需求方|滴滴“动态调价与排队等候”功能策略分析 gpu|战略融资|gpu+|智慧城市|高通

你是否也有过相同里程，不同场景下，打车费用不同的经历？本文以“滴滴”为例，剖析在高峰期与雨雪天气两大典型场景中，APP “动态调价”与“排队等候”功能背后的本质原因。每个产品功能的背后都蕴藏着产品经理的深刻洞察与思考。推荐产品人们阅读交流～

文章插图
经常打车的小伙伴一定会发现，同样里程下，在不同的地点，不同的天气，不同的时间点下打车费存在差异？（大数据杀熟策略咱不知有无，不乱说，也不研究）
在一些雨雪、打车高峰期打车费不仅平时贵还不一定能打到车，有时候还需要排队？为什么会出现这样的情况呢？

文章插图
如图我们可以看见滴滴通过加价调度车辆或者选择排队等候。
功能是为了解决问题满足需求的，提及需求必定要有场景，提到打车必提两个高频场景
我们来看下“打工人上下班高峰期和雨雪天气”这两个典型场景下都会产生什么问题
1. 上下班高峰期

同一时间/地点打车人数迅速增多导致对车辆需求瞬间增大。
上下班道路车辆非常多，有的地方还限行，导致道路拥堵，导致司机无法或不愿意去需求热区（很多人集中打车地方，比如CBD）。

2. 雨雪天气

平时能骑车或者能步行的用户在这样的场景内也会转化为叫车用户，用车需求暴涨。
雨雪天气导致路况较差，司机消化订单能力降低，部分司机可能因为雨雪天气选择休息。

往深看一下，造成打不到车的原因是——供需失衡。
滴滴是很典型的双边平台，供给方为司机，需求方为用户，在某些场景下需求方会瞬间增多，供给方数量是一定的偶尔还会减少，必然导致了供需失衡。想要解决这些问题，就需要围绕“供需平衡”这个点出发。
一、如何才能“供需平衡”有三个方向可以努力：提高供给（更多的司机）、减少需求（提高价格等）、提高运转效率。
第一个和最后一个显然不是短期能解决了，成不了当下最优解，剩下的方案就是“动态调价”，即通过价格来平衡供给。

需求方：提高价格，来抑制打车需求，价格敏感型用户此时就会放弃打车；价格不敏感用户可通过高价来享受服务。
供给方（司机）：提高价格，来提高司机的收入，让司机获得比预期更好的收益来调动司机的积极性。

这样的策略看似解决了问题，用户和司机都可以基于价格和价值进行权衡，当价格符合双方价值预期便能够达成交易，然而一个问题的解决往往会带来新的问题“动态调价”落地上线后，发现在极端场景下价格会高的离谱，超出了感性人可接受范围，并且暴露出了其他的问题——

通过价格上调是“抑制需求”，并不是真正意义上的满足需求。
把选择权全权交给用户，通过竞价，价格会高的离谱，司机伺价而动，双方都在博弈，增加交易成本。
议价乘客和司机人数并未增多，运力供给并未大量提升，仍旧是部分司机满足部分乘客需求。
调价后依旧会有无法出行的情况，反而导致大量因“调价”而产生的投诉。

基于以上问题不得不再次回归到问题的本质：需求与供给的匹配问题，而且是良性的匹配有温度的匹配，想要做好匹配，先要明确用户诉求，叫车用户诉求是更快的打到车，“更快的的打到车”是比较模糊的，再向下拆分可拆解成三层含义——

对自己什么时候能打到车有预期。
预期是否准确。
相对于这个预期，在时间上能否做到更快。

做到做好以上三层，才是真正满足了用户打车的根本诉求。
【 需求方|滴滴“动态调价与排队等候”功能策略分析】第三层不是短时间内能解决了，因为它不仅受到地域、行业、政策等因素影响还受到运力结构、更高级算法的影响，是一个“生态”性质的问题。所以当前场景下优先考虑第一第二层。
那么如何让用户更加准确的时间预期呢？并且在预期时间内能够打到车？
滴滴做了这样的动作“排队”
从模式本身分析，排队模式比动态调价模式最大的价值点就是为用户提供了明确的时间预期以及通过先进先出的队列逻辑，保证了预期服务能够有序达成。
二、排队为什么会成为当时最优解1. 国民特性排队文化深入人心，不难发现生活中排队的场景经常出现，排队候车，排队买食物，排队核酸，排队进电梯等等，这种场景太正常了，以至于我们的大脑本能的可以接受。