
運用大數(shù)據(jù)和風(fēng)控手段,解決共享單車供求匹配問題
最近,看了不少共享單車方面的文章,其中有不少是探討如何改善用戶體驗、提高共享單車供求匹配度和單車適用頻次的。無論是文章本身,還是大家的評論,都讓本人受益匪淺,以下是個人總結(jié)的一點資料,歡迎吐槽。
用戶痛點:想用車的時候隨時都有車可用;
企業(yè)痛點:提高每臺單車的日均適用頻次(企業(yè)需求)。
兩者矛盾體現(xiàn)為:用戶想用車,附近卻無車可用或有車卻用不了。而企業(yè)呢?一方面,用戶有用車需求,卻無法及時響應(yīng);另一方面,在其他區(qū)域,有大量的單車處于暫時閑置狀態(tài)。這個需求其實是供與求在時間上、空間上相匹配的問題。匹配度越高,問題解決的就越好,匹配成本越低,效益就越好。
為了便于理解,先引入一個需求場景的例子,如下:
以深圳為例,年輕的上班族居多,也是共享單車的主要用戶群體。早上大部分單車都停留在地鐵口,公司上班時間一般是8:30或9:00,而在8:00 ~ 8:30之間的第一波上班族,把單車都騎到公司樓下了。結(jié)果8:30 ~ 9:00很少有從寫字樓往地鐵口騎車的,這期間出地鐵的人,就無車可用,大量的單車停留在寫字樓下,一直到下班,利用率極低。
那該怎么解決此類需求呢?很明顯這屬于大數(shù)據(jù)范疇了,通過大數(shù)據(jù)來實現(xiàn)是最理想的。此外,尚需引入風(fēng)控思想,二者結(jié)合可達到意向不到的效果。另外,還需調(diào)整并新增功能,以摩拜單車為例,調(diào)整和新增的功能主要有:臨時用車、預(yù)約用車、用車需求、接單。
臨時用車:指的是普通用戶,直接通過掃二維碼用車的情況,此功能無需調(diào)整。
預(yù)約用車:指的是普通用戶,通過摩拜APP提前預(yù)約用車的情況,預(yù)約生效時間為:距離預(yù)約時間5分鐘至30分鐘內(nèi)的一個時間段。預(yù)約的不是某一輛具體的單車,而是指定區(qū)域內(nèi)的騎車服務(wù),補充說明見后文。
用車需求:當(dāng)用戶預(yù)約用車時,發(fā)現(xiàn)附近可用車輛有限,為了一會能順利用車,可以發(fā)布一個用車需求,讓其他用戶通過接單,來滿足自己的用車需求。用車需求與預(yù)約用車相比,在用車權(quán)利上是相同的,但失效條件略微不同。另外,在特定條件下,預(yù)約用車會自動轉(zhuǎn)變成用車需求,詳細說明見后文。
接單:當(dāng)有用車需求產(chǎn)生時,用戶就可以接單,將單車在有效時間內(nèi)送至指定區(qū)域。用戶發(fā)布的用車需求或由預(yù)約用車轉(zhuǎn)變成的用車需求,都是屬于某一具體區(qū)域的。如你想接單,通過騎車去到某個地方,你只需輸入目的地,系統(tǒng)就會自動匹配并顯示,由當(dāng)前位置至目的地的幾條主要騎行參考路線,以及接單方案,如圖1所示:
當(dāng)然,你也可以從當(dāng)前位置直接騎車去到目的地,中途不換車。接單功能跟預(yù)約用車類似,接單也是不綁定具體的用車需求,而是指定區(qū)域內(nèi)的任意用車需求。由圖1可知,接單流程大致為:選定接單區(qū)域(可多個)→啟動接單任務(wù)→將單車送至指定區(qū)域→結(jié)束接單任務(wù)(鎖車后,系統(tǒng)默認匹配離失效時間最近的用車需求、或用戶指定完成某一接單任務(wù),個人傾向前者)
為了進一步闡釋臨時用車、預(yù)約用車、用車需求、接單之間的關(guān)系,請看圖2和下方注釋:
圖 2
如圖2所示,若甲直接掃碼用車則屬于臨時用車的范疇;
在圖2中,甲位于區(qū)域五,如出門前預(yù)約了區(qū)域四的單車,預(yù)約時間內(nèi)騎的也是區(qū)域四中的單車,則屬于預(yù)約用車;若實際騎的是其它區(qū)域的單車或不在預(yù)約時間內(nèi)用車均屬于臨時用車;
如甲在區(qū)域一中發(fā)布了用車需求,乙接單了,并在有效時間內(nèi),將車送至指定定點(區(qū)域一),則乙順利完成接單任務(wù)。否則,視為接單失敗。
通過眾包接單的形式就很好的利用了大數(shù)據(jù)的特性,當(dāng)然也有些朋友指出,可通過后臺大數(shù)據(jù)分析,在適當(dāng)?shù)臅r候安排車輛進行調(diào)度。其實,在成本可控范圍內(nèi),安排專車調(diào)度也是不錯的選項。
下面結(jié)合大數(shù)據(jù)和風(fēng)控來詳細介紹下,如何在保證預(yù)約用戶用車的同時,又不影響普通用戶臨時用車,還可提高單車的適用頻次。
首先,必須明確一點,用車需遵行的基本原則是:先到先用,這里指的是具體的人,誰最先掃碼,誰優(yōu)先使用該單車。
為了更方便的說明問題,把右圖中的單車標(biāo)記為不同顏色,以便于區(qū)分。以區(qū)域五為例,在區(qū)域五(直徑100m的正方形)中,藍顏色的單車,表示停放于該區(qū)域內(nèi)的單車,數(shù)量為A;綠顏色的單車,表示區(qū)域五之外,到區(qū)域五中心半徑為250m范圍內(nèi),用戶接單后騎行中、且目的地是區(qū)域五的單車,數(shù)量為B;紅色表示距離區(qū)域五中心,半徑250m范圍內(nèi),騎行中的單車(這部分單車目的地是隨機的),數(shù)量為C。若區(qū)域五中預(yù)約用車數(shù)為M,令Q = (A+B+uC)/M,(其中u是比例系數(shù)),P = A/M。如取Q = 0.6,P = 0.4為鎖定預(yù)約用車閥值,則表示,當(dāng)Q > 0.6且P>0.4時,臨時用戶與預(yù)約用戶,均遵循先到先用車的原則;當(dāng)Q <= 0.6或P <= 0.4時,區(qū)域五中的單車將被鎖定,此時需優(yōu)先滿足預(yù)約用戶的用車需求,先到先用車的原則就暫時只適用于預(yù)約用戶了。
例如:圖2中的甲預(yù)約了15分鐘內(nèi)區(qū)域五中的單車,那么如果當(dāng)滿足條件Q <= 0.6或P <= 0.4時,臨時用戶無法使用區(qū)域五中的單車,只有跟甲一樣的預(yù)約用車用戶才能使用單車,且預(yù)約用車用戶之間遵行先到先用車的原則,只要先到,就可以使用其中的任何一輛單車。當(dāng)條件被破壞后,則先到先用車的原則同時適用于預(yù)約用車用戶和臨時用車的普通用戶。
上面已經(jīng)包含了風(fēng)控的思想,其中有很多風(fēng)控點,如:區(qū)域的大小、預(yù)約用車時段、上圖中的圓半徑、以及P、Q、u等參數(shù)。如果想把風(fēng)控做的更精細些,還需考慮其他因素,如:天氣、行業(yè)競爭、歷史影響(使用周期的問題,個人認為以周為單位比較合適)等。
預(yù)約用車與用車需求之間的關(guān)系:
當(dāng)P <= 0.6時,新產(chǎn)生的預(yù)約用車會自動轉(zhuǎn)變成用車需求數(shù)據(jù)。如前文所述:預(yù)約用車與用車需求在用車方面,權(quán)限是一樣的,但失效條件,略微不同。當(dāng)用戶在預(yù)約時間段內(nèi),使用了預(yù)約區(qū)域中的單車,預(yù)約用車即可失效;或在預(yù)約時間內(nèi),用戶未使用預(yù)約區(qū)域中的單車,則預(yù)約時間結(jié)束后,預(yù)約用車即失效。
針對某一區(qū)域的用車需求,當(dāng)P > 0.6時,在指定時間內(nèi),有用戶完成接單任務(wù)的,用車需求即刻失效;若在指定時間內(nèi),無用戶完成接單任務(wù)的,指定時間一過,則用車需求失效。
當(dāng)P <= 0.6時,若無用戶完成接單任務(wù),用車需求將保留至次日凌晨2:00后自動失效。值得注意的是:用車需求的失效與否,與發(fā)布用車需求的人,是否在指定時間內(nèi),使用發(fā)布區(qū)域內(nèi)的單車無關(guān)。
可根據(jù)長期的實際運行效果和收集的數(shù)據(jù),不斷完善和調(diào)整風(fēng)控規(guī)則與參數(shù),使風(fēng)控效果趨于完美。另外,若用戶量有明顯增長,也需考慮適當(dāng)加大單車投入量,以保證用戶用車的基本需求。
需要特別說明的一點是:為了更好的引導(dǎo)用戶使用上述功能,達到通過眾包、大數(shù)據(jù)、風(fēng)控等手段來實現(xiàn)共享單車在供求關(guān)系上的高度匹配,從而解決用戶用車難、有車不可用,單車適用頻次低等問題??梢赃m當(dāng)、合理的引入獎勵(物質(zhì)和精神上的都行)措施和社交元素,如:發(fā)布用車需求,可9折用車,接單可享受5折用車,鼓勵大家綠色出行,用戶量積累到一定量,可創(chuàng)建騎行日(如摩拜騎行日,可多個,如春、夏、秋、冬),并設(shè)置騎行日大獎(適當(dāng)?shù)脑O(shè)置一些獲獎門檻,以達到長期互動,維持用戶熱度的效果)、形成騎行社區(qū)和社交圈等。當(dāng)然,如何把握好獎勵力度、實現(xiàn)激勵用戶的目標(biāo),并保證企業(yè)收益,也離不開大數(shù)據(jù)和風(fēng)控的思想,此文就不在做深入的探討。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10