打車不再加價？大數(shù)據(jù)說可以有

打車大數(shù)據(jù) 出行

吳迎賓 | 2016-10-21 11:13

【數(shù)據(jù)猿導讀】高峰期打車的供求關系不均衡的問題，一直被詬病。是否可以把打車看成一個推薦系統(tǒng)和一個廣告系統(tǒng)，通過預估轉化率，結合乘客的競價來分配給相應的司機呢

起晚了，著急去上班;下班了，著急回家吃飯;我們都習慣拿起手機準備叫個車，卻總是被打車應用扔來一枚炸彈，把我們炸回現(xiàn)實，沒有一點點防備：

這種一言不合就扔炸彈的行為，難道警察叔叔不管管嗎?考慮到警民一家親，我決定先一本正經地思考一下。

問題分析

高峰期為什么會漲價?廢話，當然是因為高峰期乘客多，車輛供不應求啊。這是最最基礎的經濟規(guī)律。這個經濟活動中，有三個博弈主體：乘客、司機和平臺方。而高峰期加價現(xiàn)象本質是：

需求和供給匹配失衡

平臺方不夠給力，只能通過加價來調控

我們先對高峰期加價定個性：這不是帕累托最優(yōu)的調控策略，因為：

加價嚇走了很多乘客 (需求沒被滿足);

加價沒有快速吸引來更多的司機

平臺方最終沒有在高峰期賺到更多的錢，反而冒了一些用戶可能會流失的風險。

理想的調控目標是：

不加價或者少量加價讓乘客打到車;

司機都能拉到想拉的乘客，不空駛，賺更多的錢;

乘客和司機都對平臺方滿意，并且平臺方賺更多的錢

為了達到這個理想的目標，加價只是一種供求失衡的事后彌補的手段，我們應該充分利用乘客和司機積累的巨大數(shù)據(jù)，挖掘其中各自蘊藏的秘密，從而幫打車平臺提前應對每一個上下班的洪峰來襲。

要解決高峰期打車應用的需求供給不匹配問題，我們需要從全局考慮兩個問題：

如何把運力資源從過剩的地方引導到稀缺的區(qū)域來;

如何把市場需求從過旺的地方引導到冷門的區(qū)域來。

第一個主體方案，現(xiàn)在打車應用的做法是粗暴對乘客加價來吸引運力，這并不是理想方法，理想方法是幫司機找到他最想拉的乘客，獲得金錢獎勵效用之外的效用，這是一個典型的推薦系統(tǒng)，將司機對訂單的訴求和乘客訂單的特點精準匹配起來。

第二個方案是一個輔助方案，就是引導那些深處訂單洪峰區(qū)域的用戶通過可接受的少量其他交通方式(步行，公交，地鐵)去到別的區(qū)域發(fā)送訂單。比如引導中關村西區(qū)的乘客步行到黃莊發(fā)送訂單，這可以稍微分散一下集中的訂單，緩解交通擁堵。

基于這些思路，我們構想一下解決高峰期打車問題的主要模塊：

供求關系預測系統(tǒng)

動態(tài)調度系統(tǒng)

司機偏好挖掘

乘客偏好挖掘

其關系如下：

乘客偏好挖掘

平臺方需要對用戶進行挖掘，掌握乘客的這些方面：

是否是愿意用時間換取合適的司機的人

是否是愿意用金錢換取合適司機的人

是否是通勤用戶

常去目的地

愿意接受的加價倍數(shù)

用戶價值

司機偏好挖掘

司機在當前時刻是否有常走的特定路線(如回家)

司機是否更在乎賺錢

司機商圈喜好

司機家庭地址(需組合時間特征)

司機常去目的地(更為熟悉的路線)

司機偏好的獎勵類型(湊單/早晚高峰補貼/其他)

供求關系預測系統(tǒng)

該系統(tǒng)的作用是提前預測某個區(qū)域在某個時間段可能出現(xiàn)的訂單數(shù)量。訂單數(shù)量受多個因素的影響：

1.時間

比如：上下班高峰期、節(jié)假日、周五下午、企業(yè)可報銷打車的臨界點、電影院散場時間等等

2.地點

比如，帝都著名的三環(huán)國貿段、北醫(yī)三院的花園路、下班時期的后廠村路等，地點的區(qū)域類型。

3.天氣

突發(fā)陣雨、下雪等你能想到的各種惡劣天氣

4.路況

修路、臨時交通管制等

5.同期平均通勤人數(shù)

熱門區(qū)域通常有大量的通勤人數(shù)，可以很好預測正常訂單量

綜合這些因素及其組合，可以預估某個區(qū)域的訂單趨勢，同時實時地結合該區(qū)域已有的司機數(shù)量，計算出預估的供求比。如果供求比緊張，可以提起給常用用戶發(fā)送報警push，提醒他們錯峰下班;另一邊，還提前通知司機端目前閑置的運力，趕往供求比比較緊張的區(qū)域。

關于如何選擇被通知的司機，大數(shù)據(jù)也可以發(fā)揮重要作用。本質上是要把合適的區(qū)域匹配給合適的司機，并提前推送告知。而推薦系統(tǒng)的核心價值是挖掘潛在司機，不斷提高應答率。為此，系統(tǒng)需要用到司機端和目標區(qū)域(供求失衡區(qū)域)的特征數(shù)據(jù)。

需考慮的司機端的即時場景特征有：

司機與目標區(qū)域之間距離

司機去目標區(qū)域的時間成本

司機的商圈喜好

司機當前已接單的目的地方向

司機當日的成交單數(shù)(滿足司機湊單需求)

需考慮的供求失衡區(qū)域的即時場景特征有：

目標區(qū)域的地理位置

目標區(qū)域的訂單特征(路程長短、目的地分布等)

目標區(qū)域的擁堵情況

提前調度過程如下：

整個過程包含5個模塊：召回潛在司機、預估司機應答率&排序、廣播量預測、廣播司機以及統(tǒng)計與反饋。

前兩個模塊用于計算應答率最高的司機名單;廣播量預測模塊需結合目標區(qū)域的訂單量(預測值)和司機應答率(可結合歷史經驗)計算需廣播的司機數(shù)量;統(tǒng)計與反饋模塊用于實時收集司機應答率并反饋給系統(tǒng)用以補充候選司機名單，同時司機的應答行為也可以用于調整整個推薦系統(tǒng)的召回與排序模型。

另外，除系統(tǒng)主動廣播司機外，還可以有一只“看不見的手”提前將運力資源過剩區(qū)域的司機在分派單策略中實現(xiàn)逐步引導到資源緊張的區(qū)域，具體策略下期細討論。

調度系統(tǒng)

車輛調度系統(tǒng)本質上是一個推薦系統(tǒng)和廣告系統(tǒng)的合體，把訂單推送給最合適的司機，以提高轉化率，讓乘客，司機，平臺三方的博弈趨向均衡態(tài)。

說他是個推薦系統(tǒng)，是因為它本質是在做匹配，為了提高訂單轉化率。這個推薦任務是把當前訂單推送給最適合、最可能的司機。把這個想成是推薦系統(tǒng)，可以解決那些不愿意加價而愿意等待的用戶的需求。推薦系統(tǒng)這邊，需要大量用到挖掘到的乘客偏好和司機偏好，然后用技術手段將兩者匹配，而不是統(tǒng)統(tǒng)加價。

一旦用戶愿意主動加價，那我們又說他是個廣告系統(tǒng)，是因為用戶加價后本質上是在為自己買一個司機廣告，本質上也是在計算轉化率，并考慮到乘客愿意提出的競價來進行綜合排序，把預估轉化率*加價作為最終輸出的排序因素。

推薦和廣告需要用到乘客端和司機端的各種偏好數(shù)據(jù)，以及當前場景下的供求關系預測結果。

需考慮的司機端即時場景特征有：

司機與目的地之間距離

司機去目的地的時間成本

司機當日的成交單數(shù)(滿足司機湊單需求)

司機當前已接單的目的地(商圈、區(qū)域、方向)

同時還需要考慮乘客端的即時場景特征：

乘客愿意等待時間

乘客是否愿意拼車

乘客所去目的地(商圈、區(qū)域、方向)

乘客愿意接受的加價(一般是系統(tǒng)默認加價，乘客可自己增減)

整個匹配過程如下：

調度過程分為召回訂單和訂單排序推送兩個階段。從司機端來說，召回訂單分為三個層次：

第一個層次是召回個性化的訂單，不加價的情形下滿足長尾和個性化需求;

第二個層次是召回具有附加值的訂單，包括有現(xiàn)金加價的，高價值用戶的訂單，通勤用戶訂單;

第三個層次是可能有傷害，但風險略低的訂單，也是為了滿足核心需求之外的訂單，包括為司機贏取獎勵或者升級湊單;臨時訂單(低頻用戶的訂單，非通勤用戶訂單);愿意等待的用戶根據(jù)等待時間長短優(yōu)先召回。

逐級為司機召回訂單，并預估訂單轉化率，給司機推送他最想接的訂單。這是結合推薦系統(tǒng)和廣告系統(tǒng)的綜合調度系統(tǒng)。

不論是調度系統(tǒng)是一個廣告系統(tǒng)還是推薦系統(tǒng)，調度系統(tǒng)的框架就是計算匹配的可能性以及乘客應該付出的代價?；谶@個框架，不斷去發(fā)掘乘客取消訂單的原因，不斷發(fā)掘司機不接訂單的原因，把這些原因作為特征加入到調度框架中，以提升訂單轉換率。

如何發(fā)掘司機不接訂單的原因，可以通過數(shù)據(jù)挖掘一批司機進行訪談，比如系統(tǒng)預測可調度性高的司機，但并沒有應答，或者比如明明在空駛，推送訂單卻不被司機接受，這些原因需要深入分析司機背后的心理來決定調度系統(tǒng)的改進。關于如何設計有效的用戶訪談，可以參看《精益數(shù)據(jù)分析》第15章。

小結

高峰期打車的供求關系不均衡的問題，一直被詬病。我們提議可以把打車看成一個推薦系統(tǒng)和一個廣告系統(tǒng)，通過預估轉化率，結合乘客的競價來分配給相應的司機了。這個框架下，最重要的是調度系統(tǒng)，乘客分析、司機分析。

但是，如果實在是你不想進行這么復雜的設計和計算，那么也不要氣餒，無人駕駛可能馬上就到來了。一旦實現(xiàn)無人駕駛，就可以完全用計算機去調度每一輛車了，而不是通過利用司機的人性來達到推廣目的。

來源：人人都是產品經理

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關內容都會注明來源與作者；轉載我們原創(chuàng)內容時，也請務必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責。