今天我们以滴滴为例,介绍一下网约车公司背后的大数据。
滴滴已经是一家大数据公司了。
从你一打开滴滴出行的界面开始,大数据就已经在为你服务。
下面我们从五个方面,分别介绍大数据在出行中的应用场景:
1. 智能分单
平台首先要解决司机与乘客的匹配问题。
不同司机对下车点、路线等等,有不同偏好;
不同乘客对司机服务水准、车况等等,有不同偏好。
采用大数据的方法,可以在司机和乘客的历史数据中,学习接单概率模型,提高司机和乘客的匹配度,优化司机接单能力和乘客出行体验。
下一次你使用滴滴的时候,记得你的评价数据,会被平台用于推荐你偏好的司机。
2. 智能拼车
乘客如果路线相近,又不赶时间的话,可以拼车节约出行费用;
司机则通过在相近路线上接送多名乘客,获取更多报酬。
在拼车服务后台,有拼车订单匹配、路线规划等算法。系统自动匹配多名乘客的拼车订单,并根据规划路线等信息提示优先送达哪一位乘客。
拼车的服务数据,又可以用于不断提高拼车模型的准确率。
3. 供需预测
你应该有过这样的体验:在某些时段或者某些区域,是很难打到车的,比如周五下班时的办公楼、下雨天的购物中心。
这是典型的供需不匹配问题。
如果采用价格杠杆,将出行费提高到平时的1.2~2倍,会损害乘客利益,增加用户流失率;
如果采用补贴,给接这些需求的司机发红包,又会损失平台利润。
而大数据的方法,可以基于海量实时出行数据,以数十亿订单数据和数百万司机位置信息为基础,预测任意时间段各个区域的订单需求和运力分布状况。
4. 运力调度
基于供需预测结果,对于正在发生的以及潜在的供需失衡状况,可以通过运力调度来解决,虽然目前的运力调度方式,在补贴等方面还有所争议,但至少供需预测可作为调度基准,在一定程度上体现了大数据的能力。
5. 热力图
平台的核心是连接,除了照顾好需求侧的乘客们,为供给侧的司机朋友们提供更好的服务,同样重要。
滴滴司机所关心的,是如何提高自己在单位时间内的赚钱效率。
大数据平台,可以基于对历史数据的统计,结合实时订单数据,给出当前全城范围内订单密集区域的分布,给司机提供有价值的听单位置参考,提高听单概率并减少司机空载时间。
以上我们介绍了滴滴大数据的应用场景,简要回顾如下:
智能分单
智能拼车
供需预测
运力调度
热力图
你的下一次出行路上,感受和思考一下,大数据为出行服务带来的变化吧。
1588722hfhs
所以说约矫情的顾客得到越好的服务
黑科技老K 回复 @1588722hfhs:
是的,而且要懂得大数据