滴滴快车运营负责人分享：如何通过数据挖掘发现新出行业务

背后推动拼车这个产品的一个非常关键的因素是拼车行程的重叠率。也就是说当两个不同的行程拼成功了，有多少百分比的路程是两个人共享的。

在我们试运营的几个城市里面，才上线的时候，重叠率已经高达了差不多 70%。最近通过一些算法的优化等等，已经高达了 75%，那么重叠率越高，司机的效率也就越高，拼车整体的收益也就越大。通过不断地完善我们的算法，做更多的数据挖掘，这个重叠率也是在不断地提升。

一个完美的拼车行程是什么？我举个例子，应该就是说一辆车上面有四个座位，这个时候正好有四批不同的用户，互相都不认识，他从同一个起点出发，他们要去一个目的地，那这个时候四个人正好拼上了，所以四个人 100% 地共享一辆车、一个行程。

在我们在一批城市上线拼车之后，各个城市之间的反映有非常大的不同。青岛、南京、杭州愿拼率是最高的，也就是说 100 个快车订单里面，到底有多少人选择了拼车。南京是高达 60% 以上。

而我们怎么能够把拼车做得更好，以及滴滴这样一个出行平台，未来一个发展方向是什么？其实主要还是通过我们的大数据和我们的技术来驱动。我举几个例子，最近一段时间，我们在拼车这个产品上积累的数据越来越多，我们也是通过这样一个沉淀和技术上的一个突飞猛进，解决了一些拼车这个产品的最基本的问题。

举第一个例子，在拼车这个产品才上线的时候，一个对于乘客不太好的体验是，乘客先在车上了，我在路途中要去接另外一个乘客。接上另外一个乘客，发现我反而要掉头，这个时候对整个的乘客体验是非常不好的。

明明上车之后，我想往北走，但是这个时候却匹配了一个去南边接驾的拼车订单，所以对乘客的体验伤害挺大的，尽管有可能这些拼车路线是非常的顺路。最近一段时间，我们通过比较详细的地图技术服务，获到了一些特征，基本解决了拼程掉头接驾的问题。

第二点，拼车需要优化的问题是，尽管能拼成功的订单是非常多的，但是拼成功之后，对于两边乘客的体验是什么样，特别是第一位乘客，我们能不能够减少他所损耗的乘客时间。随

着我们业务的增长，可以拼的订单数量越来越多，我们通过定位问题的特征，利用机器学习来看能不能够迅速地匹配。首先第一，能不能匹配上一个可以匹配的订单。第二是能不能尽可能地减少乘客，特别是第一个乘客的时间损耗，能够尽快把乘客送到他的目的地。

（编辑：源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!