真相：打车软件拼优惠，到底哪家强？

PMCAFF：最大互联网产品社区，是百度，腾讯，阿里等产品经理的学习交流平台。定期出品深度产品观察，互联产品研究首选。

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”在微博引发了热议，连冯大辉都给出了服气的结论。

但是，这个错误的结论我并、不、服、气！

那么，打车软件的正确打开方式是怎样的呢？

答：短距离下Uber最便宜；46.6公里以上，易到则是最优选择。

▍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。

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：

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。

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。

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。

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：

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()

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。

▍小调查

看完这篇文章，相信你对于如何选择交通工具已经有了自己的想法。

快来和大家交流下 => 你在出行时会选择哪家互联网出行服务？理由是什么？

扩展阅读：

Uber的产品和算法到底牛逼在哪里？

滴滴在产品规划中如何平衡对双边用户的倾斜？