需求方|滴滴“动态调价与排队等候”功能策略分析国家节能|数据中心|smart|dc|up

你是否也有过相同里程，不同场景下，打车费用不同的经历？本文以“滴滴”为例，剖析在高峰期与雨雪天气两大典型场景中，APP “动态调价”与“排队等候”功能背后的本质原因。每个产品功能的背后都蕴藏着产品经理的深刻洞察与思考。推荐产品人们阅读交流～

文章插图
经常打车的小伙伴一定会发现，同样里程下，在不同的地点，不同的天气，不同的时间点下打车费存在差异？（大数据杀熟策略咱不知有无，不乱说，也不研究）
在一些雨雪、打车高峰期打车费不仅平时贵还不一定能打到车，有时候还需要排队？为什么会出现这样的情况呢？

文章插图
如图我们可以看见滴滴通过加价调度车辆或者选择排队等候。
功能是为了解决问题满足需求的，提及需求必定要有场景，提到打车必提两个高频场景
我们来看下“打工人上下班高峰期和雨雪天气”这两个典型场景下都会产生什么问题
1. 上下班高峰期

同一时间/地点打车人数迅速增多导致对车辆需求瞬间增大。
上下班道路车辆非常多，有的地方还限行，导致道路拥堵，导致司机无法或不愿意去需求热区（很多人集中打车地方，比如CBD）。

2. 雨雪天气

平时能骑车或者能步行的用户在这样的场景内也会转化为叫车用户，用车需求暴涨。
雨雪天气导致路况较差，司机消化订单能力降低，部分司机可能因为雨雪天气选择休息。

往深看一下，造成打不到车的原因是——供需失衡。
滴滴是很典型的双边平台，供给方为司机，需求方为用户，在某些场景下需求方会瞬间增多，供给方数量是一定的偶尔还会减少，必然导致了供需失衡。想要解决这些问题，就需要围绕“供需平衡”这个点出发。
一、如何才能“供需平衡”有三个方向可以努力：提高供给（更多的司机）、减少需求（提高价格等）、提高运转效率。
第一个和最后一个显然不是短期能解决了，成不了当下最优解，剩下的方案就是“动态调价”，即通过价格来平衡供给。

需求方：提高价格，来抑制打车需求，价格敏感型用户此时就会放弃打车；价格不敏感用户可通过高价来享受服务。
供给方（司机）：提高价格，来提高司机的收入，让司机获得比预期更好的收益来调动司机的积极性。

这样的策略看似解决了问题，用户和司机都可以基于价格和价值进行权衡，当价格符合双方价值预期便能够达成交易，然而一个问题的解决往往会带来新的问题“动态调价”落地上线后，发现在极端场景下价格会高的离谱，超出了感性人可接受范围，并且暴露出了其他的问题——

通过价格上调是“抑制需求”，并不是真正意义上的满足需求。
把选择权全权交给用户，通过竞价，价格会高的离谱，司机伺价而动，双方都在博弈，增加交易成本。
议价乘客和司机人数并未增多，运力供给并未大量提升，仍旧是部分司机满足部分乘客需求。
调价后依旧会有无法出行的情况，反而导致大量因“调价”而产生的投诉。

基于以上问题不得不再次回归到问题的本质：需求与供给的匹配问题，而且是良性的匹配有温度的匹配，想要做好匹配，先要明确用户诉求，叫车用户诉求是更快的打到车，“更快的的打到车”是比较模糊的，再向下拆分可拆解成三层含义——