重构整个交易链条，提升效率，让这门生意大到前所未有。套用杨浩涌的话，美国二手车保有量是2亿，国内二手车年交易量目前是1200多万，以每年20%的速度增长，最终，这会是个万亿的盘子。

互联网创业者的惯用思路，是用线上模式和技术手段，把线下一棵树的生意，变成一片森林。前述的李姓大车商，大脑中有整个北京车市的数据网络，但一家百辆周转量的门店，已经占据了他全部精力。为此，李老板不得不忍痛关了沈阳分店。像他这样的车商，中国有接近10万个，但市场盘子却小而分散，只有1200万。这门生意优渥，却做不大。

但算法会弥合人类操盘手精力，以及数据量的限制。

张小沛从前在微软研发广告精准投放技术，之后去了美国在线视频公司Hulu，研发视频推荐系统和搜索引擎，以及在宜信，用大数据做风控和反欺诈。本质上她一直在做一件事，用算法和数据消除信息不对称。

瓜子二手车CTO张小沛

相对于广告和金融业，看得见摸得着的二手车行业，场景格外真切。要改变传统车商以差价为中心的定价模式，瓜子二手车把盈利模式定为收取4%的佣金。这种模式的挑战性在于，只有基于大数据精准定价，并跑出交易量，才能打平成本赚到钱。

张小沛心动了，2016年3月28日，她入驻瓜子总部的CTO Office。

不过，她真正觉得这门生意令人期待，是4个月后去美国硅谷CarMax门店的考察。

加州的阳光热烈。宽阔的露天停车场里，几千辆各色的二手车在阳光下连成片，闪烁成波浪。

张小沛被晃了眼，心里也震了一下。

“那么多车能（在短期内）卖得掉，我觉得这肯定是一件很了不起的事情。”

CarMax成立于1993年，是美国最大的二手车连锁零售商。这家公司最值得称道的，是开创了一套全新的商业模式，让买卖二手车就像在沃尔玛买瓶洗发水那么简单，以及标准化。买卖双方不再面红耳赤地讨价还价，他们安静地坐在CarMax门店里，以销售给的一口价为准，在合同上签下自己的名字。

人们喜欢这种新卖法。在CarMax平台拍卖二手车的成交率是97%，而美国传统二手车拍卖商的成交率还不到60%。

CarMax也因此成了台赚钱机器。在2016年，CarMax每卖出一辆车就能赚到2173美元（约合人民币14000元）。

Carmax的模式是先从车主手里吞货，再转手卖出去，这很考验经营者的库存周转能力。

那么如何理解这门生意的奥秘？

二手车商是双边市场的撮合者，这门生意的核心就是数据定价和周转效率：用多少钱收车最吸纳最多的货源，又不至因为收货价格太高而让车砸在手里？定价多少最能让消费者接受，又能有钱赚？如何最快地把车卖出去，少交一天车位租金……每一步的决策和效率，环环相扣。

按照张小沛的理解，卖车就是一道数学题：用这个价格在平台上以当时动态的供需关系，在多少天之内卖出去的概率有多大？

在Carmax平台上，一辆车的周转周期是20天。对于这个行业，这已经很高效。

Carmax最核心的资产是定价模型。制定一口价意味着权力和信服度，买卖双方都认为自己并没有吃亏。这很难。前端的报价背后，是周密的定价体系和庞大的数据集，涉及到一切可能让价格波动的因素，品牌、车况、出产年份、市场存量、用户偏好……

之所以能做定价，是因为Carmax从1993年成立后的两年间，一直在收集和评估汽车的数据。

做保卖定价的前提，是大量积累数据，关于车本身的、买方的、卖方的、关于销售员的、以及二手车评估师的……数据达到一定体量，才可以建模，抽离出其中的规律，通过算法来把控周转效率。

所以瓜子并没打算一口吃个胖子。

交学费的工程师

“优先卖”启动前，张小沛先问杨浩涌要了200万学费。其中，100万分给评估师，100万分给算法。最坏的情况，就是赔个精光。

“优先卖”是做保卖和算法定价前的过渡阶段。即预先付给车主1000-2000元把车源预定下来，如果一个月内卖不掉，这笔钱就归车主所有。

这也是张小沛给出的一道题。她在全国圈了20座城市做试点，实现AB测试。在每座城市，最好的评估师和算法，分别负责一半客单的定价。跟最终成交价比较准确性。

一辆二手车，均价8万块，不是笔小数目。在定价不准的情况下贸然吃进库存，后果可想而知。要想全盘接管定价这活儿，算法得先证明自己。

“我定了这个价，真金白银拍出去把这个车拿下来，要有本事卖出去。这是很有挑战的，一直到今天，也是在不断优化的过程中。”张小沛告诉36氪。

在这之前，瓜子花了段时间为算法积累交易数据，通过不吃货（非保卖）的C2C撮合模式。这些数据被交到魏旋手里，将每个交易环节的数据拆解成小颗粒，再结构化，最终形成三样成果：

• 一份描述了2000多个可能影响车价因素的标签图谱；

• 为1万名评估师和销售设计的任务调度体系；

• 郭桐手机那张包含259项流程的车况检测表；

能影响二手车线上交易的因素，可能很出人意料。

举个例子，如果收车赶上了雾霾天气，拍照上传的头图是模糊的，相对于晴朗天气时商品的点击率会下降80%。

瓜子算法团队负责人魏旋，进一步对36氪解释这张图包含的逻辑：“除了对车建模、定价，我们也对销售和评估师做画像，分析他们和车之间的关系。比如有的销售，最擅长卖日产的车，多匹配这类车给他，能实现的效率是最高的。”

“我们花了很大精力把销售和评估师的服务标准化。比如评估师录入，每个人原本有自己的语言和做事习惯，所以我们让这259项检测变成选择题，给每个选项一个明确的定义。”张小沛向我解释，如何让原本非标的流程标准化。“到现在，我们依旧在迭代，很多地方结构化的并不准确，需要不停分析过往填过的数据，再做结构化。”

魏旋一直知道，算法在营收上牵一发而动全身的效果。但直到2016年10月，算法定价上线，他才真切地感受到这事离钱有多近。一辆车最多亏2000元，一共开了20座城市……随着单量的扩大，魏旋的紧张也像滚雪球一样膨胀。

“老板说，收上来可以赔钱卖，最多赔2%。”他絮叨着带我算账，也就是一辆10万块的车，能允许2000块定价误差。可是市面上的平台，估价误差正常都在6%。他依旧头疼不已。

曾有一度，魏旋和其他50多位算法工程师的压力到了阀值点。张小沛带着他们喝酒开解。沮丧的工程师们，提出要用工资赔偿公司的损失，错一辆车8万，已经错了5辆，40万。

边算边想，这活儿这么做下去，八成要破产了。魏旋一脸的苦笑。

顿了顿，他又狡猾地眨了眨眼，“不过我们觉得，公司也不会真要我们钱。”

在这项大胆又野心勃勃的尝试里，失败是被允许的。

杨浩涌后来对媒体透露，因为定价不够准确，瓜子在2017年一共亏了3000万。但他觉得值得，“这事哪有那么容易啊。”

竞赛进行了两个月后，张小沛拿到一组让她欣慰的数据。优秀的评估师，10辆车中准确定价5-6辆；算法也从一开始的逆势，逐渐追赶上来。到了2017年春季，算法能准确定价10中之7，最好的城市能做到10中之9。

在所有试点城市，机器都跑赢了评估师。

于是2017年3月，瓜子开始全面收车，上线算法定价。

第一个月，算法评估了50辆车，这笔信心价值400万元人民币。到2017年底，瓜子算法一个月的定价量已经上涨到一万部车。它催生出了裹挟着庞大现金流的巨无霸。对于前述的李老板，和其他车商，这前所未见。

“10个亿在里面倒腾，每个月都不断往上加码，中间肯定有交学费的，这对那些算法科学家来说是非常痛心的，会带来更大的压力和敬畏心。所以多数时候，我都是在宽慰他们。”

张小沛甚至希望他们的胆子能更大点，这样才能拿到更多有价值的数据。

按一个月每个车位50块的租金成本，加上资金成本，并留有一定的盈利空间，算法对车辆售卖率的计算周期是以14天为准的。工程师为算法设计的标准，是按14天内能有90%的售出概率来定价。张小沛逼着他们降低到75%。

按照不同SKU、卖家和买家来细化模型，如今保卖业务的周转周期缩短到9天。效率的提升，意味着盈利空间的扩大。

难以量化的人性

算法会揭示人性有趣又隐秘的一面。

在瓜子平台上，点击量最高的，是售价140万上下的兰博基尼。这些热情的浏览主要来自新客户。尽管他们中的很多人，在看车时抱着10万块的心理预算；而实际成交最多的，是手动档的五菱宏光，均价2至3万，其貌不扬的面包车。

为什么那么多人搜兰博基尼？

理由可能很多样。比如：

“万一兰博基尼8万8呢！”

又比如：                                                                                  

“我想看看郭美美坐的车什么样！”

看吧，这就是人性。

然而对于算法，这些数据却是“噪音”。它只关心真正能让你打开钱包的信息。

这也是为什么，虽然张小沛是个喜欢给工程师减压的CTO，却对一件事格外坚持——她强制要求工程师定期下一线调研，去了解业务，去接地气。

张小沛相信，一线才能看到生意里关于人性的秘密，这些看似不起眼的地方，往往又是决定成败的关键。

这种想法，源自在城市经理站点的考察。

她发现，一间办公室里，总有几张桌子堆满了鲜花和巧克力。桌子的主人通常是年轻的女孩，掌握着调度任务的“生杀大权”。所有评估师和销售都想同她们搞好关系，这样可以分配到更好卖、抽成更高的二手车。

张小沛对其中隐秘的权力感动震惊。

“我得让这种权力下岗，”她在一次分享中说。

她用算法取代了小姑娘，没了鲜花和巧克力，平台的效率和权力通过算法更加集中。

“相对于纯线上业务，瓜子是O2O场景，它带给我们算法团队最大的冲击，就是如何平衡人性的部分。你知道，人性是最难以量化的。这不像今日头条的算法，我们需要更多跟人的磨合，以及更长的反馈时间。”

不过这很难。

算法无限逼近准确的前提，是将一切能影响到结果的变量标准化。然而，总有一部分人为的、偶然的变量，会超出算法，甚至工程师们的常识范围。

2016年下半年，瓜子上线针对销售的调度系统。

每个销售都有自己的画像。比如，某个人可能是适合卖日系车、中档价位、SUV的，甚至更擅长跟知识分子型客户打交道的……瓜子希望算法能知人善用，把更适合不同销售的任务，有针对性地分配出去。

“我们想得挺美的，但下去走一圈，发现系统是有漏洞的，很多城市经理私下在调整任务分配。有些事，超出了算法的考虑范畴。”

后台显示销售A以往卖日系车成绩斐然，于是A又分到了一辆日系车。结果张小沛发现，以往A的日系车卖单，并不是自己完成的，譬如最近的这单，城市经理把它订单分给了销售B完成。

但系统对这一切并不知情，后台里呈现的销售A，永远是日系车冠军。

“姐，我肯定得调啊。”城市经理对张小沛解释，“这位买家跟B的老家是郊区同一个县城的老乡，B去卖，他俩肯定更容易建立亲近感。”

在另一个案例中，这位经理发现，卖车的夫妻二人，妻子性格强势，在背后做主家庭决策者。巧在这位妻子刚生完孩子，而销售B也是个刚生产完的女生。尽管从后台看，以往B卖这款车的概率并不高，但经理相信，销售B更能搞定这位妻子。

“这带给我很大的冲击。我们算法团队得下去调研，去采访真正在一线的主管、城市经理和销售，看看他们撮合交易的过程中考虑的变量到底是什么，然后想办法把这些数据结构化，在系统里面把它呈现出来，考虑到算法模型里面去。好多这种冲击的地方。”张小沛说。

晚些时候，e代驾的司机会把郭桐刚验过的黑色SUV，开进保卖车场。顺利的话，9天内，它的钥匙就会被交到新车主手里。

在三公里的范围内，郭桐这一天还会被分配到7单他擅长的、路径规划更省时的验车任务，亲手把它们的数据送入系统。

根据瓜子提供的数据，瓜子平台日均看车的UV是500万。随着数据量越滚越大，算法的智识在增长，撮合的效率也在提升。平均每个发生交易的保卖客户，成交前看车的次数是不到2次。

我问张小沛，你认为算法卖车的边界是什么？

她回答我，“现实的商业世界，依旧有很多偶然性在里面。在这种小数据集上，怎么保证你的模型本身有足够的勇气继续往前走，这里需要很多群体的决策和智慧。”（文中“郭桐”为化名）

 

文/孙然 36氪