【2018.3】從一個架空的業務場景討論非標準服務的定價因素與什麼算「大數據殺熟」

TL;DR

• （沒有。本文討論的就是細節里的魔鬼啊，怎麼會有摘要）

題外話

最近「大數據殺熟」的聲音又開始起來，所以作為一個提供非標準服務行業的從業者，我就蹭熱度來寫一下這裡面到底有哪些神奇的因素導致你看到的價格這麼「不穩定」。

不過由於最近各個公司的法務和PR越來越強勢，我這裡還是舉一個架空的業務場景來討論吧……

這裡說下這裡的非標準服務的範圍：

主要指服務的成本每次可能有較大差異，例如打車這種和距離、時間、是否高峰時期、是否夜間、是否由遠途費、乘客對路線的喜好等因素都有關。像到飯店點菜，菜可以不同這個不算這裡的非標準。

業務場景設定

假設有個公司提供攜帶導盲犬的盲人的接送服務，這個服務包括：

• 可以手機端App叫車，類似現在網約車。（咦，怎麼感覺有點奇怪……）
• 為了讓人和犬乘坐舒適，車型是定製的，乘客坐後排，且專門有犬的位置。
• 司機提供上車前的門到車護送和到達目的地的車到門護送。
• 乘客可以選擇乘車路線，可以自己折中價格和時間。（怎麼還有點奇怪）
• 乘客和司機可以雙向評分，並且會避免互評低的司機和乘客再次匹配。
• 乘客、犬、司機、以及第三方的傷亡保險。
• 在乘客註冊時需要填寫身份信息和導盲犬的信息。同一個乘客在不同手機上的賬號會被當成是同一個賬號。（所以這裡沒有什麼2個無差別的空白賬號的概念）

成本與定價因素

我本人是信奉【單次服務定價應該反應本次服務的成本】的，所以本文不嚴格區分預估成本、預估價格、實際成本的數學期望、保險成本的數學期望、保險費用這幾項概念。

下面列舉一下該場景下的各種成本：

• 接駕成本。由於用戶量較少，城市內需要的司機不多，所以平均接駕距離很長，成本不能無視。通過訂單費用由乘客負擔，最終支付給司機。
• 護送成本。接送時候的護送時間成本、停車費。通過訂單費用由乘客負擔，最終支付給司機。
• 行程中成本。簡單起見以距離和時間總和計費。通過訂單費用由乘客負擔，最終支付給司機。
• 保險成本
• 在和乘客無關時期司機導致或受到的各種以外損失，通過保險形式由司機負擔。
• 行駛中由於交通事故車輛和司機受到的損失，通過保險形式由司機負擔。
• 行駛中由於非乘客原因的交通事故導致的乘客和犬受傷，通過保險形式由司機和乘客分攤負擔。
• 在過程中，犬對司機、車輛和第三方導致的攻擊導致的損失，通過保險形式由乘客負擔。
• 服務過程中，乘客由於非外部原因導致的疾病突發導致的損失，通過保險形式由乘客負擔。

整個費用最終都由乘客通過訂單費用負擔。訂單費用首先扣除各種乘客負擔的各種保險外，平台扣除一部分抽成，然後交給司機。司機自己要周期性的在平台上購買他所負擔的那部分保險。

接駕過程中的在導航給定路線的情況下，距離是固定的，時間由路況決定，由系統給出預估費用。在訂單未發出時，還要考慮由於具體接駕司機的不確定導致的差異。

護送成本是不確定的，基本完全有乘客居住位置、移動速度、上下樓時間、附近是否由免費停車點等因素決定的，這些因素基本只與乘客有關。在預估費用時，由系統根據周圍情況和乘客自身歷史打車數據來進行估計，給出一個預估成本。

行駛成本是不確定的，由乘客選擇的路線和當時路況決定。

保險成本都是某種可能不會發生的事件和發生後損失不確定因素的的預估期望成本，按前所描述的責任關係進行分攤。

如何判定大數據殺熟？

那麼現在假設有兩個用戶，這兩個用戶都從同樣的小區去另一個同樣的小區，小區入口出入方式也一致，但居住的樓和樓層不同，養的導盲犬也不同。此外一個用戶使用了1年，另一個用戶剛使用了1個月左右。

假設他們某天在小區里碰面，同時打開兩個手機，這兩個上對於同樣的起終點看下預估價格，結果發現費用有明顯差別，那我們能說這是大數據殺熟或者殺「生」么？

不能，因為下面任何一個因素都可以導致這個預估費用差別：

• 兩個乘客對附近司機的偏好不同，而滿足各自偏好的最近司機到這裡的接駕成本不同。
• 兩個乘客的護送成本有差異。
• 兩個乘客的導盲犬的攻擊風險有差異。
• 兩個乘客自身健康情況不同，在路上突發疾病的風險有差異。
• 兩個乘客偏好的路線不同，所以行駛成本的數學期望也不同。
• 兩個乘客偏好的路線不同，而各自偏好路線上的交通事故風險不同。

如果這兩個人分住在不同的小區，現在只是一個人跑到另一個人家串門，那麼產生差異的因素還有：

• 兩個乘客對附近環境的熟悉程度不同，導致司機接駕成本和護送成本有差異。
• 兩個乘客的導盲犬對附近熟悉程度不同導致的護送成本和攻擊風險差異。

然後我們再來看司機側，假設兩個司機休息時討論他倆的保險費用，發現不同，能說明是大數據殺熟么？不能，因為下面任何一個因素都可以導致這個保險費用差別：

• 兩個司機駕駛習慣不同，所以出交通事故的風險不同。
• 兩個司機對導盲犬的友善度有差異，所以被導盲犬攻擊的風險不同。
• 兩個司機熟悉和平時接單的區域不同，不同區域的交通事故風險和乘客的平均意外傷亡風險不同。
• 兩個司機在護送階段對乘客的看護不同，導致護送階段乘客出意外的風險不同。
• 兩個司機偏好的乘客不同，導致各自接到的乘客在訂單中出意外的風險不同。

所以，我的結論是，如果你不給我看一個非標準服務的系統實現，我光憑用戶端的各種對比測試是判斷不了他是否做了大數據殺熟的。