二手车估值瓶颈,车虫网大数据解决

idata

现在市面上的二手车交易，最大问题是中间环节多，黄牛泛滥，导致二手车价格信息混乱，让车主无所适从。按道理来说，私人对私人的买卖是最直接的，也最节省交易成本的。如果你想卖车，恰好身边又刚好你熟悉的朋友想买，彼此之间相互信任，买家对车况也满意，那么恭喜你，多半可以卖到一个满意的价格。但这种事情，只能凑巧，如果只想靠这条路子把车卖出去，那你得有足够的耐心。

熟人遇不到，自己在网上找个人卖掉总可以吧。网上买卖二手车最大的难点在于“估值”。评估二手车，需要掌握车辆的以下信息，缺一不可：车子的品牌，型号，颜色，排量，配置（一般车子会有高中低配之分），购买时间（最好精确到月），行驶里程数，是否过户过（几手车），保养情况，事故情况等等。

但由于缺乏权威的二手车价值评估机构，卖家往往隐瞒信息，导致估值难或估值不准确，买家不敢轻易交易的情况。仔细分析中国目前二手车市场的大环境，就会恍然大悟，在中国二手车交易缺乏标准和规矩的当下，其实是整个社会缺乏诚信的表现。

如果有一个平台能够公正公平地对二手车价值进行评估，就能促进目前国内二手车市场的发展。在目前的视野范围之内，车虫网正在解决这个问题。

【二手车评估神器是如何诞生的】

在百度里搜索“二手车估价”，排在前面位置的都是“推广链接”，这些“推广链接”指向不同的“二手车估值网站”，但大多数估值网站并不能真正反映出二手车的价值。而且，“推广”越多的行业往往越混乱，也越需要尽早建立适合这个行业的规则。

车虫网给自己的定位是“二手车评估平台”，可以深度解析二手车交易数据，并通过 “神经网络算法”，实时给出估价，为二手车交易提供可靠的估值依据。

目前互联网上常见的“二手车估价”产品大多不靠谱，基本是输入车型、所在地区、上牌时间、行驶里程4个基本信息后，得出一个预估出售的价格区间。但这个价格区间没有太强的指导性。

车虫网的二手车价格深度评估，评估范围除了上述4个关键信息外，还延伸到一辆汽车的外观、内饰、主要零部件、车辆行驶问题、车辆底盘问题、点子设备问题等多个大类近百个车况细节指标，可以说是360度全方位评估。值得一提的是，这一“二手车价值评估平台”基于大数据搜索引擎及数据挖掘技术，采用全网通数据平台，车型覆最面全、地域覆盖广泛，可以同时收集、追踪数百家合作商家及主流二手车拍卖平台的真实二手车成交价格，因此得出的结论相对有较强的参考性。

对一辆汽车评估的精细、精准度方面将有大幅度提升，对用户来说是真正意义上的“二手车估价”工具。

【二手车估值的门道与机会】

实际上，二手车估值的“门道”比想象中还要多。主要涉及这样几个方面：

一，品牌/车型车型对二手车价格影响最大，品牌一般来说从高到低排序是：合资品牌，合资自主品牌，自主品牌，进口品牌。大众、别克、现代、两田等大品牌的保值率在市场上是有保障的，而江淮、比亚迪、奇瑞等等自主品牌，保值率较低。

二，颜色：和品牌车型匹配，一般带有商务气息的车子，以黑色银色为主，家用车黑白银红也都比较常见，这样的车子保值率就会比罕见颜色的车高。

三，配置：一款车不同的配置价格差距很大，常见的30万以内家用轿车，高低配置价格差一般在3-8万左右。但评估二手车时，一般只按中低配车型的新车价来打折扣，高配车型的差价在这个评估过程中会折损的比较厉害。

四，购买时间和行驶里程数。根据使用年限和里程数，折扣会逐渐下降，如果这两项之一，有一项明显超高，那么要按照高的一项来评估。

因为市场上正在交易的二手车以大数据的形式存在于交易市场，因此获得这部分的数据也想的相当重要。这么做即保护卖家的利益，又保护了买家的权益。车虫网的机会在于，如何将这些大数据发挥更大的价值，最终变成二手车交易市场中的一个“权威机构”。

【互联网所到之处必改变原来的商业生态】

互联网与商业的结合诞生了阿里巴巴，互联网与社交的结合诞生腾讯，互联网与安全的结合诞生了360。更早一些的案例是，与资讯的结合诞生了新浪，与查询的结合诞生了百度。现在互联网与二手车交易的结合，能不能诞生下一个巨头？

目前所知道的二手车估值与交易平台车虫网暂时领先，南京的公平价、车三百、精真估等稍显微弱。二手车价值评估这一市场刚刚兴起不久，现在下结论还为时过早，但根据互联网发展的经历来看，在一定的市场环境中强者恒强是不变的定理。除非有革命性的技术或变革出现，一般很难改变当前的市场格局。

不少二手车平台为了让平台上的二手车好卖，有的打出“认证”标签，有的祭出“打折”杀招，但无论那种办法，传统的商业都玩不过互联网。车虫网推出“二手车估值平台”相当于占据了这些二手车交易平台的上游空间，无论在哪个平台上交易，最终都会用到车虫网的估值系统。

有望成为这一领域巨头，并且已经正确“卡位”的车虫网能否在二手车交易产业链中继续向上游推进，这大概是解决了“估值”问题之后，还需要解决的另一个重要问题。