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

你是否碰到过行程预估价格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