行为经济学与人工智能研究报告（2018年第四期）

 

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。