惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

WordPress大学
WordPress大学
博客园 - 司徒正美
I
InfoQ
宝玉的分享
宝玉的分享
G
Google Developers Blog
J
Java Code Geeks
Martin Fowler
Martin Fowler
The GitHub Blog
The GitHub Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
罗磊的独立博客
腾讯CDC
F
Fortinet All Blogs
A
About on SuperTechFans
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Recent Announcements
Recent Announcements
Last Week in AI
Last Week in AI
B
Blog RSS Feed
博客园 - 聂微东
D
DataBreaches.Net
Hugging Face - Blog
Hugging Face - Blog
The Cloudflare Blog
L
LangChain Blog
Microsoft Azure Blog
Microsoft Azure Blog
aimingoo的专栏
aimingoo的专栏

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
同样是免单,为什么饿了么赚翻了,滴滴翻车了?
动物园园长 · 2022-10-19 · via 人人都是产品经理

前段时间,饿了么上线“免单1分钟”活动,有众多网友参与,也引发了热烈的讨论。然而,同是免单活动的滴滴,却宣布提前取消。为什么两个平台的免单活动,结果会截然不同。作者在这篇文章中表达了他的看法,一起来看看吧。

首先重新给大家交代一下活动背景:

2022年8月13日滴滴出行上线了一个猜目的地免单活动,大致规则是不管出发地在北京任何地方,只要终点是西单且订单金额在100元以内对一律免单。后因大堵车临时调整为出发地为西单也能享受免单。

在8月14号也就是活动第二天,滴滴宣布为了维护商圈周边交通秩序,免单活动取消。

2022年6月21日饿了么上线了“免单1分钟”活动,每个小时都有“免单时刻”,符合活动规则的订单金额将会自动返回原路,每天用户参与的次数不限,每次免单封顶200元。活动地区也在6月23日也就是活动第三天开放至全国可参与。

一个活动提前取消,另一个越做越大,同样是双边平台,同样是“免单活动”,有哪些制约因素或条件导致结果截然不同?

从抽象角度看,不管是外卖平台还是出行平台,可以抽象为属于双边平台。双边平台即由两类用户群体通过某个中间层或平台促成了交易的平台。双边平台的核心价值是降低交易成本,促进交易结果,那么有哪些影响因素会直接影响交易结果?

一、哪些因素影响了交易结果?

为了方面理解将故将双边平台影响结果等式化。即使该等式无法得到具体的总数。

交易结果 = 需求规模 * 供给侧规模 * 匹配成功率

1、需求规模

需求规模 = 用户DAU * 人均订单数

从两者的活动性质来看,都能在短时间内促进需求规模提升,毕竟出行需求和生理需求都算比较刚性的需求。不过从拉新或促活覆盖用户的层度来看,饿了么基本上覆盖了平台大部分用户,而滴滴只覆盖了北京部分区域的用户。

需求规模的提升会带来供给侧收益提升,也就是外卖商家/骑手、滴滴司机收益的提升,同样也可以理解为司机/骑手的空驶时间变少,单位时间内的收益变大。

包括外卖平台上线的“拼单”、出行平台上线的“拼车”,给用户发优惠券等等也是在优化此变量

仅从活动需求规模来看,为什么出行平台仅在北京西单搞活动就翻车,而外卖平台搞全国性的活动也没翻车?

2、供给侧规模

出行平台供给侧规模 = 司机DAU * 人均在线时长

外卖平台供给侧规模 =(商家DAU+骑手DAU)* 人均在线时长

供给侧规模代表平台的运力,文首所提到的两者活动结果的差异很大的原因就是出行平台的运力出现了问题,当滴滴免单的活动传开之后很多人都往西单打车,车流突然变多,而且路窄导致了大堵车。堵车后订单时间拉长,导致空闲司机数量变少,进而供给能力降低。

有朋友刚好打车去那里,结果车上堵了两个小时,本来二三十块的车费,花了一百多,主要是拥堵费。滴滴免单限额一百以内,所以有些人反倒花了更多钱。

所以严谨来看,有效的供给侧规模不应该仅仅是在线时长,而是处于有效状态的在线时长,除了堵车外等客观因素造成无效的在线时长外,还包含了一些平台机制会限制平台供给侧规模。例如乘客拉黑了某个司机。那么在一个地方的司机和乘客不会突然突增的情况下,永久拉黑司机就会导致运作效率变低。所以滴滴在保障供给规模的前提,拉黑的有效性是365天

包括出行平台不做女性专属打车频道也是同理,如果要做可能就会出现半个小时甚至一个小时都没人司机接单的情况。虽然出行平台会调用更多杠杆来尽可能完成订单,但杠杆的资源和力度也是有一定范围限制的。毕竟交易平台的核心价值就是要降低交易成本,促进交易结果。

另外一边外卖平台的有效的供给侧规模在本次免费活动运力更好一点,不是因为商家数量比司机数量要多,也不是活动参与人数少,更不是交通没有产生拥堵。

其最根本原因供给规模覆盖度的差异,商家能满足5公里内的用户参与活动,是一个一对多的供给关系,而出行平台非拼车的情况下,几乎只能是一对一的关系。,从这也能看出外卖平台和出行平台在补贴上或平台起步都不是一个量级,覆盖5公里内的需求规模 外卖商家可能30家,而滴滴司机可能需要100位,当然这也要结合匹配成功率来看。

3、匹配成功率

匹配成功率指的是需求方在供给方的支持下得到了满足,也就是双方距离越近,越有机会匹配成功,反之成功率越低,完单率也就越差。需求侧未得到满足,供给侧也在空驶。所以匹配成功率也是平台调度系统核心价值和难点所在

出行平台匹配成功率= 司机与乘客的地理位置分布

外卖平台匹配成功率 = 首先是吃货与商家地理位置分布,其次是外卖小哥、吃货、商家三者的分布

严谨来说某个时间节点切片下对地理位置分布,所以基本上双边平台都上线了“预约时间”相关功能模块,提前绑定供需关系提升匹配成功率。

另外在节假日或高峰期双边平台会提示用户是否增加调度费来缩短等待时间,调度费在需求侧满足对需求紧急程度较高的用户,平台提前锁定司机或骑手进而提升平台匹配成功率解决附近运力不足的情况,同时平台和供给侧也能共享收益。

匹配成功率除了产品策略外,还可以“人为提前干预”,比如知道某天有大型演唱会或新商场店铺开业,提前引导到需求较大的地理位置,这样接驾公里数变少,匹配成功率变高甚至完单整体效率也变高。

不管是“预约时间”还是“增加调度费”,总的来说在平台层面匹配成功率越高越好,所以在需求侧没有得到满足时,平台会采用一定策略来提高杠杆来刺激供给。

在匹配成功率上寻求最优解,这也是双边平台永恒的命题。

二、外卖平台和出行平台的差异

1、需求及时性

正常时期的心理预期时间叫一辆车大概5分钟左右司机会来接驾,外卖等待的送餐时间30分钟左右。

所以在这个前提下外卖平台是可以先攒单,然后再统一指派单,这样能使运力最大化,匹配成功率也自然会更高。

由于只有5分钟左右的出行平台就很难实现攒单再统一派单。在此问题滴滴也推出了特惠打车服务。即乘客提前发出单,然后司机也可以有一定自由度接单。

2、需求随机性与供给关系

即使供给规模相同,在真实情况下所覆盖的用户规模截然不同,比如外卖平台服务大学城所有用户可能需要覆盖商家数量为30家,出行平台则需要司机数量会远大于30位

产生该问题主要是需求随机性问题。出行平台打车请求地点不确定即需求是随机出现,且需求地理分布往往是很难改变。而外卖平台商家地址确定所服务的用户规模相对确定,比如只需要服务好大学城周边5公里的所有用户。而供给关系放大了需求随机性问题,商家能够短时间内满足多个用户订单请求,而一个司机只能服务一位乘客。

做外卖平台和出行平台哪个更难?如果只从变量因子数量来看,变量是外卖平台更多,出行平台更少,但哪个更难,答案应该很明了。

专栏作家
动物园园长,微信公众号:首席吹牛官,人人都是产品经理专栏作家。互联网圈十八线作词人,国家一级退堂鼓表演艺术家。颜良而文丑,欢迎交流。

本文原创发布于人人都是产品经理。未经许可,禁止转载

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

题图来自Unsplash,基于CC0协议