复旦教授疯狂打车800次,发现大数据杀熟的秘密!附完整调研报告

数据分析1480

共 11902字,需浏览 24分钟

 ·

2021-04-14 08:10

来源:复旦管院
作者:孙金云教授



2020年,复旦大学管理学院企业管理系副教授孙金云再次带领研究团队对“打车出行”进行调研。20多名在校大学生作为调研员,在上海、北京、深圳、成都、重庆5座城市,不同距离、不同时段进行了分层抽样调查。他们以实际打车的方调研了各城市主流打车软件加扬招巡游出租车。




近日,孙金云教授研究团队发布调研成果《2020打车软件出行状态调研报告》。在公众号回复“打车报告”可获3万字完整调研报告下载链接。


本文分为三大部分,由三段解读为你划重点:


  • 教授带队打车821趟,发现了什么秘密

  • 困在平台的网约车司机

  • 打车出行行业4个战略集群的发展路径及预判



 

FDSM

教授带队打车821趟

发现了什么秘密




怎样才能最快打到车?


平台会玩时间游戏吗?


怎样打车最便宜?


平台会玩价格游戏吗?


车辆状况怎么样?


各城市打车满意度如何?






教授说


早在2017年,我就和我的研究团队,一起在上海对打车软件做了一个小规模调查,结果发现,在包括滴滴、易到、神州和街头扬招几种叫车方式中,街头扬招是最便宜、也是上车最快的方式,这个结果,让我们大吃一惊!不是号称互联网思维么?不是有大数据和算法么?这里面究竟有什么样的玄机?


带着同样的疑问,三年后的2020年,我再次带领研究团队,在5个城市(上海、北京、深圳、成都和重庆),不同距离(近途:3公里以内,中途:3-10公里,远途:10公里以上),以及工作日早高峰(7:30-9:30)、晚高峰(17:00-19:30)、日间非高峰(9:30-17:00)、晚间非高峰(19:30-23:00)4个时间段进行了分层抽样调查。


调查共招募20多名在校大学生作为调研员,以实际打车的方式调研了各城市主流打车软件加扬招巡游出租车,最终搜集了滴滴、曹操、首汽、T3、美团、高德和扬招等7个渠道的数据,总样本836个,其中有效样本数为821,样本有效率98.2%。


通过对调研数据的分析,我们发现了这样一些有趣的结果——


 A

怎样才能最快打到车


对这个问题我们分两步思考:一是我们点击确认呼叫后司机确认接单的时间(响应时长),二是司机接单后到我们最终上车的时长(等待时长)。


调研结果显示,北上深三个一线城市的响应时长峰值均发生在早高峰阶段。其中,北京打车的响应时长达到了32.5分钟,其中还不包括一些下单时间超过1小时仍无司机接单而被迫取消、重新调整呼叫方式的情形。北京的朋友们,早高峰辛苦了,为了叫车“等到花儿也谢了”!



而等待时长的极值出现在上海晚高峰的13.7分钟,相比北京的早高峰,体验可以说是大幅改善。上海的兄弟们,下次叫车最好在室内笃定地叫,因为你要等上十多分钟,不要太早去街头,以免吹风着凉!



要说叫车最幸福的城市,那还得是咱特区深圳,深圳以5.6分钟的综合上车时长以及各时段都十分迅捷而领先几大城市,真是个“说走就走”的城市啊!


我们还探究了同一城市内部不同平台的差异,来更好帮助小伙伴们找到最快的打车方法,根据您所在的城市自己对对位置吧!



不查不知道,一查不得了,原来除北京外,扬招是各城市打车最快的首选这和我们在2017年做过的小范围打车软件调研的结果仍旧保持一致,要想快上车,街头去扬招!不过扬招等候的体验和在室内叫好车再出门还是有差别的,尤其是在恶劣天气状况下,所以,您自个儿想清楚喽!


 B

平台会玩时间游戏吗


您可能心中犹疑:扬招这么好,但我心里没底啊,打车软件至少还能告诉我需要等多久呢!


那么让我们来看看,平台软件们显示的预估等待时长真的准确吗?先奉上我们的结论吧:平台往往会向乘客呈现比实际更短的等待时间,以此提高乘客等待时的耐心


5个城市打车预估等待时间全部显著低于实际等待时间(P<0.05)。


数据说明:研究分析均来自于打车软件实测结果,并不代表平台真实采用了这一策略对用户进行某种筛选和操纵,可能会和他们真实的算法及策略存在一定的偏差。下同。

从平台角度看,以上结论依然成立。



有的平台解释说,是因为交通拥堵才导致平台对等待时间的低估。然而我们调查的数据显示,不管是否在出行高峰时间段,低估等待时间的现象总是普遍存在(P<0.05)。按理说,你们平台掌握了那么多的数据,怎么会全部低估了等候的时间呢?这么巧吗?


滴滴作为时间延误比例最大的平台,在四个不同时段的值均高于平均值,除深夜外,其余三项均呈现显著差异。在早高峰的时间延误比例更是达到47.4%,作为行业龙头,拥有最丰富的数据和技术团队,我们对如此系统性时间延误打了个大大的问号,对是否涉及“误导用户”甚至“用户欺诈”深表担忧。



所以可以看到,各大打车平台都参与了“时间的游戏”,与2017年的调研结论相同。另外让广大打车群众不太明白的是,你滴滴作为行业绝对的老大,车是你最多、数据你最全,怎么就你估算的时间偏差最大呢?


 C

怎样打车最便宜


为了回答这个问题,我们以城市为单位,以完全相同的出发地和目的地线路作为基准,对比不同打车软件中经济型和传统扬招的平均价格差异。各平台每公里的打车价格(以乘客实际支付金额计算)的结果显示,首汽单价最贵,T3单价最便宜值得注意的是,滴滴快车的价格与扬招出租车金额相同,均为4元/公里。(补充一句,我们的研究没有考虑滴滴优享和滴滴上的高端选项“礼橙专车”,那两个选项的价格都比快车要高,自然也就比扬招更高。



通过分城市的数据,我们也分析出了每个城市打车最优惠的选择,不信您自己去试试看吧!



 D

平台会玩价格游戏吗


平台减少了预估等待时间,他们在价格上也会如此吗?我们对软件的预估价格与实际支付价格之间的差异进行了分析,得到了一些有价值的发现。


按不同城市来观察,除重庆外,打车软件在上海、成都、北京和深圳4个城市中预估价格和实际支付价格之间都存在显著差异(P<0.05)。其中上海是打车软件价格被低估最厉害的城市,实付与预估差异的比值为11.8%,深圳相对另类,实付比预估价格还低了6.5%。神一样的深圳,也太实诚了吧?



上海整体低估车费的背后,是各平台价格的严重低估,其中,滴滴的实付预估差异比最高,达18.5%,其次是美团,高出了9.7%,首汽排名第三,为7.6%(P<0.05)。


5大城市中,滴滴和首汽都存在明显的价格低估现象(P<0.01)。其中滴滴平台的实付价格比预估价格平均高了6.7%,首汽平均低估10.9%;但T3、美团和高德并没有检验出明显的差异;曹操平台的实付价格却明显低于预估价格达21.1%,推测可能是平台大额优惠补贴所致。


还有一桩有趣的事儿,研究过程中我们也验证了“苹果税”的存在。我们用“一键呼叫经济型+舒适型两档后被舒适型车辆接走的订单比”来判断“被舒适”的程度。数据表明,与非苹果手机用户相比,苹果手机用户的确更容易“被舒适”车辆(比如专车、优享等)司机接单,这一比例是非苹果手机用户的3倍。



除了通过手机品牌识别,平台也可能同时关注乘客手机价格所透露的信息。研究结果表明,如果乘客使用的是苹果手机,那么就更容易被推荐舒适型车辆;如果乘客不是用苹果手机,那么就要看他的手机价位,手机价位越高则越有可能被舒适型车辆接走。好吧,这种行为是不是“大数据杀熟”,各人自有判断!



此外,“苹果税”还体现在打车优惠上数据表明,苹果手机用户平均只能获得2.07元的优惠,显著低于非苹果用户的4.12元(P<0.01)。除绝对金额外,优惠折扣比依然支持上述结论(P<0.05)。此处同情苹果用户五分钟……


 E

车辆状况怎么样


车辆状况一般由卫生程度和新旧程度构成,会直接影响乘客的出行体验。通过同一量表体系来观察不同平台车辆的卫生状况,结果显示,巡游出租车的卫生状况毫不意外地垫底,改进空间巨大,而T3和曹操的车辆相对较好。



在观察平台在各城市的车辆卫生状况时,我们发现各大平台在全国范围内并没有做到标准的统一。曹操和高德在北京和深圳的表现一致;但首汽和滴滴在不同城市有较大差异,特别是首汽,在北京和上海卫生最优而在深圳却得分最低,这在一定程度上反映了平台在跨地区发展时对于车辆的门槛及日常管理的松紧度不一致,当然也可能与各公司进入不同城市的时间节奏有关。


另外,我们通过已行驶公里数来衡量车辆新旧程度,结果显示,出租车和首汽的公里数明显较高,滴滴和曹操在车辆新旧程度上占据明显优势。




最后,终于可以在以上几个方面分析的基础上,来建立咱们的乘客满意度模型了!


乘客的满意度模型包括打车价格、等待时长、车辆状况和拥堵程度四个主要因素。分别反映了乘客的经济成本、时间成本、乘坐感受和心理体验。在通过AHP法确定四大指标的权重后,我们得到了“城市-平台”维度的乘客满意度数据。来吧,看看你所在的城市打车满意度排在什么位置!



对比扬招和滴滴的满意度我们不难发现,两者不分伯仲。滴滴在车辆状况上明显优于扬招出租车,但在价格和等待时间上处于劣势作为具有互联网思维和大数据分析等先进生产力的“滴滴们”,理应为乘客带来更高的满意度,但事实却大相径庭,这到底是哪儿出了问题呢?


咱们战略课上讲过一个概念叫“价值棒”,企业创造的价值会在用户和企业之间进行分配。对于用户而言,如果得到的价值增值有了增长,那么企业就获得了竞争优势。


放到这个环境中,我们可以解读为,打车软件们如果没有为乘客带来更好的出行体验,而是把所有创造的价值盈余都留给了自己,他们将丧失在市场当中的“竞争优势”。或许,他们会认为,自己作为一个平台,尤其是能够双向锁定的双边平台,对双方都有了垄断下的话语权;但是俺老孙想说的是:没有竞争优势,眼前的规模只是空中楼阁,一旦出现新的选择,那么顾客将会以最快的速度离开你,不要到那时再去事后诸葛亮地念叨什么“眼看他宴宾朋……“



FDSM

困在平台的网约车司机

你们还好吗




网约车司机的成本更低吗?


网约车空驶率更低吗?


网约车司机收入神话还在吗?


跑网约车是租车好还是用自有车更划算?


司机用软件越多就越能赚钱?


平台到底是怎么抽成的?


网约车司机幸福度模型是怎么样的?




教授说


根据交通运输部发布的《2019年交通运输行业发展统计公报》,截止2019年底,全国有139万辆巡游出租车,假设1辆车2个司机开,全国有约278万出租车司机。2020年6月滴滴CEO程维称,滴滴作为世界最大灵活就业平台之一,有1166万网约车司机。网约车司机已不知不觉取代了曾经代表城市名片的正规军——巡游出租车司机们的主流地位。由于没有找到官方权威的统计数据,我们姑且算是“千万网约车司机”吧!


那么,颠覆了乘客和司机两端行为的打车软件,到底为司机们创造了哪些价值?依托打车软件崛起的千万网约车司机们,他们还好吗?


为了寻找这个答案,我和我的研究团队进行了5个城市实地打车调研,通过与436网约车司机和打车软件行业各环节参与者的深入交流,答案渐渐浮出了水面。


 A

网约车司机的成本更低吗


“早上给公司开,下午给中石油开,晚上给自己开。”这句话是巡游出租车司机们成本结构的真实写照:每月流水-份子钱-油钱,就是自己到手收入。


网约车司机的成本结构有什么变化吗?从深圳的数据来看,除去充电成本,网约车司机的租车及其它成本较巡游出租车司机的份子钱平均低2545元(36.4%)。



表面上看网约车司机的直接成本更低,可是巡游出租车的份子钱还包括为司机缴纳的五险一金,网约车的保险往往包含着扯皮的风险。算上这份安全保障感,两者真实成本相差并不多


 B

网约车空驶率更低吗


如果说共享经济最大的贡献是盘活闲置社会资源,那么披着共享经济外衣诞生的打车软件所创造的最大价值,则在于降低车辆的空驶率,提升车辆的运营效率。


我们知道,网约车平台司机空驶率显著低于巡游出租车司机,但在不同城市差异较大。在深圳,出租车空驶率最高,滴滴最低,只有出租车的一半左右,这个结果并不让人意外;而到了北京,首汽居然空驶率最高,曹操最低。首汽作为北京本地龙头企业,旗下司机的空驶率竟然比从浙江总部远道而来的曹操高出12.7%,比巡游出租车仅高1%。



总体而言,打车软件相较于街头巡游出租车,的确显著降低了空驶率(不要问我北京首汽为啥做不到),必须承认,这是互联网技术所带来的社会进步!


 C

网约车司机收入神话还在吗


自2012年打车软件补贴大战以来,网约车司机被盛传门槛低、月入轻松过万、灵活自由。在那个时代,单靠补贴,司机一天的收入也能上百。如今民众猎奇、平台烧钱都已结束,行业发展趋于理性成熟,潮水退去,网约车司机高收入的神话还在吗?


数据说明:月到手收入是指扣除份子钱、租车成本、燃油成本等主要成本后的收益。

调研发现,滴滴司机收入在以上5个城市主要的打车平台中都排在前列,而出租车司机都在底部。滴滴司机收入在上海和重庆比出租车高18%和12%,在北京和成都比出租车高35%和40%,而在深圳只比出租车高4%。


再一次地,我们发现开网约车比开街头巡游出租车要赚得多(此处同情巡游出租车司机五分钟……


那么,这么高的收入,究竟是怎么来的呢?我们后续还有分析。


 D

跑网约车,选择租车还是自有车


如果你是一名司机,哪种方式最赚钱:选择租车、用自有车还是公司配车?


在被调研的436名网约车司机中,有50.7%的司机使用的是自有车,46.6%的司机租车,只有2.7%的司机使用公司配车。数据告诉我们,的确有更多人用自有车跑网约车,同时这种方式不管是从月到手收入还是从时薪上看,都是最高的。可是自有车跑网约车还有一块隐形成本,就是购车成本以及折旧,如果算上这个,租车或许是比较划算的选择。



此处请注意,不使用打车软件的出租车司机收入显著低于使用软件的所有司机们


 E

使用多少个打车软件最赚钱


使用打车软件的确能有效降低车辆空驶率,但是由于司机精力有限,使用软件的个数并不是越多越好,它和空驶率之间呈U型分布。


从调研数据可以看出,使用打车软件能帮助司机显著提升收入,不用软件的司机收入垫底,使用2个软件的收入最高,但随着软件个数再增加,收入反而下降,两者之间呈倒U型分布。


这和我们在访谈中了解到的信息一致,即司机与特定平台深度绑定更有助于积累好评及评分,从而得到平台的长期激励。同时使用2个打车软件的司机更能在非高峰时段或偏远地区降低空驶率,提升车辆周转率



然而一个有趣的发现是,司机收入提升是由于空驶率降低和工作时间延长所致,抛开这两者因素,我们用司机到手收入除以每月载客公里数得到每公里载客收益指标,发现这个指标在同时使用不同数量软件的司机群体上并没有什么变化。这表明司机在打车平台里的收入其实受限于自己可工作时间的峰值,同时,滴滴已设置每日最长待机时间和最高载客公里数,网约车司机的最高收入已被平台精准计算。


 F

平台到底是怎么抽成的


由于司机端收到的是抽成之后的价格,很多司机都不知道平台抽成到底是多少,他们只知道一个大概比例数字,并不清楚细则。


而数据里藏着答案。


从不同平台来看,滴滴抽成比例最高;曹操和T3之所以为负值,是因为在调研期间优惠力度较大,导致许多样本的乘客实际支付价格低于司机端价格;而美团和高德作为聚合平台,既涉及与司机分成,也涉及与其他打车软件公司分成,情况较复杂,估算结果仅供参考。


数据说明:研究分析均来自于打车软件实测结果,并不代表平台真实采用了这一策略对用户进行某种筛选和操纵,可能会和他们真实的算法及策略存在一定的偏差。下同。


下面以滴滴为例,分析其在不同城市抽成策略是否一致。数据表明,滴滴在上海、深圳、北京和成都的抽成比例都在20%左右,而在重庆的抽成比例较低。好吧,行业老大市场份额遥遥领先果然有“力度”。



在数据中我们还发现,滴滴的抽成依据早中晚夜不同时段、近中远不同路程以及经济和舒适不同类型订单都会发生变化,这里篇幅所限,不再一一展开。


各个平台抽成策略不一,即便同一平台在不同城市、时段、路途和订单类别都有差异化处理。这让我想起了某视频平台里的那个无辜的滴滴客服,面对司机爆粗口问“你们究竟是怎么提成的”,她完全无言以对,因为算法实在是太过复杂了。



再一次,我们在上述分析基础上,尝试建立网约车司机幸福度模型。


同样按照AHP层次分析法构建特征向量矩阵,得到了网约车司机幸福度模型,并得到了以下有趣的发现:


1、哪个城市司机最幸福?


模型结果表明,海司机们由于有相对最高的收入和相对较短的工作时间,其幸福指数最高;深圳司机们虽然收入也很高,但平均工作时间更长,工作强度大,排在第二;北京和重庆分别列第三、四位;成都司机们的平均月收入最低,其他项目得分平平,因此排在最后。


数据说明:以上数据综合考虑了巡游出租车和网约车两个群体。


2、哪个方式开车最幸福?


用自有车跑网约车的司机们工作时间短,相对轻松,同时没有租车跑网约车每月固定租金的压力,到手净收入较高,幸福度也最高;而公司配车运营网约车的司机,虽然收入较低,但工作时间较短,幸福度排名第二;租车跑网约车的司机在每月固定租金的压力下,工作时间更长、强度更大,排名第三;巡游出租车司机收入较低,工作时长不短,排名最后。



3、哪个平台网约车司机最幸福?


以深圳的数据为例,由于滴滴能为司机带来较高月收入、全面罚款保障和最低空驶率,该平台司机幸福度以5.5分居首;而首汽平台,鉴于其司机的工作时间最短,收入也更低,空驶率较高,因此在三个平台中以4.5分排在最后;曹操平台司机拥有相对较高收入、较短工作时间和较多订单的三大优势,以4.9分居中。



对于乘客而言,打车软件优化了叫车、候车的体验舒适度,但在响应/等候时间效率上反而不如扬招,在价格上受到定价策略多种因素影响而高低不一。从乘客满意度的角度,网约车并没有比街头扬招有明显提升;而在司机端,客观地讲,打车软件的出现,壮大了这个行业的队伍,有效提升了他们的收入,可是这样的收入来源于先进技术手段对于空驶率的降低,每公里运营收入与街头扬招并没有明显提升。


在这里,我们回顾第一部分提到的“价值棒”概念,打车软件通过大数据和算法创造了先进的生产力和巨大的价值空间,但是这样的价值增值并没有恰当地在司机、乘客和平台之间进行合理的分配。铁打般稳赚的平台,流水般无奈的司机和乘客,似乎是这一渐趋垄断行业的最佳写照。


在调研中,我们深切感受到了司机们的辛苦和无奈,此处我们呼吁那些巡游出租车企业,学习先进的生产力,抱团取暖,同时对那些年长无法顺利使用调度软件的年长司机给予特别的安排,保障他们的实际收入。



FDSM

打车出行行业的

四大战略集群




打车出行行业的不同战略集群


第一类玩家:一家独大的滴滴


第二类玩家:造车新势力


第三类玩家:聚合平台


第四类玩家:市场补缺者


数据资产该归谁




教授说


前两个部分分别揭示了打车软件对乘客端和司机端带来的影响。第三部分,咱们一起回顾和梳理一下风起云涌、分和聚散的打车出行行业,以及打车软件之间白热化的竞争态势。



按照战略集群理论,我们把打车出行行业划分为四个不同的战略集群,下文将一一详述各类“玩家”的发展路径和未来预判。


 A

第一类玩家:一家独大的滴滴


自2012年成立以来,滴滴用不到10年的时间走到了一个新兴行业的龙头位置。纵观其发展历程,自成立起就没有停止过扩张的脚步。当下,滴滴已初步完成了由网约车平台向综合出行解决方案提供商的华丽转变。



为谋求持续增长、提高盈利水平,滴滴不仅提升了精细化运营能力,在海外和下沉市场不断探索,还推出了针对细分市场的新品牌,并且进入新能源充电网、无人驾驶等领域进行产业联动。



通过对司机们深度访谈我们发现,作为打车软件行业的绝对领先者,滴滴承载着对出租车行业变革的期望,却又饱受司机的诟病。



访谈中,我们还了解到滴滴也在不断变革。


例如发生女乘客遇害事件后推出了四大整改措施:

1)晚上10点后只有优选司机能接到女乘客订单;

2)全程语音监控;

3)司机和乘客双向都可一键报警;

4)行程可分享给家人。


又例如,发生司机猝死事件后推出强制休息(在线4小时会被强制休息20分钟)和最长计费时长(司机每天在线时间不能超过18小时,载客时间累计10小时停止派单)的规定。


同时,为避免乘客不付钱给司机带来损失,滴滴会先行垫付车费。


滴滴还是网约车平台里对司机和车辆门槛最高的,将司机分为青铜、白银、黄金、钻石进行精细化管理,为全体司机购买罚款保险等。


为深入了解政府监管部门对网约车行业的看法,我们访谈了某市道路运输部门领导,他告诉我们:“国家文件对网约车的要求是高品质服务,差异化经营。滴滴仅1天在该市大概有50多万单,一单就算抽4块钱就有200多万,这还只是在该市1天的费用。”“疫情来了,对滴滴来说只是赚多赚少而已,但对重资产的巡游出租车企业来说就是亏多亏少的问题。”“除了利润,运输行业出事故和死伤是很难避免的,但滴滴把这些风险都转嫁给了像租车公司这样的合作方。”


可见,在监管部门眼中的滴滴:轻资产、高利润、低风险


网约车市场已面临增长瓶颈、进入存量竞争的业态。称霸行业的滴滴需要扩展服务品类,加紧下沉市场扩张,大力发展自动驾驶等高科技产业,构筑自身的市场壁垒。


 B

第二类玩家:造车新势力


随着网约车、共享出行这些概念在国内市场的普及,年轻一代的消费者发现,即使没买自己的车,将来也能享受到各种方便舒适的出行服务。如果这一切真的发生了,谁最迫切地需要战略转型呢?


没错,是上游车企。当用户的使用行为即将发生剧烈改变时,作为生产商,为了不被类似滴滴这样的大平台“扼住命运的咽喉”,只有撸起袖子“自己干”。



车企一手车源是他们纵向扩张,加入网约车战场的底气。对于那些自己没有车的司机来说,如果想开网约车,滴滴通常都是和外部第三方租车公司合作,并且有很多租车公司指定司机只能用滴滴单一软件平台。


根据之前的数据分析,网约车的租车成本比传统出租车的“份子钱”成本更低。车厂出身的曹操在租车成本上优势明显;但同样作为车企,首汽的租车成本却高企,可能的原因有运营效率不佳,或者是车辆定位高端。调查数据显示首汽平均月租车成本比滴滴高了25.5%。



为研究网约车市场的战略集群,我们选取曹操和首汽两个平台作重点讨论。



曹操出行成立于2015年,是吉利科技集团战略投资的国内首家新能源汽车共享出行服务平台,坚持的是“新能源汽车+公车公营+认证司机”的B2C模式。目前,曹操仍处于抢占市场阶段,公司依靠补贴大力扩张,尽管成立以来尝试过诸多创新业务,但各项业务仍处于亏损状态。


作为一家依赖母公司输血而存活的公司,曹操在资本市场表现平平,除了母公司4.4亿美元的战略投资外,公司仅于2018年完成10亿元的A轮融资。


从曹操出行大数据研究院推出的《2020年网约车司机群像分析报告》来看,曹操的最大客户为国企和事业单位,绿色公务App的推陈出新较好地满足了政企单位的用户需求,也是曹操实施差异化竞争的载体。



首汽约车隶属于历史悠久的国企——首汽集团,目前首汽约车已位列行业第二梯队。



首汽在重点市场的自有出租车队,为其网约车业务上线之初提供了稳定的运力保障。而首汽主要定位于注重品质的一二线城市,并针对这类市场提供了细分场景的用车服务。



 C

第三类玩家:聚合平台


作为2017年才入网约车战局的巨头,阿里-高德和美团打车会采用哪些差异化策略和滴滴抗衡呢?——答案是:聚合平台。


通过本次实地调研发现,用高德/美团一键呼叫所有经济型(13个选项)+出租车,结果非常有趣。总共82个样本中,却无行业领头羊滴滴,而曹操无论在高德还是美团,无论在深圳还是北京,都有不低的份额,是聚合平台重要的跨地域合作伙伴。


小众软件呈两个梯队:第一梯队“及时”在高德北京占到50%以上,“双创”占高德深圳26%,“阳光”占美团深圳16%。剩余第二梯队品牌虽有很多,却只瓜分有限的市场份额。



不同平台的聚合策略是否有差别呢?从上图我们可以明显看出,高德给出租车较高的份额,而美团更专注“网约车”。但总体来说,聚合平台通过给中小品牌导流,掌握商业游戏的“主控权”,是典型的“战略合纵”思想。


调研中,我们发现两家聚合平台高德和美团的合纵策略各不相同,这里篇幅有限,无法一一展开,如果想要了解更多,欢迎阅读3万字调研报告全文,文末有获得方式。


 D

第四类玩家:市场补缺者


上文曾提到,在高德聚合平台上看到很多小众打车软件,如AA、双创、及时、阳光、全民、900等,他们既没有砸钱在乘客端App上,也没有花钱做宣传。那究竟是哪些司机和乘客会使用这些小众打车软件呢?


通过实地调研我们发现,与龙头老大滴滴相比,小众打车软件拥有司机更年轻、工作小时数更低、综合上车时长更短的优势。且与其他主流打车软件相比,车辆较新、空驶率低、卫生状况相对更好。



我们还结合司机访谈,找出一些“小众软件”的高频词。比如“人车要求低”——如有的车辆已经达到大平台报废年限或行驶公里数上限,在小众平台却可以继续用;而有的司机由于有前科、有不良记录、年龄偏大等种种原因无法在大平台注册,在这里也能接收;再比如“规则务实简单”——派单标准是就近原则,较少对司机进行评级分类管理。“不抽成低佣金不限额”——早高峰不抽成,不设置司机收入天花板,没有每日流水的上限,也没有最长载客时间的上限等。


与滴滴相比,另外三类挑战者们仍处于抢占细分市场阶段,他们的对策是发挥自身优势、采取合纵策略、抱团取暖。


打车软件出行市场天生是一个地域性分割的市场,网络外部性并不能带来跨越城市的竞争力。简单讲,那些滴滴的挑战者们,应该以城市为单元,逐个城市尽力展开合作,相互取长补短,集中火力、抢占市场份额,而不是各自为战、轮番补贴,那样的局面只会消耗自身有限的弹药,却根本无法撼动滴滴的地位!



最后:数据资产该归谁


毋庸讳言,由互联网技术发展催生出的打车软件行业,在过去的几年里极大地改变了人们的出行方式和出行习惯,也壮大了营运司机的规模。通过调研数据分析,我们对打车软件的经济价值给予肯定:总体提升了司机的单位时间收入和总收入、降低了空驶率、提升了运营效率。同时,网约车为乘客提供了更多选择,满足了市场的差异化需求。


然而,随着打车软件行业集中度不断提高,早先进入的企业凭借其规模优势获取了大量客户数据,随着算法不断“精进”,他们因此能预测、引导甚至操纵顾客的行为。极端的时候,用一些“技巧”诱发用户错觉,形成他们对产品的依赖。


如我们在调查中所发现的打车软件与乘客玩“时间游戏”、“价格游戏”、收“苹果税”等现象,其实都是基于数据分析、对个体消费者在不同场景下“时间弹性”和“价格弹性”的精确拿捏,这些技术没有给消费者带来差异化的价值,但通过“差异化的偏差信息”提高了平台自身的收益。同时,这些信息差异很容易被其他因素,如路况、平台先行垫付等所掩盖。


撇开我们在上一部分总结时提到的,平台利用其市场地位,独占技术进步所带来的价值盈余,很少反哺给平台两端的服务提供者与消费者;还有另外一个问题促使我们要以更严肃的态度去探讨:技术进步所依赖的资本——数据资产的所有权和收益究竟应该归谁?那些由海量用户参与贡献的数据在聚合以后创造的价值,真的与千千万万消费者完全无关吗?


在过去20年中实现爆发式增长、涌现众多独角兽与巨头的互联网行业,以及今后20年即将对人类生活、伦理、价值观产生巨大影响的人工智能领域,数据是第一生产力。而数据本质上是由客户与服务商的互动行为产生的,平台只提供了一个信息交换和供需匹配的服务,却充当了数据的收集者和控制者。这是否意味着平台就能理所当然地占有这些数据、并获得由数据驱动所产生的收益呢?


2020年3月发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》,首次将数据正式纳入生产要素范围,要求加快培育数据要素市场。


要明确数据资产,前提条件之一就是要明确数据资产的法律权属。但目前关于数据资产的权属与保护,法制建设上还处于探索阶段。除了确权难,如何防止数据资产侵权也存在技术上的挑战,因为数据资产在开发和运维上需要很高投入,但复制和传播成本却非常低。数据治理的探索任重而道远。


让我们退一步,把视角放宽一点,从战略的角度去看待这个由政府、企业和使用者多个相关利益者的博弈:调研中发现,越是竞争激烈的城市,“大数据操控”的可实现性就越低,看来只有在充分竞争的环境下,企业才能敬畏市场、善待客户、围绕真正产生社会福利的关键点去做创新。


那么,如何缓解因互联网行业“先行者垄断”而可能导致的“大数据操控”?


我们认为,构建完善的数据治理可能是一个出路。在公司治理中,我们知道企业的股权包括了所有权、分红权、增值权、表决权等四项基本的权利。或者,这可以是我们探讨研究社会数据治理的一个方向:在政府或相关部门的介入下,对数据资产进行确权,开展不以盈利为目的数据控制与数据治理工作;通过联邦学习等方式,让科技企业都能以大数据为依托,进行产品创新然后由数据贡献者、维护者、使用者、监督者等多个利益相关者共同介入,对上述四种权利进行适当的分配。


如此,既可以充分利用市场的力量推动科技进步,也能“逼迫”企业将创新所带来的“社会福利”反哺给商业活动的参与者,最终,真正实现大数据的“取之于民,用之于民”!

浏览 42
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报