|
应对出行细分领域而生的专车市场，是如今“互联网+ ”下发展最为迅速的产业之一。资本火热，进而也催生了众品牌云集。不过，用户在下单过程中会发现，在目前市场上的专车软件中，划分有两个完全迥异的派别：“抢单党”和“派单党”。一个是司机自主决定来不来接你，一个是司机被决定只能来接你，既然同为专车软件，为什么会有这么大的差异？企业又是根据什么来决定他们采用哪种形式的呢？ 抢单模式目前运用最早也最广泛的自然就是滴快了，至于相同的派单模式，其实内部差异也有众多干货可说，为了显示不同之处，我们就以外来者uber和国内专车界“前辈”AA租车为例。 你情我愿结合国情看重人情 滴快之所以选择抢单，和之前他们直接从出租车市场直接过渡而来不无关系。打车难自古是顽固之疾，司机向来都不缺单，需求大于供给，供给方自然占有主动优势，这就是抢单机制最早产生的根据。然而从出租车衍生到专车市场，滴快并没有调整订单策略。你可以理解为，滴快对于自己的专车持有量很有把握，否则在市场动态自动平衡下，供给方的主动地位必然受到削弱，这样的抢单方式也毫无存在的必要。 不过，滴滴打车罗文在今年首届世界O2O博览会上透露的一番话，或可以说明滴快专车依然延续抢单背后的思虑，“中国的司机在意目的地，因为他非常艰难，他家住在哪个地方，他可能住在大兴住在延庆，他要往那个地方走。为什么我们不指派一个司机，你很近，我们希望构造经济生态，你情我愿，中国人在信用卡设密码，这是发展过程中中国人和欧美人的区别，这是我们的产品设计。” 罗文的意思很清楚，“你情我愿”是当下滴快商业模式架构的前提，司机们也不容易，派单会让他疲累和劳累，强调人文情怀，首先就得保证司机选单的自主性。特别在回家的时候，顺便挑一个顺路的单搭上“顺风车”，多美的幸事呐。所以，滴快的切的是出租车打车场景的一杯羹，出发点也主要是从司机端入手的。当然在这之前，滴快的后台系统会完成第一次筛选过程，结合供方的车辆条件和位置地图进行订单评估和内部调节，生成“准订单”发送给符合条件的司机们。 经济杠杆调控没有技术解决不了的问题 Uber由于是外来者，我们可以把它刚开始不了解国情理解为一方面，但最重要的一面在于，基于西方理论，他们认为凡事可以从技术上解决之事，不必先冠以道德的争论，于是Uber一向也很理性。他们习惯调用经济杠杆来撬动司机的积极性，补贴、高峰期奖励、冲单奖励都是刺激司机神经，让他们为之卖命“接客”还能笑开花的厉害之处。保证了司机数量和热情就是保证了车辆数量，派单自然而然就可以产生。 在抢单机制中，司机来根据乘客的位置决定是否决定要接单，乘客根据自己的喜好选择自己的车型。这样，司机和乘客就都做出了自己的“最优选择”。而在Uber的派单过程中，最优选择并不带上“人情味儿”，后台算法会从全局做出选择，派选“最优”司机前去接客。旅程结束后，不仅乘客可以给司机评分，司机也可以给用户评分，所有的数据都将记录在案，从而为下一次派单提供依据。 派单最明显的好处，在于能够大大提高接单率，保证用户第一时间用上车。Uber上海总经理王晓峰曾强调，“用户需要一辆车，而不是周围有多少辆车，Uber的界面显示离你最近的车，到你这儿需要几分钟。”很明显，这种逻辑跳出了传统的出租车思维，所有的设计都是基于从用户端下手的，而且让用户最“快”乘上车是Uber派单率先考虑的。 讨好用户即讨好司机通过技术＋运营高效动起来 和Uber一样，AA租车采用的也是派单制。不过，AA租车采取派单制，和它本身的B2C模式有着很大联系。AA租车并不是简单的信息撮合平台，挂靠私家车和私家车主，它的车辆和司机均隶属于AA租车全权管理，这也就决定了其本身不可能在车辆数量上和以上两者PK。那么派单模式就是有效调控车辆布局，保证车辆有限条件下接单率依然高效的最佳方式。 为此，AA租车设计了“无目的地”策略，用户在下单时并不用填写所要去往的位置，后台系统会根据用户以往用车记录和当时所在地情况综合比较分析，最终派选也许并不是最近，但是最“匹配”的司机前往。这个“匹配”包括众多纬度，比如司机对于乘客所在地的熟悉程度、是否需要掉头及当时的路况拥挤程度、乘客之前对这个车型的喜爱程度及司机的评分等等。 之所以这样实施，第一，显然出于用户简单操作的考虑；第二企业模式保证了他们可以完全如此操作，AA租车副总李晓丹认为，“人都有惰性，用技术去驱动是一方面，要实现高效管理，运营能力也非常重要。自由也是相对的。”用户不需要费心思考就能得到满意的车辆，而司机也不需要人为去规划自己的每一个订单，因为后台系统会规划出最适当的排期，最大程度上降低车辆的空驶率、提高单车收益。 三个专车品牌，透过抢单和派单背后，我们可以看到三种不同的商业逻辑。如今在专车市场未成型的当下，很难判断到底哪一种模式最优，当然，我们也不希望市场被某种单一的模式所统领。百花齐放，让每一种有思想的商业逻辑都有绽放之地，这也才是一个健康的市场所该有的模样。 |
|
|
