<p style="line-height: 2em;">司机接单的积极性，直接关系出行平台的运营和价值创造。当然，简单粗暴大手笔补贴并不具有可持续性。那么，如何设计促销策略，以较小的投入换来最大的效果，使司机快速完成对出行app的学习并成为稳定用户？</p> <p></p> <p style="line-height: 2em; text-align: center;"><img src="https://static3.doxue.com/uploads/2020/06/17/ff8cf4d0fea623238c1289da6659dea8.jpg"></p> <p></p> <p style="line-height: 2em;"><a href="https://mba.mbachina.com/" target="_self">北京大学</a>光华<a href="https://www.mbachina.com/" target="_self">管理学院</a>任菲教授与合作者们合著的论文，论文已被研究有许多有趣的发现，比如：</p> <p></p> <p style="line-height: 2em;">√ 量化补贴的实际效果：</p> <p style="line-height: 2em;">-司机返现、平台补贴、乘客出价和乘客返现每增加一个标准差，平均使接受订单的概率分别增加6.7％、2.9％、2.2％和0.5％。</p> <p></p> <p style="line-height: 2em;">-理论上，1美元的司机返现，可使每位司机每天多获得3.84美元。</p> <p></p> <p style="line-height: 2em;">-每增加1美元的乘客竞价和平台补贴，该平台就分别会产生1.35美元和1.18美元的额外收入。</p> <p></p> <p style="line-height: 2em;">√ 当司机在应用程序上感知到大量乘客时，更愿意使用接单；反之，更容易取消现有订单。</p> <p></p> <p style="line-height: 2em;">√ 司机对于接受订单的学习过程，比使用在线支付和取消订单的学习过程更快；平台有必要对每笔订单补贴0.02美元，以激发他们的学习热情。</p> <p></p> <p style="line-height: 2em;">01、三种补贴策略</p> <p style="line-height: 2em;"></p> <p style="line-height: 2em;">互联网出行平台使用的应用程序有两个版本：一个版本供乘客生成订单，另一个版本供司机选择订单。出行平台应用的特殊性构建了一个独特的双边市场。</p> <p></p> <p style="line-height: 2em;">与美国Uber等平台不同，中国的互联网出行平台车辆必须有牌照才能在市场运营。本文研究的互联网出行平台使用目前持有牌照的出租车进行运营，这利于控制例如车辆和司机等因素，从而使应用程序的引入和推广成为唯一外在变量。</p> <p></p> <p style="line-height: 2em;">本文的数据来自中国主流的互联网出行应用，在中国某*城市上线一段时间后进行的研究。在观察期间该应用共提供了以下三种促销和补贴策略：</p> <p></p> <p style="line-height: 2em;">-第一种补贴策略目的是为鼓励在线支付，司机和乘客都能收到返现。和大部分营销推广一样，针对乘客的返现计划是公开的，但是针对司机的返现计划仅向司机公开。该策略并非根据司机行为而动态定价。</p> <p></p> <p style="line-height: 2em;">-第二种补贴策略针对供给短缺，如夜间和高峰时段对司机的补贴。该补贴金额固定且对所有司机事前已知。</p> <p></p> <p style="line-height: 2em;">- 第三种是平台鼓励乘客通过竞价来补贴司机。乘客可以在出价时提出竞价，从而增加叫到车的机会。</p> <p></p> <p style="line-height: 2em; text-align: center;"><img src="https://static3.doxue.com/uploads/2020/06/17/3aa0e92ba8a9f24b6ba45e9c7e188b3c.png"></p> <p></p> <p style="line-height: 2em;">研究者从该互联网出行平台数据库中随机抽取1,000名司机，并获取他们开始使用该应用的前90天的所有交易记录，排除无效数据后的样本共包括942名司机。从198,689条交易记录中整理出了以下7个变量：司机是否接受订单，是否完成交易，是否使用在线支付，使用在线支付时的乘客返现金额，乘客使用在线支付时的司机返现金额，乘客竞价，以及平台补贴金额。</p> <p></p> <p style="line-height: 2em;">02、量化补贴对司机各个阶段决策的动态影响</p> <p></p> <p style="line-height: 2em;">为达成研究目标，研究者面临以下挑战：</p> <p></p> <p style="line-height: 2em;">首先，互联网出行应用业务流程由每笔交易中环环相扣的决策组成：如是否接受订单，取消订单，是否使用在线支付等。促销活动可能会对一次交易的各个决策环节产生不同的影响。对于一个有前瞻性的司机而言，某一个阶段的决策将可能延伸影响另一个阶段。</p> <p></p> <p style="line-height: 2em;">以样本中的一项促销策略为例：当乘客使用在线支付功能时，司机和乘客都将获得现金返还奖励；在此条件下，具有较高返现潜力的订单将增强有前瞻性司机的接受及履行意愿。只有了解出行平台的多重决策过程，才可能准确地量化促销策略的效果。</p> <p></p> <p style="line-height: 2em;">其次，在促销活动的引入阶段，不确定性的降低可能会对司机决策产生间接影响。因此，本文所建立的模型需要考虑到，应用的新功能所带来在决策不同阶段的不确定性。</p> <p></p> <p style="line-height: 2em;">此外，司机的学习过程具有一个特性：他们所需熟悉的多个程序功能与他们决策过程的各个阶段密切相关。本文的研究模型也对该特性有所体现。</p> <p></p> <p style="line-height: 2em;">综上，本文遵循Arcidiacono（2005）的方法建立了有限时段前瞻性模型，并在每个时段融入条件贝叶斯学习，考察司机在多个关联决策阶段对多个程序功能的学习以及促销补贴的影响。</p> <p></p> <p style="line-height: 2em;">互联网出行应用一个订单可分为三个决策阶段：</p> <p style="line-height: 2em;">- 第一阶段：司机决定是否接受订单；</p> <p style="line-height: 2em;">- 第二阶段：司机决定是否取消接受的订单；</p> <p style="line-height: 2em;">- 第三阶段：乘客决定是否通过在线支付来兑换促销。</p> <p></p> <p style="line-height: 2em;">研究发现，针对乘客的促销策略，对司机完成订单的意愿具有间接正向影响。司机返现和乘客返现每增加一个标准差，分别使完成订单的可能性平均增加20.5％和1.9％。从平台的角度出发，在观察到的订单中，每增加1美元的司机返现将带来约1.98美元的额外总收入。平均而言，每天活跃的司机可贡献2.55美元的额外总收入以及1.29美元的额外现金返还。如果假定司机获得所有收入，每人每天可以多获得3.84美元。</p> <p></p> <p style="line-height: 2em;">本文也指出乘客竞价和平台补贴策略的双面性：它们可以通过提供直接的金钱激励来提高效用；但它们也可能让司机识别出“质量低下”的订单，以至于乘客或平台必须支付更多的费用，才能增加其订单的接受率，司机完成订单的意愿也会随之降低。每增加一个标准差的乘客竞价和平台补贴，会使完成订单的概率分别增加5.8％和7.1％——即每增加1美元的乘客竞价和平台补贴，该平台就分别会产生1.35美元和1.18美元的额外收入。</p> <p></p> <p style="line-height: 2em;">03、捕捉双向促销策略的间接影响</p> <p></p> <p style="line-height: 2em;">由于间接效应由模型结构所捕捉，没有直接体现在模型参数上，因此间接效应的规模难以直接衡量。为准确量化促销的间接影响，研究者进行了策略模拟。本文着重模拟一些旨在提高司机的接单率、履行率和在线支付率，同时维持平台成本效益的策略。研究结果如下：</p> <p></p> <p style="line-height: 2em;">- 随着时间推进，学习对司机的间接影响会随着使用经验的积累而减少。在未来的某个时间点，学习带来的边际收益将不足以弥补促销活动产生的成本。</p> <p></p> <p style="line-height: 2em;">- 为优化基于订单到达的整体供给，互联网出行平台应该在司机端给予更大的促销权重。</p> <p></p> <p style="line-height: 2em;">- 在出行应用运行早期进行大力度的促销会加快用户的学习速度并减少总体成本，从而全面改善应用程序的使用情况，提高平台利润。</p> <p></p> <p style="line-height: 2em; text-align: center;"><img src="https://static3.doxue.com/uploads/2020/06/17/78ba68046e8c72ec14ed516d8f545f37.jpg"></p> <p style="line-height: 2em;"></p> <p style="line-height: 2em;">任菲，现任<a href="https://www.mbachina.com/" target="_self">北京大学光华管理学院</a>管理科学与信息系统系教授，首批“日出东方-光华研究学者”获得者。任菲的研究兴趣围绕信息技术对企业、个人、及社会产生的影响与作用机制。具体包括信息系统投资绩效及商业价值、社会化媒体营销效果与机制、电子商务、用户在线行为与机制设计。</p> <p></p> <p></p>

编辑：刘晔