分享

Uber的算法那么牛逼,却不适合中国...

 汕头能率 2015-06-19

摘要:除了市场预算(巨额补贴)多一些,Uber中国和之前ebay、Yahoo和MySpace的中国团队没什么区别,对产品和技术基本没有话语权。

Uber的算法被业内捧的很高,在舆论上成功打造出了“科技感”,但实际上,“盛名之下,其实难副”。Uber在全球使用了一套完全基于美国本土、仅适用于当地场景的算法,把这套算法拿到中国,实际上非常牵强,这背后值得玩味的地方不少。

  

按照目前流行的解释,Uber的“强制派单”模式可以提高效率,因为司机看不到乘客的目的地,司机也不用去“抢单”浪费精力。这一直被认为是Uber的优势所在。

  

这种做法和逻辑在美国市场上的确解释得通,因为美国本土的Uber司机基本都是全职,“强制派单”的优势非常明显,系统直接把乘客指派给距离最近的司机,司机接单走人,节约双方的时间,自然提高了效率。

  

但在中国市场上,专车司机中既有专职又有兼职,Uber继续沿用“强制派单”的结果是,司机要么不接单,要么接单后看到目的地不愿意去,然后人工取消订单。司机和乘客体验都不好,这也是为什么滴滴专车会采用抢单的模式。

  

先看看Uber派单的逻辑。


乘客通过Uber发出订单之后,需求会直接推送给某一位司机,如果司机在20秒内接单,则订单成交。如果20秒后司机仍不接单,那么系统会再把订单派给另外一位司机,继续等20秒。按照这种逻辑,一个Uber订单最多会发给8个司机,总等待时长共4分钟,就这么简单,几乎没什么技术门槛。


再看滴滴,乘客通过滴滴发出一个订单后,系统会把这个需求推送给多位符合条件的司机,如果所有司机都拒绝后才会进行第二轮派单。这样做的好处是,多个司机同时拒单的概率远低于一个司机拒单的概率。按照Uber的逻辑,在某一个区域内乘客和司机越多,效率就越低,而滴滴则相反,乘客和司机越多效率越高。 

去年的补贴大战,滴滴和快的两家一天内处理的订单总量超过1000万,而Uber全球现在每天的处理订单只有一两百万。单纯看这背后的计算量,Uber和滴滴在两个不同的量级上,这还不包括滴滴专车、快车和顺风车的订单。

  

既然Uber的算法不适用于中国,那为什么还是有很多中国乘客觉得,Uber很好用、叫车很快呢?想搞清楚原因,需要先弄明白Uber司机拒单的问题。

  

Uber司机看不到乘客的目的地,看起来似乎简单快捷,乘客用非常方便,其实背后麻烦不少。

  

因为看不到乘客目的地,Uber司机只能盲目接单,接单后才发现,唉呀这地方太偏了不能去,第一反应是直接告诉乘客,不好意思我不能去你再叫一单吧,如果协商未果,司机只能被迫自己取消订单。为何司机首先想让乘客取消,因为Uber规定司机拒单的数量不能太多,拒单达到一定数量奖励会被取消。

  

讲到这里,你基本就能明白,原来之前觉得Uber叫车容易,是因为Uber一直在用巨额补贴(除了接单奖励,Uber还会按照每单给司机3倍的车费作为补贴)维持接单率,Uber在派单逻辑上的缺陷被补贴完全掩盖了。但就算补贴很高,仍然会有大量Uber司机会在接单后再选择拒绝,这个拒单的比例大约在30%以上。

  

美国的城市普遍很小,再远再偏的订单,司机都可以接受空跑回来。而中国的城市普遍都很大,尤其北京这种城市,如果司机不小心接到一个目的地较偏的订单,回程注定是空驶,再加上国内的汽油比欧美国家贵,这一单绝对是赔钱的,这个时候司机只能选择拒单。

  

所以你会看到网上有不少人抱怨,被Uber司机接单后再拒绝,甚至有人总结出了“如何应对Uber司机拒单”的攻略。

  

你还会发现另一个有意思的地方:Uber的产品和运营逻辑其实是 “重用户,轻司机”。或者说,Uber并没有把司机当做用户来伺候。而滴滴的逻辑则认为乘客和司机都是平等的用户,于是通过抢单模式兼顾了两个群体的需求。


所谓“一个愿打一个愿挨”, Uber只允许乘客“打”司机,司机是否愿意“挨打”自己说了是不算的。这么来看,Uber中国的司机们确实有点儿委屈,但是看在补贴很高的份儿上,先干着吧。

这里还要简单补充一点,有些人觉得,在某些热门地区比如北京的三里屯,高峰期打车Uber比滴滴更容易。其实很好解释,因为在同一地点同一时间,用滴滴的人太多,运能不够,一部分需求会转向Uber,而Uber给司机的补贴非常高,不接单是没道理的(可能有人会说Uber有动态调价呀,你怎么不提,其实Uber的动态调价也非常不合逻辑,甚至有点笨拙,下一篇文章再告诉你为什么)。

  

Uber在中国的策略,其实就是补贴的策略,和技术和算法基本上已经失效了,更别提什么诺贝尔奖了。除了市场预算(巨额补贴)多一些,Uber中国和之前ebay、Yahoo和MySpace的中国团队没什么区别,对产品和技术基本没有话语权。


文章来源:蓝鲸TMT 作者:周志远

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多