真相：打車軟體拼優惠，到底哪家強？

PMCAFF：最大互聯網產品社區，是百度，騰訊，阿里等產品經理的學習交流平台。定期出品深度產品觀察，互聯產品研究首選。

問：「打車軟體哪家強？」

答：「9公里以內，用Uber；9-16公里，用滴滴；16公里以上，用易道。」

這一「打車省錢攻略」在微博引發了熱議，連馮大輝都給出了服氣的結論。

但是，這個錯誤的結論我並、不、服、氣！

那麼，打車軟體的正確打開方式是怎樣的呢？

答：短距離下Uber最便宜；46.6公里以上，易到則是最優選擇。

▍為什麼這個結論是錯誤的？

雖然原po細心的考慮到了優惠活動。但是卻忽視了打車軟體使用中的兩個特點：不確定性和不持續性。

• 不確定性

實際上，不同城市的同一打車軟體，採用的收費標準並不是完全一樣的。比如在昆明Uber的4.18元/公里，0.4元/分，但當城市切換到廣州，這一數字立刻會變成1.7元/公里，0.55元/分。

• 不持續性

打車軟體中的優惠活動並不是都是長期的，並且還會隨著用戶打車次數的積累發生變化。

那如果是同一城市呢？也有可能因為車型或者出發地不同，而導致優惠和資費不一樣。

下表是網友整理的廣州司機通過打車軟體能獲得的提成金額（標紅部分）。可以看出，50公里以內的距離，車速越快，Uber越省錢；當距離超過50公里，高速的易到更值得推薦。

數據來源：廣州市人民政府國有土地上房屋徵收辦公室

這時候，有人問了，你剛不是說了不同城市的資費標準有差異嗎？怎麼又用廣州的專車來當結論了呢？這要是再加上實際打車中的時段運營和車費溢價，這特么以後還能愉快的按照攻略打車嗎？

雖然這些標準、優惠和溢價本身具有不確定性。

但並不是不能找到最合適打車方法的。

▍首先，我們先來計算一下，在沒有優惠和溢價情況下打車的費用。

為了方便，我們將城市選定在帝都。一般來說，打車的基本費用包含「起步價」、「用車時長」和「路程總長度」，車費由三者共同核算，具體費用依據不同城市選擇的不同車型而定。服務過程中產生的高速費、過路過橋費、停車費、夜間服務費及長途服務費等需要客戶額外支付。

目前、Uber、滴滴、易到的資費標準是：

我們依舊將路程設定為a，時間設定為b。不考慮優惠時，以最普通車型為例。

假設車速20km/h為臨界值，那麼，大於20km/h為非高峰時段，小於20km/h為高峰時段。僅從數值上，我們可以得到一個等式b=3a。

先來看看Uber和滴滴：

8+1.5a+0.25b-（6+1.8a+0.5b）>0

則a<1.9

可以得出第一個結論，在不超過1.9公里的情況下，選擇滴滴。

再算一下Uber和易道：

8+1.5a+0.25b-（15+2a+0.4b）>0

則a>46.6

得出第二個結論，在大於46.6公里的情況下，選擇易到。

並且，我們可以計算出，超過20公里，易道實際費用為55+0.4b+0.5(a-20)=45+1.7a

誒？這好像跟你剛提出的結論並不一樣啊！

先別急，接下來，我們要說的就是專車費用計算的動態定價了。

▍動態定價模型：供求曲線

由於轉車的供應和需求都有極大的彈性，建立一個動態定價模型就顯得十分必要了。

就需求方而言，在兩個方向上都具備高度彈性。其一，當價格升高後，直接使需求量相應減少。其二，當價格降低後，需求量也會立即增加。

演算法會根據供需自行進行調整，當需求大於供給，則自動提高價格，減少需求，提高供給，使得供需達到一個動態平衡。從圖形來看，動態定價時，Q點總會比常態價格的更靠右，用戶能打到車，實際是因為供給增加了。

目前Uber在京的優惠活動在10元左右。通過計算我們可以發現，在1.9公里以內，這個車費完全可以被優惠力度全覆蓋，而滴滴的優惠則只有50%的幅度。

對此，Uber也很是自信。

Uber7月12日新海報豪氣放話：不用比價了

▍此外除了收費，服務也是考察打車軟體好壞的另一個因素。

我將三家的特點大致羅列如下：

Uber的本地化其實做的並不好，而且不能預約也在一定程度上限制了它的使用場景，其核心競爭還是在於演算法突出，自成一套服務體系；但本土化的易道、滴滴則是通過搶單的方式，把用戶和司機放在了對等的位置。從這一點來說，調研中，司機多傾向於滴滴也就不奇怪了。

@羅文 滴滴出行 高級產品總監

現在還有很多地方做的不行，雙邊平台確實就是平衡，因為缺誰都玩不了了，但是要知道，永遠都是不完全平衡的，所以這時候就出現各種問題，那麼怎麼辦呢？運營規則再多，也無法比實際的波動多比實際的變化快。所以這時候就需要機器學習了。

比如上述的情況，當然前提是要做一些運營規則，什麼樣的服務應該提供，而不是所有的投訴都應該成立，比如有乘客讓司機逆行，不逆行就投訴了。。。中間最好能夠通過自動化的手段去處理雙邊的糾紛，比如識別繞路、遲到、爽約等等，做到平衡。

那在這個基礎上，如何讓雙邊的價值更平衡，其實就是市場經濟，調價。調價不是目的，而是手段。在任何時間空間類別不平衡的情況下，價格因子將進行波動，而這個因子將連接上外圍，讓其變動恢復原價。比如下雨天，司機開車變得危險，乘客需求變得旺盛，那麼有些司機會因此選擇在家歇著，減少外出，那麼這時候供需關係會劇烈變化，那麼某些地方會尤為嚴重，價格可能會有N倍提升，但是這時候這個信息應該告訴周邊的沒有上線的司機，驅動前往，從而供需關係得到緩解，從而恢復。同理，如果車輛很多，但是需求不旺盛的情況下，也有可能反向價格，現在出門更划算。通過機器學習做到自動化的平衡，不斷保持合理的供需比。

▍打車or開車，不只是你的難題

看到這裡，很多咖友開始高呼Uber大法好了。

但每個月總有那麼幾天，並不想開車。比開車更便宜的Uber自然成了首選。

但是何時開車，何時Uber也是有攻略的。

@張雲聰 百度構架部 工程師

暫時考慮以Uber價格每km 1.5元+每分鐘0.25元為例，行駛速度暫認為是40km/h。

油價6毛每km，車10年報廢來算。車價為設定為y，每日出行平均距離為x。

按現行各保險公司報價，10萬、20萬、30萬、40萬的車保險價格分別為2500、3700、5100、6200。

暫不考慮車位、保養、停車費、買車預交款所產生的利息及機會成本、油價變更風險等因素。

則，使用uber每年開銷為：(1.5*x + 0.25 * x / 40)*365

自己買車開銷為：y/10 + x * 0.6 * 365 +保險費

寫個程序來畫個圖看看：

import numpy as npimport matplotlib.pyplot as pltdist = np.linspace(0, 100, 200)car_prices = [100000, 200000, 300000, 400000]premiums = [2500, 3700, 5100, 6200]cost_use_uber = (1.5 * dist + 0.25 * dist / 40) * 365cost_buy_a_car = [ car_prices[i] /10 + 365 * 0.6 * dist + premiums[i] for i in xrange(len(car_prices)) ]plt.plot(dist, cost_use_uber, label = use uber)for car_price, cost in zip(car_prices, cost_buy_a_car): plt.plot(dist, cost, label = buy car (%s RMB) % car_price)plt.xlabel(distance per day (km))plt.ylabel(cost per year (Yuan))plt.legend()plt.show()

可以看出，每日出行距離平均小於40km的人，使用專車便宜。

每日平均出行距離大於距離40km以上的小於70km的，買10萬左右的車會比專車省錢。

每日平均出行大於70km買更貴些的也會比專車省錢。

如果把前面沒考慮的車位、利息、保養、過路、停車等費用考慮進去，則以上距離數字都該再放大不少。

▍小調查

看完這篇文章，相信你對於如何選擇交通工具已經有了自己的想法。

快來和大家交流下 => 你在出行時會選擇哪家互聯網出行服務？理由是什麼？

擴展閱讀：

Uber的產品和演算法到底牛逼在哪裡？

滴滴在產品規劃中如何平衡對雙邊用戶的傾斜？

推薦閱讀：