期末案例分析之出租车司机的收益最 大化.ppt

浅说互联网时代 出租车司机收益最大化 14P2 朱文举 胡岩 王正 时代背景（以2014年北京为例） 6.6万辆 但是 收入低 拒载严重 空驶率高 互联网来了 VS 滴滴打车 快的打车 那么问题来了… 什么样的司机能够抢到订单？ 原来大家都看到司机要买好手机，办联通卡，使用更好的网络环境去抢单，这个时候谁手快，谁网络好，谁硬件好，谁就能抢到单。这是不公平的。那怎么样才公平呢？ 从滴滴打车说开去… 某天，没开车， 下班打车回家。 上车后，无意中听到信息播报， “xxx到sss，距离dd公里，奖励100米” 疑问由此产生… 两点疑问… 何为“奖励100米”？ 为何“奖励100米”？ 司机告诉我… 滴米，简称米，滴滴打车的虚拟货币 xxx到sss的距离较近，且略偏僻，因此奖励 反之，距离远的，要扣除滴米 某些情况下，直接奖励现金 堆单补贴，滴滴补贴90元/13单 来自乘车用户的小费 司机告诉我… 几点思考 引入滴米的意义是什么？ 司机的收益的变化如何？ 额外的思考 滴滴乘车用户的收益如何？ 滴滴打车软件本身的价值？ 司机与滴滴的博弈 司机与滴滴的博弈——滴米的引入前 从左侧所示的滴滴与司机之间的博弈来看，司机的占优策略必然趋向于选择接单好活和不接单差活。因为接差活的不利因素会超过低收入是的收益为负。 司机 接单 不接单 滴滴 好活 高收入 满足 0收入 不满足　 差活 低收入 +不利 满足　 0收入 不满足　 引入前 * 不利：堵车时间成本、高油耗等 而滴米作为虚拟货币出现，起到了调动出租车司机运营积极性的杠杆的作用。实则是给司机引入了博弈的变化因素。大大增加了接单差活和无法接单好活的可能性。 司机 接单 不接单 滴滴 好活 高收入 -100米 +堆单慢 满足 0收入 -0米 不满足　 差活 低收入 +不利 +50米 +堆单快 满足　 0收入 +0米 不满足　 引入后 司机与滴滴的博弈——滴米的引入后 滴米的引入-意义 引入滴米，不仅使得客户在非最优路线下更容易打到车，同时鼓励更多的司机提高在线时间，接单量和服务水平，使得客户有更大几率打到车。对司机本人，也因为信用评级的原因会影响到他有更大机会抢到好单，因此也会提供更好的服务。 滴米的引入-供求理论分析 在我国，出租车定价并未实现高峰差别定价，导致价格并非按照市场供求来配置，因此出现高峰时段乘客打不到车，而司机因为堵车成本高而休息的怪象。 而在非高峰时段，出租车司机和乘客因为信息的不对称，又会出现空驶率高，造成资源的浪费。 滴米的引入-供求理论分析 设出租车价格为P，高峰时段成本为Cb，其余时段为Cg,则显然P- Cb 0, 而P- Cg0; 但其实存在这样一种情况，即P(X*Cb+Y*Cg）/ (X+Y)。 滴米的引入把这两种本来分开的两种“ 商品” 联系了起来，从而实现了变相的“搭售”。 P P Cb Cg 司机目前的选择 好活 差活 P’ P’ 司机扩大的选择 司机收益的变化-抽样举例 抽样数据折射出滴米系统的激励定价策略，奖励的幅度低于扣除的幅度，才能促使司机接更多的单。 司机收益的变化-抽样举例 活 收入 奖励米 扣除米 属性 1 110 0 100 G 2 15 0 0 /　 3 20 50 0 B 4 78 0 50 G 5 40 0 0 /　 6 21 50 0 B 7 90 0 100 G 8 32 50 0 B 9 13 50 0 B 10 13 50 0 B 之前，司机倾向选择1、2、4、5、7，共计323元。 之后，滴米的作用，会令司机选择所有活，共计422元。 司机的收益变化 司机收益的变化 传统模式 滴滴模式 滴米引入 司机收益的变化-传统模式 Ri 为每单收益 以往的高空驶率和拒载率导致 n 不足够大，因而总收益低。 司机收益的变化-滴滴模式 G，表示司机愿意的接单量 TIPs是差活用户提交的小费补贴 S*G*p是滴滴公司的补贴（p为滴滴单占有率） 司机收益的变化-滴滴模式 现在的 N=G+B，分别表示好坏活的单量 TIPs是差活用户提交的小费补贴 90*N*p/13是滴滴公司的堆单补贴（p为滴滴单占有率） 滴滴乘车用户的收益 乙方 甲方 滴滴打车软件的价值 从经济学的角度看， 市场，是因为信息不对称而存在的。 而滴滴打车的出现，很大程度上消除了这种不对称，从时间和空间上。 扫街趴活——空间上——附近的车 几乎无解——时间上——预约叫车 现状 从打车软件问世以来的结果看， 1. 司机的收益明显增加了 2. 出租车资源利用率明显提高了 3. 乘车用户满意度提高了 此处可以鼓掌… Thanks… QA