网约车真有「苹果税」?复旦教授打800次车,发现越贵的手机打车越贵

共 655字,需浏览 2分钟

 ·

2021-02-26 00:09

你是否碰到过程预估价格30块,到了目的地发现扣了将近40块?
 
早高峰叫车等了1个小时最终还被取消,导致上班迟到?
 
一样的行程,一样的打车软件,为什么我的车费更贵?
 
打了无数次车的你是否仍然有很多困惑?
 
 
今天这篇文章告诉你一些「平台背后不为人知、打车的你不得不知」的操作。
 
去年,复旦大学管理学院副教授孙金云带着团队20几人在5个城市 (北京、上海、深圳、成都和重庆),专门打车800多次,花费50000元换回了下面这份打车报告。
 
调研集中在5城,以不同距离(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。
 
获得总样本836个,有效样本821个,通过数据分析,最终形成「2020打车报告」。

而且还有一件事要提醒各位:使用越贵的手机,打的车可能还越贵。


打车的苹果税,各位苹果机主都交了

 
该调研用「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。
 
苹果和非苹果手机用户「被舒适」的订单比例 (微信公众号「老孙漫话」)
 
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。


大数据杀贵?
 
用户手机品牌和价位占「被舒适」订单的比例 (微信公众号「老孙漫话」)
 
不仅如此,「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)。
 
心疼苹果机主1分钟。


打车平台背后不为人知的操作

怎样才能最快打到车?
 
这应该是每个早高峰争分夺秒的你都想知道的。
 
调研将点击确认呼叫后司机确认接单的时间定为「响应时长」,司机接单后到乘客最终上车的时长定为「等待时长」。
 
结果显示,北上深三城的响应时长峰值均发生在「早高峰阶段」。
 
各城市不同时段响应时长对比(分钟)  N=819 图源:(微信公众号「老孙漫话」)
 
早高峰时段响应时长,北京以32.5分钟高居第一,甩其他4城几条街。
 
这32分钟,耽误了多少人的全勤奖......
 
最难的是找司机,一旦有司机接单,等的时间相对就少了很多,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,这点时间简直不算什么。
 
各城市不同时段等待时长对比(分钟) N=819 (微信公众号「老孙漫话」)
 
特区深圳以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!
 
各城市综合上车时长对比(分钟) N=819 (微信公众号「老孙漫话」)
 
那么,平台打车和街头扬招出租车两种方式,哪种能更快上车?
 
调研结果显示,除北京外,扬招是各城市打车最快的首选。(团队在上海调研了美团、首汽、滴滴平台和扬招4种打车方式)
 
(微信公众号「老孙漫话」)
 
但是平台给出的时间可以相信吗?
 
这是个好问题,因为这份报告确实发现,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)。
 
5个城市预估等待、实际等待时间和时间延误比例(N=646)(微信公众号「老孙漫话」)
 
从平台角度看,以上结论依然成立。
 
各平台预估等待、实际等待时间和时间延误比例(分钟) N=645 (微信公众号「老孙漫话」)
 
在易堵城市和易堵时段,我们会觉得,市场不一致没什么问题,而这也是平台给出的常见解释「交通拥堵」。
 
然而调查显示,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,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,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。
 

怎样打车最便宜?

该调查以城市为单位,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。
 
不同打车软件每公里价格对比(元/公里) N=819 (微信公众号「老孙漫话」)
 
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。(稍微补充一句,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。)
 
该报告还给出了每个城市打车最优惠的选择,大家可以一试!
 
各城市实测打车优惠策略建议 (微信公众号「老孙漫话」)
 
有了时间游戏,平台会玩价格游戏吗?
 
报告按不同城市来观察,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%。特区深圳,也太实诚了吧?
 
各城市打车软件低估价格水平对比 N=417 (微信公众号「老孙漫话」)
 
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。

最后,整合调研结果,报告给出了乘客的满意度模型,模型包含打车价格、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。
 
 
乘客-平台城市满意度模型(N=819) (微信公众号「老孙漫话」) 

大数据杀熟难防?但也可以见招拆招

不久前,在一篇名为《我被美团会员割了韭菜》的文章中,一个例子引起了很多消费者的共鸣:
 
「自己开通会员后,发现常点的一家店铺,配送费由平时的 2 元变为了 6 元。颇感意外的是,作者用另一部没有开通会员的手机点了同一家店铺,同一时间配送费依然是2元。」
 
不仅国内如此,国外的消费平台也存在类似问题。
 
早在2000 年,亚马逊「差别价格实验」就是「大数据杀熟」起源。
 
 
毕竟,当一家公司能够获得像亚马逊一样多的数据时,它可以在几乎不需要额外努力的情况下进行一些有趣的实验。
 

当时,亚马逊根据潜在用户的画像,终合购物历史、上网行为等大数据轨迹,对68种DVD 光盘进行差别定价,不同的人群不一样的价格。
 
结果是,老用户「被坑钱了」。
 
在线差旅、交通出行、在线票务、视频网站、网络购物……
 
有越来越多的消费者有这样的感知——怎么越买越贵了?
 
大数据「杀熟」,已成为诸多网络平台企业「难以启齿」的问题。
 
但深入思考,这与算法问题密不可分。因为平台线上交易,其技术基础是大数据,也就是海量的用户数据。借用大数据平台,依据算法形成用户画像,「个性定制」式杀你,用户一般情况下不深究,无法发现被平台坑了。
 
那么,我们应该如何对抗「大数据杀熟」呢?
 
俗话说,解铃还须系铃人。
 
「反用户画像」。
 
新智元总结了网络上的招式,大家可以见招拆招。
 
卸载app重装,在某打车软件中,经上述操作,车费相比卸载前便宜了5到6元,而这就发生在几分钟前。这背后的原理是一种「伪装术」,卸载重装后,系统会判别你为新用户,从而进行优惠对待。
 
只在有优惠券的情况下下单。当系统判别为你是价格敏感用户时,平台会选择将补贴下发给最容易受补贴诱导而转化消费的用户。
 
当然,还可以多找几个家人、朋友一起试试看,代下单。
 
其次,还有一个实用的反手操纵。
 
切断大数据的去路——取消定位许可、不连接Wi-Fi(特别是某些公共Wi-Fi)等等。
 
因为网络会获取你的信息,如位置相册等,然后加以分析,对你进行用户画像,进行「精准」广告推送。
 
我们也能看出,当我们越来越多地享受数据带给我们的便利服务时,「暗中标好的价格」也如期而至了。
 
数据安全,是这个社会永远都不能避开的话题。


来源新智元

版权申明:内容来源网络,版权归原创者所有。除非无法确认,我们都会标明作者及出处,如有侵权烦请告知,我们会立即删除并表示歉意。谢谢!





感谢阅读



浏览 44
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