报告全文下载地址:https://static.aminer.cn/misc/pdf/economic.pdf
行为经济学是借鉴心理学相关理论和实验经济学手段,结合对新古典经济学的批判性吸收,所发展起来的对现实经济活动进行解释和预测的一门社会科学。 在如今崇尚人工智能的时代,行为经济学理论能够为人工智能中存在的未知、不确定等提供可行的路径。
行为经济学是借鉴心理学相关理论和实验经济学手段,结合对新古典经济学的批判性吸收,所发展起来的对现实经济活动进行解释和预测的一门社会科学。
在如今崇尚人工智能的时代,行为经济学理论能够为人工智能中存在的未知、不确定等提供可行的路径。
Uber、滴滴等共享交通则充分借鉴了行为经济学的优势和特点,来帮助进行判断和决策,提高原来判断的准确性。在具体应用上,主要包括以下三个方面。
1 用户画像的描述
在实际场景中,滴滴对用户的“贴身跟踪”能及时发现薄弱环节,从用户打开软件到退出使用,其间的每一步情况都被记录在案:哪一天退出的,哪一步退出的,退出之后“跳转”到什么软件等等。
据此,滴滴也实现了用户另外一个纬度的归类,分清哪部分是忠实用户,哪部分可能是潜在的忠实用户,哪些则是已经流失的。
从而更进一步来看流失的原因:因为代金券没有了流失?软件体验不好流失?还是等车时间太长而流失?——这些都是下一步精准营销的依据。
而对于滴滴而言,用户分析不仅仅是针对乘客,也包括司机、出租车公司的所有相关方。
尽管基础信息大同小异,都包括人的基本信息、信用、行为信息等;也有一些通用的刺激手法,比如积分、礼物等。
不过,不同的用户画像就对应了不同的刺激程度,而结合不同的场景,还是许多特殊的营销安排。
● ● ●
实际应用
在杭州市场,基于司机的地理位置信息,滴滴发现每天中午或者是每天晚上10点以后,司机都会聚集在一些固定的地点,可能休息或者就餐。
因而滴滴就会在这些场所提供一些工作餐或者是优惠食品,通过线下的活动来提升司机和滴滴的合作关系。
2 匹配供需的精准度
维护好用户只是基础,最终目的是为了打通供需,生成更加优化的服务和产品。这也正是数据之于打车软件此类的O2O行业的重要性所在。
数据能解决一个核心问题,就是做供需双方的智能匹配。
这很容易理解。公交、出租车、地铁都是对出行人群不同需求的对号入座,不过这样被称之为“粗暴式”的分类法应用起来效率低下。
以一个司空见惯的打车场景为例,在路边拦车,可能许久都没有空车经过,或者是好不容易等到的车,司机问了地址之后还可能拒载—呈现一种杂乱无章的状态。而在海量的数据基础之下,出行的需求被不断细分,而且是实时匹配。
● ● ●
实际应用
当一个乘客下单之后,需求方的用户图像和需求同时被识别,结合供方的车辆条件和位置地图进行第一轮筛选。
不过这个看似正常的订单却不一定符合实际,因为有一些订单发出来是司机不愿意接的,比如高峰时段的拥挤路段。
那么在这个时候就要进行订单评估和内部调节,结合历史数据制定一些刺激措施、叠加“乘客自行出的小费”来诱导司机,这样一个符合供需双方胃口的“合理”订单就生成了。
下一步要做的就是实时调度,要考虑当时的交通情况、车的朝向、车速、附近是否有突发性事件等等因素,选择最为优化的方案。
3 大数据的洞察性
当完成了以上的步骤之后,滴滴才会把用车需求和奖励方案推送给经过层层筛选之后的出租车,这样居民打车的成功率大大提升了,而且所用的时间更短。
这是以前所有的产品做不到的,因为它们并不能洞悉消费者的心理。
在大数据应用下,消费者和供给方能够省略中间环节直接议价,这是一个模式上的变革性的突破。
而最终海量的议价数据将提炼成为一种“商业情报”,来推动新的产品和新服务的推出。
比如智能定价系统,以从机场到望京这一段司机不愿意接的单为例,可能70%的乘客额外加20块钱,少数人加了30块钱,而有的只愿意加10块钱,那么系统整合分析以后会得出21元钱是一个更合适的议价,最终的定价可能会令消费者和司机双方都可以接受。
因此,以这样的逻辑推导生成的产品才更能有的放矢,因为其生成不是来自于企业对市场的臆断,而是直接提炼于供需双方的心理预期和真实需求。
● ● ●
实际应用
“回程单”的产品创设就是一个很典型的例子。
最初,它只是滴滴的数据分析发现一个异常的数据现象。即司机的抢单意愿率在某一个时点会骤然下滑,过一段时间又会反弹,日日如此。
通过对这个特殊节点分析,滴滴得出一个司机运营的特殊场景,这个抢单意愿率骤然下滑的节点就是司机收工的时间。
接下来便是针对性地解决问题。不管司机是交班还是回家,肯定有一个固定的方向—这一点可以通过历史数据分析出来。那么滴滴要做的就是把同样去往这个方向的乘客分配给对应的司机。
在如今崇尚人工智能的时代,产品的细分应用场景将会越来越依赖于大数据分析,从数据中洞察需求与商机,再结合大数据提供应用解决方案,将变成未来产品迭代的常规运作模式之一。这也是滴滴产品的生成逻辑。