打車不再加價?大數(shù)據(jù)說可以有

5 評論 7451 瀏覽 34 收藏 14 分鐘

高峰期打車的供求關(guān)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(yù)估轉(zhuǎn)化率,結(jié)合乘客的競價來分配給相應(yīng)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(xí)慣拿起手機準(zhǔn)備叫個車,卻總是被打車應(yīng)用扔來一枚炸彈,把我們炸回現(xiàn)實,沒有一點點防備:

11

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(jīng)地思考一下。

問題分析

高峰期為什么會漲價?廢話,當(dāng)然是因為高峰期乘客多,車輛供不應(yīng)求啊。這是最最基礎(chǔ)的經(jīng)濟規(guī)律。這個經(jīng)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(zhì)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(diào)控

我們先對高峰期加價定個性:這不是帕累托最優(yōu)的調(diào)控策略,因為:

  1. 加價嚇走了很多乘客(需求沒被滿足);
  2. 加價沒有快速吸引來更多的司機
  3. 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(fēng)險。

理想的調(diào)控目標(biāo)是:

  1. 不加價或者少量加價讓乘客打到車;
  2. 司機都能拉到想拉的乘客,不空駛,賺更多的錢;
  3. 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(dá)到這個理想的目標(biāo),加價只是一種供求失衡的事后彌補的手段,我們應(yīng)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(yīng)對每一個上下班的洪峰來襲。

要解決高峰期打車應(yīng)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(dǎo)到稀缺的區(qū)域來;
  • 如何把市場需求從過旺的地方引導(dǎo)到冷門的區(qū)域來。

第一個主體方案,現(xiàn)在打車應(yīng)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(zhǔn)匹配起來。

第二個方案是一個輔助方案,就是引導(dǎo)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(dǎo)中關(guān)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(gòu)想一下解決高峰期打車問題的主要模塊:

  1. 供求關(guān)系預(yù)測系統(tǒng)
  2. 動態(tài)調(diào)度系統(tǒng)
  3. 司機偏好挖掘
  4. 乘客偏好挖掘

其關(guān)系如下:

22

乘客偏好挖掘

平臺方需要對用戶進(jìn)行挖掘,掌握乘客的這些方面:

  1. 是否是愿意用時間換取合適的司機的人
  2. 是否是愿意用金錢換取合適司機的人
  3. 是否是通勤用戶
  4. 常去目的地
  5. 愿意接受的加價倍數(shù)
  6. 用戶價值

司機偏好挖掘

  1. 司機在當(dāng)前時刻是否有常走的特定路線(如回家)
  2. 司機是否更在乎賺錢
  3. 司機商圈喜好
  4. 司機家庭地址(需組合時間特征)
  5. 司機常去目的地(更為熟悉的路線)
  6. 司機偏好的獎勵類型(湊單/早晚高峰補貼/其他)

供求關(guān)系預(yù)測系統(tǒng)

該系統(tǒng)的作用是提前預(yù)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(mào)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(yù)測正常訂單量

綜合這些因素及其組合,可以預(yù)估某個區(qū)域的訂單趨勢,同時實時地結(jié)合該區(qū)域已有的司機數(shù)量,計算出預(yù)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(guān)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(zhì)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(yīng)答率。為此,系統(tǒng)需要用到司機端和目標(biāo)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(biāo)區(qū)域之間距離
  • 司機去目標(biāo)區(qū)域的時間成本
  • 司機的商圈喜好
  • 司機當(dāng)前已接單的目的地方向
  • 司機當(dāng)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(biāo)區(qū)域的地理位置
  • 目標(biāo)區(qū)域的訂單特征(路程長短、目的地分布等)
  • 目標(biāo)區(qū)域的擁堵情況

提前調(diào)度過程如下:

33

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

前兩個模塊用于計算應(yīng)答率最高的司機名單;廣播量預(yù)測模塊需結(jié)合目標(biāo)區(qū)域的訂單量(預(yù)測值)和司機應(yīng)答率(可結(jié)合歷史經(jīng)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(yīng)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(yīng)答行為也可以用于調(diào)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(dǎo)到資源緊張的區(qū)域,具體策略下期細(xì)討論。

調(diào)度系統(tǒng)

車輛調(diào)度系統(tǒng)本質(zhì)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(zhuǎn)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(zhì)是在做匹配,為了提高訂單轉(zhuǎn)化率。這個推薦任務(wù)是把當(dāng)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(shù)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(zhì)上是在為自己買一個司機廣告,本質(zhì)上也是在計算轉(zhuǎn)化率,并考慮到乘客愿意提出的競價來進(jìn)行綜合排序,把預(yù)估轉(zhuǎn)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(dāng)前場景下的供求關(guān)系預(yù)測結(jié)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(dāng)日的成交單數(shù)(滿足司機湊單需求)
  • 司機當(dāng)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(rèn)加價,乘客可自己增減)

整個匹配過程如下:

45

調(diào)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:

  1. 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;
  2. 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;
  3. 第三個層次是可能有傷害,但風(fēng)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(yù)估訂單轉(zhuǎn)化率,給司機推送他最想接的訂單。這是結(jié)合推薦系統(tǒng)和廣告系統(tǒng)的綜合調(diào)度系統(tǒng)。

不論是調(diào)度系統(tǒng)是一個廣告系統(tǒng)還是推薦系統(tǒng),調(diào)度系統(tǒng)的框架就是計算匹配的可能性以及乘客應(yīng)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(diào)度框架中,以提升訂單轉(zhuǎn)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(jìn)行訪談,比如系統(tǒng)預(yù)測可調(diào)度性高的司機,但并沒有應(yīng)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(diào)度系統(tǒng)的改進(jìn)。關(guān)于如何設(shè)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(jié)

高峰期打車的供求關(guān)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(yù)估轉(zhuǎn)化率,結(jié)合乘客的競價來分配給相應(yīng)的司機了。這個框架下,最重要的是調(diào)度系統(tǒng),乘客分析、司機分析。

但是,如果實在是你不想進(jìn)行這么復(fù)雜的設(shè)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(diào)度每一輛車了,而不是通過利用司機的人性來達(dá)到推廣目的。

 

作者:吳迎賓(個人微信號:kudoss),優(yōu)酷個性化推薦產(chǎn)品線負(fù)責(zé)人,5年互聯(lián)網(wǎng)產(chǎn)品設(shè)計經(jīng)驗,目前專注數(shù)據(jù)智能方向,同時運營個人公眾號“數(shù)據(jù)森林”(data_forest),期待與各界朋友交流切磋。

本文由 @吳迎賓 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 優(yōu)秀

    來自浙江 回復(fù)
  2. 有些疑問,首先問題是供需不平衡,但此方案既沒有增加供給又沒有減少需求,我理解做的只是提高了轉(zhuǎn)化率,不知道作者怎么看

    來自天津 回復(fù)
  3. 很詳細(xì) 很有用

    來自安徽 回復(fù)
  4. 好詳細(xì),高逼格

    回復(fù)
  5. 能想到這些,但是您能寫的這么詳細(xì)!佩服佩服

    來自北京 回復(fù)