提起滴滴快的，人們的印象似乎還留在2014年初的那場曠日持久的補(bǔ)貼大戰(zhàn)上，殊不知，當(dāng)人們還在關(guān)心合并之后補(bǔ)貼會不會減少時，滴滴快的已經(jīng)完成了破蛹成蝶的蛻變，從一家營銷驅(qū)動公司變成了技術(shù)驅(qū)動公司。一個全球最大的移動出行數(shù)據(jù)“超級大腦“即將浮出水面。

滴滴快的：打造移動出行的超級大腦

“分秒”之間的多輪篩選，數(shù)據(jù)完成的用戶畫像系統(tǒng)，人們點滴的打車軌跡正在匯聚成就一個全新的商業(yè)生態(tài)。

周五晚上6點40分，李菲(化名)在離家不到3公里的地方，用打車軟件叫了一輛出租車，在不到1分鐘的時間、系統(tǒng)通知了附近43輛出租車之后顯示被搶單，與此同時，李菲的手機(jī)上收到一條短信：“我們額外支付了司機(jī)11元，這部分費(fèi)用由土豪快的買單?！?/p>

這次打車給李菲帶來的愉悅感可想而知：之前望眼欲穿的苦等，現(xiàn)在則分秒可得。不過李菲或許不知道的是，從她按下快的界面的叫車鍵到系統(tǒng)啟動用車通知“分秒”之間，快的后臺已經(jīng)完成了多輪篩選：根據(jù)用戶畫像和用車需求，匹配位置合適的出租車，再結(jié)合實時的地理位置和運(yùn)能狀況確立給后者的補(bǔ)貼金額——這些計算都是在毫秒內(nèi)實現(xiàn)。甚至在更早之前，快的已經(jīng)根據(jù)她的歷史打車的行為特點，將其劃歸到了“屌絲”的標(biāo)簽之下，由此她才頻繁收到金額不小的代金券。

2012年開始成立的滴滴快的迅速地網(wǎng)絡(luò)了360個城市中近兩億“打車族“：每天，600多萬訂單生成，每個小時，數(shù)十萬訂單數(shù)據(jù)匯入滴滴快的后臺。而李菲們所不知道的是，他們的點滴打車軌跡正在匯聚成就一個全新的商業(yè)生態(tài)，而這也正是滴滴快的等打車軟件的未來疆場。

用戶畫像：屌絲和土豪的不同行為軌跡

滴滴快的“土豪式”補(bǔ)貼背后，其實也有著它自己的精打細(xì)算。隨著兩家公司的合并，行業(yè)已經(jīng)從粗暴的跑馬圈地走入了精耕細(xì)作的時代，要花更少的錢獲取更多的用戶。

精準(zhǔn)營銷的前提是對用戶的清晰認(rèn)知。以簡單的代金券發(fā)放為例，滴滴快的的歷史數(shù)據(jù)呈現(xiàn)出兩大類四種不同的消費(fèi)習(xí)慣—代金券敏感型：發(fā)代金券才用、發(fā)代金券用的更多;代金券不敏感型：發(fā)不發(fā)都用，發(fā)代金券也不用。在滴滴快的的用戶畫像系統(tǒng)中，上述四種群體會被分別冠以屌絲、普通、中產(chǎn)、土豪的標(biāo)簽。針對四類客群的運(yùn)營策略也會全然不同，最直接的就是代金券的刺激頻率以及刺激金額，而對“代金券”免疫的土豪群體，則更多地需要在服務(wù)上做文章。

而在實際場景中，影響乘客對應(yīng)用軟件的使用黏度的因素要遠(yuǎn)比代金券復(fù)雜得多，在這種情況下，滴滴快的對用戶的“貼身跟蹤”就能及時發(fā)現(xiàn)薄弱環(huán)節(jié)，因此從用戶打開軟件到退出使用，其間的每一步情況都被快的記錄在案：哪一天退出的，哪一步退出的，退出之后“跳轉(zhuǎn)”到什么軟件等等。

據(jù)此，滴滴快的也實現(xiàn)了用戶另外一個緯度的歸類，分清哪部分是忠實用戶，哪部分可能是潛在的忠實用戶，哪些則是已經(jīng)流失的;更進(jìn)一步來看流失的原因：因為代金券沒有了流失？軟件體驗不好流失？還是等車時間太長而流失？—這些都是下一步精準(zhǔn)營銷的依據(jù)。

而對于滴滴快的而言，用戶分析不僅僅是針對乘客，也包括司機(jī)、出租車公司的所有相關(guān)方。盡管基礎(chǔ)信息大同小異，都包括人的基本信息、信用、行為信息等;也有一些通用的刺激手法，比如積分、禮物等。不過，不同的用戶畫像就對應(yīng)了不同的刺激程度，而結(jié)合不同的場景，還是許多特殊的營銷安排。

杭州市場就是一個很典型的例子?；谒緳C(jī)的地理位置信息，滴滴快的發(fā)現(xiàn)每天中午或者是每天晚上10點以后，司機(jī)都會聚集在一些固定的地點，可能休息或者就餐。所以滴滴快的就會在這些場所提供一些工作餐或者是優(yōu)惠食品，通過線下的活動來提升司機(jī)和滴滴快的的合作關(guān)系。

產(chǎn)品生成的邏輯：更精確地匹配供需

維護(hù)好用戶只是一個基礎(chǔ)，最終目的是為了打通供需，生成更加優(yōu)化的服務(wù)和產(chǎn)品。這也正是數(shù)據(jù)之于打車軟件此類的O2O行業(yè)的重要性所在。數(shù)據(jù)能解決一個核心問題，就是做供需雙方的智能匹配。

其實也很容易理解，公交、出租車、地鐵都是對出行人群不同需求的對號入座，不過這樣被稱之為“粗暴式”的分類法應(yīng)用起來效率低下，以一個司空見慣的打車場景為例，在路邊攔車，可能許久都沒有空車經(jīng)過，或者是好不容易等到的車，司機(jī)問了地址之后還可能拒載—呈現(xiàn)一種雜亂無章的狀態(tài)。

而在海量的數(shù)據(jù)基礎(chǔ)之下，出行的需求被不斷細(xì)分，而且是實時匹配。例如一個乘客下單之后，需求方的用戶圖像和需求同時被識別，結(jié)合供方的車輛條件和位置地圖進(jìn)行第一輪篩選，不過這個看似“正?！钡挠唵螀s不一定符合實際，因為有一些訂單發(fā)出來是司機(jī)不愿意接的，比如高峰時段的擁擠路段，那么在這個時候就要進(jìn)行訂單評估和內(nèi)部調(diào)節(jié)，結(jié)合歷史數(shù)據(jù)制定一些刺激措施、疊加“乘客自行出的小費(fèi)”來誘導(dǎo)司機(jī)，這樣一個符合供需雙方胃口的“合理”訂單就生成了，下一步要做的就是實時調(diào)度，要考慮當(dāng)時的交通情況、車的朝向、車速、附近是否有突發(fā)性事件等等因素，選擇最為優(yōu)化的方案。

完成了以上的步驟之后，滴滴快的才會把用車需求和獎勵方案推送給經(jīng)過層層篩選之后的出租車，這樣李菲們打車的成功率大大提升了，而且所用的時間更短?！斑@是以前所有的產(chǎn)品做不到的，因為不能洞悉消費(fèi)者的心理。在大數(shù)據(jù)應(yīng)用下，消費(fèi)者和供給方能夠省略中間環(huán)節(jié)直接議價，這是一個模式上的變革性的突破。”而最終海量的議價數(shù)據(jù)將提煉成為一種“商業(yè)情報”，來推動新的產(chǎn)品和新服務(wù)的推出，比如智能定價系統(tǒng)，以從機(jī)場到望京這一段司機(jī)不愿意接的單為例，可能70%的乘客額外加了20塊錢，少數(shù)人加了30塊錢，而有的只愿意加10塊錢，那么系統(tǒng)整合分析以后會得出21元錢是一個更合適的議價，那么最終的定價可能消費(fèi)者和司機(jī)雙方都可以接受。

因此，以這樣的邏輯推導(dǎo)生成的產(chǎn)品才更能有的放矢，因為其生成不是來自于企業(yè)對市場的臆斷，而是直接提煉于供需雙方的心理預(yù)期和真實需求。

“回程單”的產(chǎn)品創(chuàng)設(shè)就是一個很典型的例子。最初是滴滴快的的數(shù)據(jù)分析發(fā)現(xiàn)一個異常的數(shù)據(jù)現(xiàn)象，就是司機(jī)的搶單意愿率在某一個時點會驟然下滑，過一段時間又會反彈，日日如此。通過對這個特殊節(jié)點分析，滴滴快的得出一個司機(jī)運(yùn)營的特殊場景，就是司機(jī)收工的時間，接下來就是針對性地解決，因為不管司機(jī)是交班還是回家，肯定有一個固定的方向—這一點可以通過歷史數(shù)據(jù)分析出來。那么滴滴快的要做的就是把同樣去往這個方向的乘客分配給對應(yīng)的司機(jī);這樣做是否就一定見效？所以下一步就要評估效果，看回程單是否真正提高了司機(jī)的搶單意愿，確定之后才能作為常規(guī)產(chǎn)品推出。

產(chǎn)品的細(xì)分應(yīng)用場景將會越來越依賴于大數(shù)據(jù)分析，從數(shù)據(jù)中洞察需求與商機(jī)，再結(jié)合大數(shù)據(jù)提供應(yīng)用解決方案，將變成未來產(chǎn)品迭代的常規(guī)運(yùn)作模式之一。這也是滴滴快的產(chǎn)品的生成邏輯。

由“女神去哪兒”所引發(fā)的盈利模式暢想

不過，打車軟件可以讓傳統(tǒng)的商業(yè)模式更加高效，更加酷，那么它的盈利模式又是什么？

當(dāng)然，可以簡單地收取一種平臺傭金：司機(jī)做成一單交易，打車軟件從中進(jìn)行提成。且不說現(xiàn)在很少有司機(jī)愿意支付這種新興的“份子錢”，而且這樣一種缺少差異性的盈利模式需要寄生于壟斷的生態(tài)條件下，而打車軟件市場顯然不符合這個條件。

機(jī)會正隱藏在數(shù)據(jù)密碼中。2014年，快的打車發(fā)布了名為“七夕，女神都去哪兒了”的全國各地女生用車報告。數(shù)據(jù)顯示，8月2日七夕節(jié)當(dāng)日女生叫車時間最高峰為22點10分，其中叫車目的地為飯店占比最高的前五名分別為廣州(49%)、重慶(40%)、上海(38%)、北京(35%)和深圳(34%)，叫車目的地為酒店的占比前五名則分別是，長沙(53%)、深圳(49%)、杭州(46%)、上海(45%)、北京(43%)。

對于滴滴快的來說，這不是娛樂八卦噱頭，這里至少暗含了兩大“寶藏”，一個是知道特定時間的特定人群的聚集地，另一個則是特定人群在某段時間的消費(fèi)行為。

滴滴快的在接下來的4、5月份將要上線的需求預(yù)測系統(tǒng)和運(yùn)能預(yù)測系統(tǒng)就是基于對上述第一點的掌握，比如通過已經(jīng)發(fā)布的滴滴打車熱力圖，司機(jī)借此可以看到整個北京城的實時用車需求：什么位置需求旺盛，同時運(yùn)能嚴(yán)重不足。這樣也就避免了司機(jī)“聽天由命”的狀態(tài)：在馬路上毫無目的地空轉(zhuǎn)。

而掌握了某一群體特定時間的消費(fèi)行為這件事則具有更大的想象空間，基于乘客目的地周邊的商鋪而提供的廣告服務(wù)，也是滴滴快的未來業(yè)務(wù)一個最重要的落腳點。這或許將顛覆傳統(tǒng)的互聯(lián)網(wǎng)廣告模式——傳統(tǒng)的廣告，消費(fèi)者是比較被動的接受者，最終形成真實的購買行為的轉(zhuǎn)化率很低，而打車軟件承載的是人、時間、空間多維度結(jié)合的生活場景，個性化推薦更加投其所好，貼近實際，轉(zhuǎn)化率會高得多。這個判斷也來自于滴滴快的大量的數(shù)據(jù)分析，用戶研究顯示了其中30%有非常明確的商業(yè)需求，50%是潛在的消費(fèi)群，那么滴滴快的就可以在用戶出行途中來推送目的地的商鋪優(yōu)惠信息。

這只是一個粗略的模式雛形，如果有更細(xì)致的用戶行為分析就可以使廣告推送更加的精準(zhǔn)。比如滴滴快的對用戶行為跳轉(zhuǎn)的研究發(fā)現(xiàn)，用戶在叫車結(jié)束退出APP之后，很多會打開團(tuán)購網(wǎng)站搜索電影票、餐飲券等等，那么如果一個用戶想打車去星美國際影城，那么滴滴快的和團(tuán)購網(wǎng)站合作推出的團(tuán)購票說不定就會正中用戶的心思。

這類結(jié)合出行過程和目的地分析的廣告模式將會煥發(fā)更大的生命力，同時也廣泛適用于其他的出行情境，包括出租車、專車、地鐵、公交一系列的出行方式在內(nèi)。“只和人和目的地相關(guān)，可以在大的出行生態(tài)里面做成相對通用的廣告系統(tǒng)，后續(xù)可以和更多其他的APP合作。”據(jù)滴滴快的內(nèi)部人士透露，這一套讓“數(shù)據(jù)變現(xiàn)”的系統(tǒng)將在5月底的時候投入運(yùn)行。

跨界的數(shù)據(jù)“火花”

盡管滴滴快的野心不小，想要構(gòu)建一個全新的廣告“生態(tài)”，不過這顯然不是滴滴快的憑借一己之力所能實現(xiàn)的，必須借助于外部數(shù)據(jù)的導(dǎo)入——這恐怕也是大數(shù)據(jù)應(yīng)用最基本的要求，那就是開放和共享。

與阿里和美團(tuán)等的合作就實現(xiàn)了雙方數(shù)據(jù)的相互補(bǔ)充，電商和團(tuán)購企業(yè)缺乏出行數(shù)據(jù)，而滴滴快的目前缺失的是用戶的消費(fèi)數(shù)據(jù)和信用數(shù)據(jù)，在此基礎(chǔ)上雙方就可以共建用戶畫像體系：工作地點、家庭地點、消費(fèi)情況、價格敏感度等等。

在一個完整的用戶圖像下，廣告推送就會更加的精準(zhǔn)。比如定位到一個北京用戶打車去西單，在分析出其消費(fèi)偏好的基礎(chǔ)上，就可以針對性地發(fā)送特定商場特定店鋪的某一類產(chǎn)品的優(yōu)惠信息?！傲可矶ㄗ龅膶崟r實地的廣告價值將遠(yuǎn)遠(yuǎn)超過傳統(tǒng)廣告盲目推送的方式。”一些針對節(jié)日的廣告類型也會應(yīng)運(yùn)而生。以七夕節(jié)為例，就可以首先圈定跟節(jié)日消費(fèi)相關(guān)的群體，提前兩天推送花店信息，可以在節(jié)日當(dāng)天直接送花上門，甚至可以制造一些小“浪漫”：或許可以設(shè)想一下當(dāng)你的女朋友看到一輛豪車來接她下班時的驚喜，而車上還放著她喜歡的音樂，外加一束嬌艷的玫瑰花。

完美的暢想還不得不面對現(xiàn)實中固有的一些問題，一個來自于不同的行業(yè)標(biāo)準(zhǔn)和數(shù)據(jù)標(biāo)準(zhǔn)所帶來的數(shù)據(jù)通用的難題，而即便在技術(shù)共享上不存在障礙，而協(xié)商機(jī)制的建立也將是一個漫長的“對話”。

數(shù)據(jù)的價值評判每一家都是不一樣的，那么就需要跨界的共贏機(jī)制的建立，這個在歷史經(jīng)驗上是不存在的，只能去摸索磨合，這個過程肯定是痛苦的。

數(shù)據(jù)驅(qū)動模式的基礎(chǔ)：技術(shù)投入

盡管還存在不少待解難題，如今開始把關(guān)注焦點轉(zhuǎn)向數(shù)據(jù)驅(qū)動模式的快的，都已經(jīng)與“補(bǔ)貼大戰(zhàn)”時不可同日而語。因為任何的新興業(yè)務(wù)，不論發(fā)展初期如何勢如破竹，也必然要經(jīng)過一個商業(yè)模式的探索和沉淀，否則最終會被“價格戰(zhàn)”拖得精疲力竭。

經(jīng)過初期的野蠻生長之后，還想獲得跨越式發(fā)展，就肯定需要在技術(shù)上的重點投入。補(bǔ)貼大戰(zhàn)之后，滴滴快的開始組建自己的大數(shù)據(jù)團(tuán)隊，從百度、騰訊、阿里的云計算和大數(shù)據(jù)部門招了幾百號人，經(jīng)過了最初的苦活、臟活、累活的痛苦歷程，進(jìn)行了數(shù)據(jù)導(dǎo)入、清洗、存儲、結(jié)構(gòu)化等一系列最基礎(chǔ)的處理，最終建成了滴滴快的的大數(shù)據(jù)體系。據(jù)相關(guān)負(fù)責(zé)人介紹，目前擴(kuò)建后團(tuán)隊的核心力量正在進(jìn)行大數(shù)據(jù)2.0系統(tǒng)的研發(fā)。這套內(nèi)部代號為“地平線系統(tǒng)”的大數(shù)據(jù)架構(gòu)，克服了1.0系統(tǒng)中突出的數(shù)據(jù)數(shù)量與數(shù)據(jù)質(zhì)量、處理速度之間的矛盾，實現(xiàn)了數(shù)據(jù)純度、處理速度的跨越式升級。

這個“超級大腦”支撐了滴滴快的大數(shù)據(jù)應(yīng)用所需要的所有基礎(chǔ)數(shù)據(jù)，在此之上是支持產(chǎn)品、商業(yè)、運(yùn)營商業(yè)化的團(tuán)隊，每個配備了20個人左右。這樣的架構(gòu)實際上避免了基礎(chǔ)數(shù)據(jù)和應(yīng)用數(shù)據(jù)之間的“污染”問題，比如一個需求場景形成了A的畫像集合，其中結(jié)合B行業(yè)又會出現(xiàn)一個AB子集，應(yīng)用到特殊的場景C之后又會形成一個同時滿足ABC的集合。如果每次都從基礎(chǔ)數(shù)據(jù)抽取的話，就很容易影響基礎(chǔ)數(shù)據(jù)的穩(wěn)定性。

清晰的數(shù)據(jù)架構(gòu)對于“每秒(毫秒)都產(chǎn)生海量數(shù)據(jù)”的快的來說，重要性不言而喻。而今，數(shù)百臺的機(jī)器支撐著的滴滴快的大數(shù)據(jù)系統(tǒng)，就像是公司的“心臟”：業(yè)務(wù)規(guī)模越大，越是重要。

這種投入不是任何一個公司都能夠負(fù)擔(dān)的，卻是每一個公司都應(yīng)該及早想清楚的，過早投入的話，對精力和資本消耗太大，不過如果之前缺乏考慮，后面就要做很多工作才能把之前錯失的那些數(shù)據(jù)漏洞補(bǔ)回來。對于早期一直爭搶用戶市場、而無暇顧及數(shù)據(jù)應(yīng)用的滴滴快的來說，這恐怕也是寶貴的“經(jīng)驗之談”了。