深度解密：滴滴快的那些未曝光的“隐”科技

仅仅成立不到三年，滴滴快的就从一个起初被全民看衰的项目，变成了一个能够和世界级选手（当然是Uber）PK的平台型公司。去年那场补贴大战让滴滴快的名声大噪，让腾讯阿里尝到了移动支付的甜头，更让百度因为再一次错失良机而捶胸顿足。再加上今年情人节两家公司的高调合并，滴滴快的在过去的一年多里赚足了眼球。

可能大多数人都会觉得滴滴快的之所以能快速崛起，靠的就是补贴和营销。但实际上，能帮滴滴快的坚挺至今的核心因素，是营销背后建立起来的技术壁垒。

前几天有幸和滴滴快的技术团队有过一次短暂的、非正式的交流，初步了解了滴滴最近在技术上的一些积累。因为很多都涉及到机密，所以这里简单总结一下，看完这些还没有被外界知道的“隐”科技后，你或许会和我有一样的感受：在强大的技术面前，其他都是花拳绣腿！

滴米调度室

和很多出租车司机聊天的时候，他们都会频繁地提到一个词：滴米。简单从字面上理解，滴米就是一种虚拟货币。从我和出租司机大量的交流上可以得出一个结论，滴米系统更像是一个调度室，滴米很有可能替代一部分甚至完全取代现金补贴的功能。

估计所有人在打车时都遇到过因为活儿不好（主要是路途太近）被司机“赶”下车的情况，客气点的司机一般会说 “不好意思我马上收车了，您换个车吧。”狠一点的司机干脆直接不开门，发现路途太近干脆就踩油门跑了。即便上了车，司机也会一路骂骂咧咧地抱怨，让人很不爽。

出租车出现至今二三十年，原有的调度系统一直解决不了决司机拒载的问题。打车软件出现后，司机也都一窝蜂地抢好活儿，差活儿无人问津，除非乘客自己加钱，或者打车软件给司机奖励。结果是，司机们都是在拼手机性能，联想换小米，小米换iPhone，网络上面也不甘示弱，2G基本没用，3G是最起码的，4G才是抢活儿的利器。

对于司机来说，是否能接到好活儿取决于司机的滴米数量。一个用户的订单发布后，调度系统会根据大数据分析，对路程远近、是否堵车等瞬间判断其对司机的吸引力，如果是好活儿，抢单的司机会被扣除一定滴米。下一次如果好活儿出现，只要扣除一定数量的滴米就可以得到优先抢单的机会，当然，成交之后才会扣除滴米。

这也是为什么现在滴滴在出租车业务上几乎停掉了补贴，因为滴米已经可以实现现金补贴最基本的功能：防止司机挑活儿。如果订单量足够，派单系统更智能，滴米完全有可能取代现金补贴。

用户画像系统

从去年的补贴大战开始至今，滴滴快的加上背后的腾讯阿里，四家公司在市场上至少投入了几十亿人民币的补贴。虽然后期不再直接补贴，但各种打车红包和代金券也是满天飞。别以为烧钱的游戏很简单，其实这也需要经过思考，精打细算。

以代金券为例，滴滴快的的历史数据呈现出两大类四种不同的消费习惯—代金券敏感型：发代金券才用、发代金券用的更多；代金券不敏感型：发不发都用，发代金券也不用。在用户画像系统中，这些人会被划分成四种群体。针对四类客群的运营策略也会全然不同，最直接的就是代金券的刺激频率以及刺激金额，而对“代金券”免疫的土豪群体，则更多地需要在服务上做文章。

而在实际场景中，影响乘客对应用软件的使用黏度的因素要远比代金券复杂得多，在这种情况下，滴滴快的对用户的“贴身跟踪”就能及时发现薄弱环节，因此从用户打开软件到退出使用，其间的每一步情况都被快的记录在案：哪一天退出的，哪一步退出的等等。

也就是说，滴滴快的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；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。

需求热力图

经常打车的都知道，出租司机的工作模式一般分为两种，扫马路和趴活儿。前者基本上就是碰运气，满大街寻找路边招手打车的乘客，后者则是在一些需求比较集中的区域守株待兔。综合来看，出租司机们基本都会依照自己以往的经验来判断，哪里有活儿甚至是好活儿。

既然是依靠经验，那不确定性就会非常高，也是为什么滴滴会开发需求热力图的原因。

通过热力图，司机可以实时看到某一个区域订单密集程度，也可以根据历史数据来预测一些可能发生的变化。就像我刚才提到的，之前这些信息分散在出租车司机的头脑中，也就是经验，而现在可以用俯瞰的角度更宏观地观察。

根据初步的了解，系统会依据数据给司机或者乘客发出指引，比如指导用户，走出前方的路口，可能更容易打到车。如果一个晚上10点到回龙观的司机，依据经验可能尽快离开，因为回龙观晚上出来的单子比较少，而通过数据可以给出司机建议，离开，或者原地等一会儿，或者去一个比较近的，订单比较多的地方。

当然这个东西目前仅仅是小范围测试，我也只是获得了一些基础信息，更多的东西只能等全面上线后找个出租车司机体验下。

订单智能推送

看过很多关于打车软件的体验和分析文章，很多人都在纠结和争论司机接单的模式，到底是司机抢单好，还是系统直接派单好呢？

简单地讲，抢单像是一个自由交易，系统在撮合多个乘客和司机的信息，进而达成信息匹配。虽然这种互相选择有利于初步信息筛选，增加交易成功率，但是效率可能会比较低。比如司机会看到很多不适合自己的单子，结果不小心错过了最需要的单子，完全是浪费时间。

而派单适合全职司机，随时可以相应。好处是迅速匹配信息，坏处是不经筛选的订单匹配之后的结果，很多司机会接到订单后主动让乘客取消订单，乘客的体验会非常差。如果完全不加干预地派单，再加上没有补贴，司机取消订单的比例会超过40%。

滴滴快的肯定不会傻傻地选择上面的某一种，最理想状态应该是抢单和派单相结合，先用技术手段进行筛选，派单之后再抢单。既进行信息的初步筛选，又能在一定程度上提高信息匹配的效率。因为是非正式的采访，而且涉及商业机密很多细节不得而知，也只能披露到这里。

城市迁徙可视化平台

这次交流的时候有幸看到一个NB的可视化数据平台，这个产品汇集了滴滴快的的历史数据，结合一个城市不同时间、地点、天气状况，对未来一定时间段的交通状况进行分析和预判。

平台分为几个层面的信息输出，上帝视角俯瞰的综合数据可以给交通部门提供出行参考，颗粒度比较小的区域数据结果可以帮助一些组织、机构做一些大型活动的参考，再小颗粒度的数据输出可以为司机、个人出行提供参考。

滴滴的同学给我做了简单的演示，已有的功能比如查询与地点和时间段相关的历史订单量、打车难易程度、订单金额、被抢单时间、出租车分布、地域迁徙等内容。

这其中，查询当地某一区域出租车出行相关历史数据以及预测结果，可以帮助用户调整出行计划。除此之外还有一个“迁徙”地图，是指城市人流早上会从什么位置流向什么位置，晚上反之，周末有什么流动趋势，这种数据积累可以为城市规划提供依据。

因为是非常机密的产品，我只能看一些演示，据说这个产品很快会上线，之后会开放给公众和政府部门，对政府治理交通拥堵问题会积极的帮助。

总结

关于技术的东西我并不是太在行，就不一一点评了，但上述这些可以看见的技术着实让我对滴滴快的有了新的认识。

在移动出行市场上，滴滴快的的布局要比外界看到的大很多，尽管有人会觉得遥不可及，如同十年前的马云，拿着阿里巴巴的宏伟蓝图到处宣讲时被当做是骗子，结果大家都看到了。就像《马云内部讲话：相信明天》这本书里提到的一样，那些自以为聪明的、不愿意坚持的人都离开了，那些剩下的、相信明天的人都成了富翁。

（文：科技大白，飞仙儿，微信公众号：techdabai）