京公网安备 11010802034615号
经营许可证编号:京B2-20210330
车轮互联关勇打造以大数据为核心的开放平台
面对汽车电商风口的到来,2015年5月7日,易观智库联合奥美国际举办了汽车产业互联网峰会。大会邀请行业人士共同探讨了“互联网+汽车”时代的机遇和挑战。下午,车轮互联联合创始人关勇做了主题演讲,与大家分享了相关的前景和发展。
从工具到社区到服务平台的商业模式
谈到车轮互联,大家脑袋里第一时间想到的就是这个图案,车轮不是卖轮胎的公司,我们是一家互联网公司,没有任何线下的团队在做任何线下的事情。到目前为止车轮已经成立两年多,我们有超过1.5亿的APP下载量,现在月活跃用户超过2300万,现在有十及款垂直于移动端的满足车主的生活服务产品。能够在移动端满足用户360度车主的汽车需求。经过两年多的发展,我们在线上的运营和推广过程中,也摸索出了一些经验,迄今为止我们在IOS常年在前几十名,在安卓应用市场里面都是S级和A级的应用。我们也跟很多大佬建立深度的合作,不是为了赚钱,也不是为了通过大佬获取更多的流量和用户,合作的原因,能够跟大佬合作证明了我们有这个服务能力,通过大佬为我们的服务能力做背书。车轮在成立的初始,未来基于车轮的发展我们要经历哪几个阶段,规划了三个阶段,第一个阶段我们会先做工具,先做工具的原因是什么,因为工具很容易找到用户的痛点,满足用户在某一个垂直领域的垂直需求,我们做工具用了两年的时间,现在是中国汽车移动互联网端最大的平台,积累了海量的用户。我们希望在第二个阶段我们能够做一个平台,基于移动端的平台,智能匹配用户,用户属性、用户需求的平台。能够产生社交关系的,能够引导用户产生更多并发性行为,所以我们要做社区。我们要做一个基于车主服务的社区,我们要体现出我们社区的主属性,体现出我们社区的主导性。谈到社区要做的车主社区不是伪命题,在今天我们看到有车友会,车主和车主之间会基于对方车会认同这个车,能形成一定的社区和社交的范围。我们的社区没有诞生之前我们已经基于工具有了很粗的大腿,我们的工具,这些工具的用户都会成为社区里面的种子用户。在第三个阶段,我们希望去做一个服务平台,以车轮作为纽带,移动互联网作为载体,把很多线下,优秀的合作伙伴聚集到车轮的平台上,通过车轮的平台给我们线上用户提供更多优质的线下服务,做一个很好的合理的有逻辑的整合,我们的用户在线上,服务和体验得到进一步的升级,让我在线下的合作伙伴得到更多的商业机会和商业模式的创新。
价值化和标准化是服务的前提
能够做服务平台也要具备几个前提,我们给线下的合作伙伴输出价值的能力,迄今为止我已经跟很多线下平台方的合作伙伴都有合作,在新车、二手车、保养、车险各个领域里面我们都做了很多的测试。给我们的合作伙伴提供价值的能力是非常强的。举个例子,我现在是易车除了自己的主平台以外最大新车交易例子来源,我每天会有数万辆的,我提供二手车的例子可能超过58、或者赶集,第一个要给合作伙伴创造足够多的价值。第二个是要足够理解市场。最早两年多之前,我跟我的合伙人都是做游戏的,我们根据不懂汽车市场,我们可以跳出这个圈子用第三方的眼睛看这个市场,看产品创新,未来怎么玩,我们在用游戏的方法在玩汽车产品。
第一阶段对接所有的服务都是标准化的服务,合作伙伴赢、我们赢、我们的用户赢。有三个点,工具的特点是可以快速吸引大量用户的下载,大量的流量,把工具进行双向的分发,一方面分发到社区,同时会把工具的用户带到服务的平台里,让用户在服务平台里面得到更好的服务。同时在社区的互动板块摘离出来,让服务平台不至于变成干巴巴的服务导航。同时把服务平台以后服务板块摘出来,让整个平台的服务属性变得更强。
数据产品化是发展的方向
车轮是家移动互联网公司,对我们来说最重要的不是市场,不是BD而是产品,一直秉承几个大的原则,所有的产品都是给用户提供服务的,无论是社区、工具都是提供服务的。在基于差异化服务的基础上,所有的用户行为希望数据化,在拿到用户在产品体验过程中的大数据不是要卖钱,要商业化,要看到我们的缺点在哪里,优点在哪里,同时优化我们的产品。数据产品化是我们一直很坚持的一个点。
在移动互联网时代我们认为快是很重要的,我们认为移动互联网是唯快不破的,要抓重点,抓住足够多的重点才能有足够多的精力去做足够对的事情。创新,当然在中国创新是有风险的,要不要创新,我认为还是要创新。数据,一定要全盘思考,不要决定一个点。车轮是家数据公司,让我们看到风险在哪里,未来怎么做,我们做的所有事情都是以数据为核心的,做开放平台。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14