提起滴滴快的，人們的印象似乎還留在2014年初的那場(chǎng)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(huì)不會(huì)減少時(shí)，滴滴快的已經(jīng)完成了破蛹成蝶的蛻變，從一家營(yíng)銷驅(qū)動(dòng)公司變成了技術(shù)驅(qū)動(dòng)公司。一個(gè)全球最大的移動(dòng)出行數(shù)據(jù)“超級(jí)大腦“即將浮出水面。

移動(dòng)出行的超級(jí)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(diǎn)滴的打車軌跡正在匯聚成就一個(gè)全新的商業(yè)生態(tài)。

周五晚上6點(diǎn)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(shí)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(shí)，李菲的手機(jī)上收到一條短信通知，打車軟件為此向司機(jī)支付了11元補(bǔ)貼。

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，從她按下叫車鍵到系統(tǒng)啟動(dòng)用車通知“分秒”之間，后臺(tái)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(shí)時(shí)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(jì)算都是在毫秒內(nèi)實(shí)現(xiàn)。甚至在更早之前，軟件已經(jīng)根據(jù)她的歷史打車的行為特點(diǎn)，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)羅了360個(gè)城市中近兩億“打車族“：每天，600多萬訂單生成，每個(gè)小時(shí)，數(shù)十萬訂單數(shù)據(jù)匯入滴滴快的后臺(tái)。而李菲們所不知道的是，他們的點(diǎn)滴打車軌跡正在匯聚成就一個(gè)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(chǎng)。

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(shí)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(shí)代，要花更少的錢獲取更多的用戶。

精準(zhǔn)營(yíng)銷的前提是對(duì)用戶的清晰認(rèn)知。以簡(jiǎn)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(huì)被分別冠以屌絲、普通、中產(chǎn)、土豪的標(biāo)簽。針對(duì)四類客群的運(yùn)營(yíng)策略也會(huì)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(duì)“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(shí)際場(chǎng)景中，影響乘客對(duì)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(duì)用戶的“貼身跟蹤”就能及時(shí)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(shí)現(xiàn)了用戶另外一個(gè)緯度的歸類，分清哪部分是忠實(shí)用戶，哪部分可能是潛在的忠實(shí)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?yàn)榇鹑瘺]有了流失?軟件體驗(yàn)不好流失?還是等車時(shí)間太長(zhǎng)而流失?—這些都是下一步精準(zhǔn)營(yíng)銷的依據(jù)。

而對(duì)于滴滴快的而言，用戶分析不僅僅是針對(duì)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(duì)應(yīng)了不同的刺激程度，而結(jié)合不同的場(chǎng)景，還是許多特殊的營(yíng)銷安排。

杭州市場(chǎng)就是一個(gè)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(diǎn)以后，司機(jī)都會(huì)聚集在一些固定的地點(diǎn)，可能休息或者就餐。所以滴滴快的就會(huì)在這些場(chǎng)所提供一些工作餐或者是優(yōu)惠食品，通過線下的活動(dòng)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(gè)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(gè)核心問題，就是做供需雙方的智能匹配。

其實(shí)也很容易理解，公交、出租車、地鐵都是對(duì)出行人群不同需求的對(duì)號(hào)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(gè)司空見慣的打車場(chǎng)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(shí)時(shí)匹配。例如一個(gè)乘客下單之后，需求方的用戶圖像和需求同時(shí)被識(shí)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(gè)看似“正常”的訂單卻不一定符合實(shí)際，因?yàn)橛幸恍┯唵伟l(fā)出來是司機(jī)不愿意接的，比如高峰時(shí)段的擁擠路段，那么在這個(gè)時(shí)候就要進(jìn)行訂單評(píng)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(gè)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(shí)時(shí)調(diào)度，要考慮當(dāng)時(shí)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(huì)把用車需求和獎(jiǎng)勵(lì)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(shí)間更短。“這是以前所有的產(chǎn)品做不到的，因?yàn)椴荒芏聪はM(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(jià)，這是一個(gè)模式上的變革性的突破。”而最終海量的議價(jià)數(shù)據(jù)將提煉成為一種“商業(yè)情報(bào)”，來推動(dòng)新的產(chǎn)品和新服務(wù)的推出，比如智能定價(jià)系統(tǒng)，以從機(jī)場(chǎng)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(huì)得出21元錢是一個(gè)更合適的議價(jià)，那么最終的定價(jià)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?yàn)槠渖刹皇莵碜杂谄髽I(yè)對(duì)市場(chǎng)的臆斷，而是直接提煉于供需雙方的心理預(yù)期和真實(shí)需求。

“回程單”的產(chǎn)品創(chuàng)設(shè)就是一個(gè)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(gè)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(gè)時(shí)點(diǎn)會(huì)驟然下滑，過一段時(shí)間又會(huì)反彈，日日如此。通過對(duì)這個(gè)特殊節(jié)點(diǎn)分析，滴滴快的得出一個(gè)司機(jī)運(yùn)營(yíng)的特殊場(chǎng)景，就是司機(jī)收工的時(shí)間，接下來就是針對(duì)性地解決，因?yàn)椴还芩緳C(jī)是交班還是回家，肯定有一個(gè)固定的方向—這一點(diǎn)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(gè)方向的乘客分配給對(duì)應(yīng)的司機(jī);這樣做是否就一定見效?所以下一步就要評(píng)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(chǎng)景將會(huì)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。

女神去哪兒了?

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(jiǎn)單地收取一種平臺(tái)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(chǎng)顯然不符合這個(gè)條件。

機(jī)會(huì)正隱藏在數(shù)據(jù)密碼中。去年快的打車發(fā)布了名為“七夕，女神都去哪兒了”的全國(guó)各地女生用車報(bào)告。數(shù)據(jù)顯示，去年七夕節(jié)當(dāng)日女生叫車時(shí)間最高峰為22點(diǎn)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(zhǎng)沙(53%)、深圳(49%)、杭州(46%)、上海(45%)、北京(43%)。

對(duì)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(gè)是知道特定時(shí)間的特定人群的聚集地，另一個(gè)則是特定人群在某段時(shí)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(cè)系統(tǒng)和運(yùn)能預(yù)測(cè)系統(tǒng)就是基于對(duì)上述第一點(diǎn)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(gè)北京城的實(shí)時(shí)用車需求：什么位置需求旺盛，同時(shí)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(shí)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(gè)最重要的落腳點(diǎn)。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(dòng)的接受者，最終形成真實(shí)的購買行為的轉(zhuǎn)化率很低，而打車軟件承載的是人、時(shí)間、空間多維度結(jié)合的生活場(chǎng)景，個(gè)性化推薦更加投其所好，貼近實(shí)際，轉(zhuǎn)化率會(huì)高得多。這個(gè)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(gè)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(duì)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(huì)打開團(tuán)購網(wǎng)站搜索電影票、餐飲券等等，那么如果一個(gè)用戶想打車去星美國(guó)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(huì)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(huì)煥發(fā)更大的生命力，同時(shí)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(duì)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(shí)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(gè)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(shí)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(shí)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(diǎn)、家庭地點(diǎn)、消費(fèi)情況、價(jià)格敏感度等等。

在一個(gè)完整的用戶圖像下，廣告推送就會(huì)更加的精準(zhǔn)。比如定位到一個(gè)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(duì)性地發(fā)送特定商場(chǎng)特定店鋪的某一類產(chǎn)品的優(yōu)惠信息。“量身定做的實(shí)時(shí)實(shí)地的廣告價(jià)值將遠(yuǎn)遠(yuǎn)超過傳統(tǒng)廣告盲目推送的方式。”一些針對(duì)節(jié)日的廣告類型也會(huì)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(shí)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(duì)現(xiàn)實(shí)中固有的一些問題，一個(gè)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(gè)漫長(zhǎng)的“對(duì)話”。

數(shù)據(jù)的價(jià)值評(píng)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(gè)在歷史經(jīng)驗(yàn)上是不存在的，只能去摸索磨合，這個(gè)過程肯定是痛苦的。

數(shù)據(jù)驅(qū)動(dòng)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(diǎn)轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)模式的快的，都已經(jīng)與“補(bǔ)貼大戰(zhàn)”時(shí)不可同日而語。因?yàn)槿魏蔚男屡d業(yè)務(wù)，不論發(fā)展初期如何勢(shì)如破竹，也必然要經(jīng)過一個(gè)商業(yè)模式的探索和沉淀，否則最終會(huì)被“價(jià)格戰(zhàn)”拖得精疲力竭。

經(jīng)過初期的野蠻生長(zhǎng)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(diǎn)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(duì)，從百度、騰訊、阿里的云計(jì)算和大數(shù)據(jù)部門招了幾百號(hào)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(chǔ)、結(jié)構(gòu)化等一系列最基礎(chǔ)的處理，最終建成了大數(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(duì)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(hào)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(shí)現(xiàn)了數(shù)據(jù)純度、處理速度的跨越式升級(jí)。

這個(gè)“超級(jí)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(yíng)商業(yè)化的團(tuán)隊(duì)，每個(gè)配備了20個(gè)人左右。這樣的架構(gòu)實(shí)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(gè)需求場(chǎng)景形成了A的畫像集合，其中結(jié)合B行業(yè)又會(huì)出現(xiàn)一個(gè)AB子集，應(yīng)用到特殊的場(chǎng)景C之后又會(huì)形成一個(gè)同時(shí)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(duì)于“每秒(毫秒)都產(chǎn)生海量數(shù)據(jù)”的滴滴快的來說，重要性不言而喻。而今，數(shù)百臺(tái)的機(jī)器支撐著的整個(gè)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(gè)公司都能夠負(fù)擔(dān)的，卻是每一個(gè)公司都應(yīng)該及早想清楚的，過早投入的話，對(duì)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(cuò)失的那些數(shù)據(jù)漏洞補(bǔ)回來。對(duì)于早期一直爭(zhēng)搶用戶市場(chǎng)、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(yàn)之談”了。