首页>>电商资讯 >>列表

扒皮:网传打车软件哪家强,真相是这样的......

2020-09-13 17:59:03 字号:

 

Ecshop模板堂,电商系统及服务提供领导品牌!专注于、、等电商解决方案,助力千万企业早日实现电子商务!

  问:“打车软件哪家强?”

  答:“9公里以内,用Uber;9-16公里,用滴滴;16公里以上,用易道。”

  这一“打车省钱攻略”在微博和朋友圈引发热议,但是,这个错误的结论我并!不!服!气!

  

打车1.jpg

  为什么这个结论是错误的

  虽然原po细心的考虑到了优惠活动。但是却忽视了打车软件使用中的两个特点:不确定性和不持续性。

不确定性

  实际上,不同城市的同一打车软件,采用的收费标准并不是完全一样的。比如在昆明Uber的4.18元/公里,0.4元/分,但当城市切换到广州,这一数字立刻会变成1.7元/公里,0.55元/分。

  

不持续性

  打车软件中的优惠活动并不是都是长期的,并且还会随着用户打车次数的积累发生变化。

  那如果是同一城市呢?也有可能因为车型或者出发地不同,而导致优惠和资费不一样。

  下表是网友整理的广州司机通过打车软件能获得的提成金额(标红部分)。可以看出,50公里以内的距离,车速越快,Uber越省钱;当距离超过50公里,高速的易到更值得推荐。

  

打车2.jpg

  数据来源:广州市人民政府国有土地上房屋征收办公室

  这时候,有人问了,你刚不是说了不同城市的资费标准有差异吗?怎么又用广州的专车来当结论了呢?这要是再加上实际打车中的时段运营和车费溢价,这特么以后还能愉快的按照攻略打车吗

  虽然这些标准、优惠和溢价本身具有不确定性。

  但并不是不能找到最合适打车方法的。

  首先,我们先来计算一下,在没有优惠和溢价情况下打车的费用。

  为了方便,我们将城市选定在帝都。一般来说,打车的基本费用包含“起步价”、“用车时长”和“路程总长度”,车费由三者共同核算,具体费用依据不同城市选择的不同车型而定。服务过程中产生的高速费、过路过桥费、停车费、夜间服务费及长途服务费等需要客户额外支付。

  目前、Uber、滴滴、易到的资费标准是:

  

打车3.jpg

  我们依旧将路程设定为a,时间设定为b。不考虑优惠时,以最普通车型为例。

  假设车速20km/h为临界值,那么,大于20km/h为非高峰时段,小于20km/h为高峰时段。仅从数值上,我们可以得到一个等式b=3a。

  先来看看Uber和滴滴:

  8+1.5a+0.25b-(6+1.8a+0.5b)>0

  则a<1.9

  可以得出第一个结论,在不超过1.9公里的情况下,选择滴滴。

  再算一下Uber和易道:

  8+1.5a+0.25b-(15+2a+0.4b)>0

  则a>46.6

  得出第二个结论,在大于46.6公里的情况下,选择易到。

  并且,我们可以计算出,超过20公里,易道实际费用为55+0.4b+0.5(a-20)=45+1.7a

  诶?这好像跟你刚提出的结论并不一样啊!

  先别急,接下来,我们要说的就是专车费用计算的动态定价了。

  动态定价模型:供求曲线

  由于转车的供应和需求都有极大的弹性,建立一个动态定价模型就显得十分必要了。

  就需求方而言,在两个方向上都具备高度弹性。其一,当价格升高后,直接使需求量相应减少。其二,当价格降低后,需求量也会立即增加。

  

打车4.jpg

  算法会根据供需自行进行调整,当需求大于供给,则自动提高价格,减少需求,提高供给,使得供需达到一个动态平衡。从图形来看,动态定价时,Q点总会比常态价格的更靠右,用户能打到车,实际是因为供给增加了。

  

打车5.jpg

  目前Uber在京的优惠活动在10元左右。通过计算我们可以发现,在1.9公里以内,这个车费完全可以被优惠力度全覆盖,而滴滴的优惠则只有50%的幅度。

  对此,Uber也很是自信。

  

打车6.jpg

  Uber7月12日新海报豪气放话:不用比价了

  此外除了收费,服务也是考察打车软件好坏的另一个因素。

  我将三家的特点大致罗列如下:

  

打车7.jpg

  Uber的本地化其实做的并不好,而且不能预约也在一定程度上限制了它的使用场景,其核心竞争还是在于算法突出,自成一套服务体系;但本土化的易道、滴滴则是通过抢单的方式,把用户和司机放在了对等的位置。从这一点来说,调研中,司机多倾向于滴滴也就不奇怪了。

  @罗文?滴滴出行 高级产品总监

  现在还有很多地方做的不行,双边平台确实就是平衡,因为缺谁都玩不了了,但是要知道,永远都是不完全平衡的,所以这时候就出现各种问题,那么怎么办呢?运营规则再多,也无法比实际的波动多比实际的变化快。所以这时候就需要机器学习了。

  比如上述的情况,当然前提是要做一些运营规则,什么样的服务应该提供,而不是所有的投诉都应该成立,比如有乘客让司机逆行,不逆行就投诉了。。。中间最好能够通过自动化的手段去处理双边的纠纷,比如识别绕路、迟到、爽约等等,做到平衡。

  那在这个基础上,如何让双边的价值更平衡,其实就是市场经济,调价。调价不是目的,而是手段。在任何时间空间类别不平衡的情况下,价格因子将进行波动,而这个因子将连接上外围,让其变动恢复原价。比如下雨天,司机开车变得危险,乘客需求变得旺盛,那么有些司机会因此选择在家歇着,减少外出,那么这时候供需关系会剧烈变化,那么某些地方会尤为严重,价格可能会有N倍提升,但是这时候这个信息应该告诉周边的没有上线的司机,驱动前往,从而供需关系得到缓解,从而恢复。同理,如果车辆很多,但是需求不旺盛的情况下,也有可能反向价格,现在出门更划算。通过机器学习做到自动化的平衡,不断保持合理的供需比。

  打车or开车,不只是你的难题

  看到这里,很多咖友开始高呼Uber大法好了。

  但每个月总有那么几天,并不想开车。比开车更便宜的Uber自然成了首选。

  但是何时开车,何时Uber也是有攻略的。

  @张云聪 百度构架部 工程师

  暂时考虑以Uber价格每km 1.5元+每分钟0.25元为例,行驶速度暂认为是40km/h。

  油价6毛每km,车10年报废来算。车价为设定为y,每日出行平均距离为x。

  按现行各保险公司报价,10万、20万、30万、40万的车保险价格分别为2500、3700、5100、6200。

  暂不考虑车位、保养、停车费、买车预交款所产生的利息及机会成本、油价变更风险等因素。

  则,使用uber每年开销为:(1.5*x + 0.25 * x / 40)*365

  自己买车开销为:y/10 + x * 0.6 * 365 +保险费

  写个程序来画个图看看:

  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()

  

打车8.jpg

  可以看出,每日出行距离平均小于40km的人,使用专车便宜。

  每日平均出行距离大于距离40km以上的小于70km的,买10万左右的车会比专车省钱。

  每日平均出行大于70km买更贵些的也会比专车省钱。

  如果把前面没考虑的车位、利息、保养、过路、停车等费用考虑进去,则以上距离数字都该再放大不少。

ecshop模板堂是国内电商系统及服务提供领导品牌,市场占有率占行业份额70%以上,用户口碑、服务评价、产品质量均属业内领先地位。

产品链贯穿PC端()、微信端()、APP端(),为传统行业插上互联网的翅膀。


晨阳乳胶漆 http://wap.chenyang.com/index.html