近年来，网络合同已经扎根于人们的日常生活，改变了人们的旅行习惯。但是，互联网约车运营中仍然存在很多问题，笔者将详细展开说明。

与

一、司机是稀缺资源

传统出租车相比，互联网技术大大提高了资源配置效率，给旅游行业带来了新的增长场。滴滴、曹操、首车等互联网网络签约企业出现。

网络约车的巨额补贴大战已经使用户养成了习惯。网络约会已经严重改变了我们的生活，像帝都这样完全可以摆脱一线城市的人应该有什么背景？

由于城市空间、道路状况、政策等条件，大城市高峰期出现了供需极度不平衡，商业中心、写字楼在下班高峰期很难找到一滴车，下雨天排队超过两个小时已经不是新闻了。

有出租车旅行需求很大的用户，手机上几乎安装了市面上所有的旅行应用程序。车困难的时候，所有的app同时调用，碰碰运气，司机先回答，就用那家的。有些人甚至用了货运平台拉拉，有面包车总比没有车好。

就是这样。集合移动也成为流量平台进入移动行业的有效途径之一。高德地图、美团出租车都上线了，同时呼叫了。

左边是高德地图集合呼叫，右边是同时呼叫美团出租车(源自网络)

对于滴滴这样的旅行平台来说，有效的司机人数决定了木桶最短的板高，供给方的问题比需求方复杂得多，司机似乎已经成为稀缺资源。

正如

二、收入、工作强度和稳定性

出租车司机称赞城市人一样，合约车司机更是如此。他们早起贪心，天空被各种乘客深夜凌晨回家，有些人天一亮就出门接乘客。

在一次业务调查中，我试图亲身感受网络约车司机的真实工作场景。黎明快到了，公司和一辆新能源汽车进行了协调，到附近的一家国家电网店充电。

到的时候，这个网点的近10个电桩已经全部被开新能源的网车司机占据，后面排着几个司机。

轮到我充电了，凌晨2点了，现场仍有4名司机在充电，他们都已经在车上睡着了。生活困难，他们还在努力。

他们可能是一个孩子的父亲，背后可能包含着一个小儿子对幸福生活的期待。也可能是事业失败的中年人。因为不输，所以想用双手东山再起。

他们都是专业网约车司机，收入是他们的核心诉求。

他们中的一些人离开家乡，租了车去一线城市迎接客人。他们的想法一致收敛，辛苦一点也无所谓，只要赚钱就行了。

所以对于司机来说，工作环境和产品体验几乎不成问题，但如果收入出现问题，可能会发生集体事件。早期及其他互联网约车平台都曾因为收入问题，司机们聚在一起闹事。

对收入的关注主要体现在收入的公平性和透明度上。

公平性

公平性不是消除司机之间收入差距的平均主义。主要体现在平台的机会分配上。不管这个司机职业从事期间，为平台贡献了多少收益，他们在平台上接受订单的机会都是一样的。

换句话说，只要司机努力，他们在平台上都可以获得相同的收入前景。

从司机的心理角度来看，对收入的满意度其实是司机的心理认识。

这种认识来自于将——水平与同事或社会其他产业进行比较，并与自己的历史数据纵向进行比较。如果比较结果不比同行和过去差，司机会得到满足，积极性也会提高。

一般来说，司机衡量自己的价值贡献，认为价值贡献越高，获得的收益就越多。

因此，平台在进行机会分配时，根据驾驶员的贡献价值大小进行分配，也是促进驾驶员公平性认识的手段。

这里值得注意的是，作为平台，是否有必要像国家政府一样提高对高收入人群的税收比例，国家统一进行二次分配，帮助和照顾低收入人群，调节社会贫富差距。

财富差距的公平性是以牺牲社会效率来改变社会稳定的手段。

然而，对于网络汽车产业来说，故意照顾低收入人群不仅会使投机者不工作，还会对高价值司机造成不公平。这是对低收入司机高收入司机的剥削，降低了系统的整体效率。(阿尔伯特爱因斯坦)。

也就是说，对平台贡献价值越大的司机，努力的努力可能不能给自己带来公平的对等收益。

但是也有特殊的例子，比如平台进行补偿性倾斜保护，以提高对新手司机的积极性，帮助他们了解环境。

第二，不同的发展时期，不同的司机有不同的平台价值，机会分配时会根据平台当前的目标进行调整。

透明度

平台设置游戏规则。

不仅如此，平台还需要尽量保证每位司机对平台规则的理解是一致的。这就要求平台构建高效的信息传达渠道，针对司机群体，设计、包装方便他们理解识别的内容。

换句话说，我们不能仅仅呈现一个结果，而让司机自己去猜导致这个结果背后的平台规则。例如：滴滴服务分是衡量司机近一段时间在平台的服务质量，服务分跟订单分配挂钩，最终影响司机收入。

但是，我们经常听滴滴司机抱怨，不知道自己为什么被扣分，甚至有司机对该策略深恶痛绝。

除了收入，工作强度和稳定性，也是他们关注的。

像上面业务调研看到的场景，每位司机的精力有限，长期过载的工作强度，可能导致司机们长期处于疲劳状态，持续为平台贡献稳定价值能力降低。

甚至我们看到有些司机，吃住都在车上，全天24小时处于接单中（非滴滴平台司机），有单就跑，没单就休息。

虽然这仅仅是个例，但体现出来的是平台规则不完善，安全面前99分也是不及格，这样的司机如果平台不加以控制，将为司乘、平台带来巨大的安全风险。

平台稳定性跟公司背景、品牌有很大关系，易到多次对司机提现失信，导致了大批量司机流失，业务也濒临崩溃边缘。

三、盈利能力

司机在平台的盈利能力，决定了司机在平台能挣得多少收入，有多大愿意持续留在平台继续服务。

曾经遇见一位与众不同的滴滴司机，区别于其他司机对平台满口抱怨，这位司机对自己的职业十分乐观。

他说开滴滴就如同打游戏，每天在游戏里寻找怪物打怪升级。要能根据不同地段识别怪物出现的时间。不能完全依靠系统，自己心中要有个热力图：

早上小区客人的上班时间，是否是企业职工小区，下午单位的下班时间，学校的放学时间，公交地铁线路的开始结束时间，航班、高铁到站时间，城市大型活动、展会时间，深夜KTV娱乐场所服务时间。

到达一个陌生地方，不要盲目扫街等单，要根据当前地理位置特征，判断在这个时间点出单的概率。

跟这位司机聊完，让我十分震惊，他对行业的理解，超过大多数同行甚至一些业内产品设计策划人员。

司机的盈利能力，跟自身对行业的理解、业务技巧、个人目标驱动等诸多因素有关。

针对不同类型司机制定相应盈利能力提升策略，从而达到增加司机收入，提升平台整体运营效率的目的。

那么如何衡量司机的盈利能力呢？

经济学上衡量一个组织或企业盈利能力很重要的指标是：单位经济收益，用在出行交易场景中，即是平均每小时司机获得的收益。

单位经济收益=平均每小时收入-平均每小时成本

指标拆解为：

平均每小时收入＝单均收入 × 每小时完成单数

平均每小时成本=单均成本×每小时完成单数

则单位经济收益计算为：每小时完成单数×（单均收入-单均成本）

最终影响司机盈利能力的指标有三个：单均收入、单均成本和每小时完成单数。

结果大于0，则说明司机每服务一单，司机有盈利；结果小于或等于0，则说明司机每服务一单，司机亏损。

这个业务指标看似简单，但非常关键。如果司机单位经济收益不能保证能盈利，再加上司机的其他固定成本以及生活成本，无论司机怎么努力，永远也赚不了钱。

司机付出努力却赚不到钱，入不敷出最终会导致司机流向其他地方。

四、最低收入

司机决定从事网约车工作，无论收入高低，总归会有个底线，即最低收入。

最起码的最低收入，应当保证能够摊平司机为工作而付出的成本，盈亏平衡线决定未来司机的预期收益；同时，也是衡量司机收入健康状况的关键指标。

司机付出的成本主要分为两类：

固定成本：

司机工作前的固定投入，无论司机是否真的在运营，这笔钱都得投入。主要有：车辆租金/贷款、车辆保险、维修保养、车辆折旧、生活成本等。

可变成本：

司机正式开始运营时，每完成一笔交易，所需要投入的成本，主要有：油/电/气、话费、流量费、平台抽成等。

所以司机在考虑是否长期从事网约车营运工作时，他会算一笔账：

每月总收入－单均可变成本×月均完成单数－月固定成本

最后所得的即是月收益，在同等条件下，收益越多，司机工作的意愿程度就越高。

不考虑固定投入成本，经济学上，将司机每完成一单获得的收入，与完成该单付出的成本的差值，定义为单位边际收益。

单位边际收益=每完成一单收入－每单可变成本

换句话说，只要保证司机的单位边际收益为正，那么通过边际收益的积累来覆盖固定成本就只是时间问题。盈利多少就看司机个人能力和平台单量了。

单位边际收益×完成订单数数= 固定成本，此时达到盈亏平衡点。

正常情况下，我们关注的问题是司机每月获得多少收入，才能达到盈亏平衡？

把盈亏平衡等式完成订单数指标进行拆解：

完成订单数=盈亏平衡收入÷每笔订单收入

盈亏平衡收入=固定成本×（每笔订单收入÷单位边际收益）

每笔订单收入与单位边际收益的比值定义为单位边际贡献率，那么只要通过历史数据计算出司机的单位边际贡献率，就可以得出司机达到盈亏平衡时需要获得的收入：

最低收入=固定成本÷单位边际贡献率

五、供需不均

供需不均是出行行业难题，体现在时间和空间地理两个维度：

时间：城市每天出现的潮汐现象，早晚高峰供不应求，叫车难，而平峰又出现大量车辆闲置；

空间地理：用车需求分布与司机分布不同，在任何时候都可能出现，部分区域供不应求，而部分区域却有大量车辆闲置。

解决供需不均问题，滴滴已经有非常智能的调度策略和定价机制，但是无论算法、算力多么强大，没有跟当前用车需求匹配的运力资源，系统也是巧妇难为无米之炊。

运力过多，满足了高峰需求，平峰又过量闲置；相反，高峰需求则难以满足。对于司机而言，限制他的是人类终极稀缺资源-时间，也就是说，一小时内，司机平均完成订单数是有上限的，而且这个上限无法通过改变现在的环境或技术得到突破。

如果把出行市场看成是一个自由交易市场，买卖双方都要获得最大利益，那么在进行资源配置时，司机就不可能按照满足最大用车需求进行。

如何动态配置司机资源，能最大限度实现供需平衡？

一个理想的假设是 —— 平台的专职司机资源按照平峰期平均水平来配置，高峰期缺少的运力由社会兼职司机补充。这部分兼职司机只在高峰时期提供运力补充，平峰时期他们则退出平台，忙自己的工作。

这样的弹性配置，既保证了高峰临时运力需求，又避免平峰运力过剩导致大量司机闲置。

六、专职司机与兼职司机

高峰上下班时段，社会兼职司机分享私家车座位，满足顺路用户出行需求的同时，司机获得额外收益，还不耽误自己正事儿。

这类群体正好符合我们的理想假设。但是如何将这部分兼职司机吸引到平台呢？

全职司机的核心诉求是收入和稳定性，他们以此为生，养家糊口。

而兼职司机不同，他们有其他正常收入来源，偶尔空闲或顺路接一两单，可能是顺带赚个油费，亦或是为了打发时间，找些收入补贴家用。因此，这类人群对时间自由度要求非常高。

一个是追求长期稳定收益，一个是注重短期体验，用完即走，如何同时兼顾这两类人群？

滴滴的派单策略算法早已脱离了乘客呼叫一单，系统就近匹配一个司机的粗暴机制。而是综合考虑预计接客时长、区域供需状况、用户价值、司机服务质量等诸多约束条件，通过大数据、机器学习等人工智能算法，最终实现全局最优。

顾全大局的代价是牺牲了部分低价值群体的利益，从而实现优质群体和平台利益最大化。

对于滴滴平台而言，什么样的司机算是是优质的？

滴滴的目标是要让平台规模更大、更稳定、更具持续性。那么自然希望有足够多的司机长期留在平台提供运力支撑。就像企业考察优秀员工一样，稳定性、潜在价值、业务能力会是企业关注的核心因素。

除此之外，当前派单策略下，司机不知道下一单平台会派给自己什么样的订单，如果订单正好与自己的计划产生冲突，协商取消还可能带来投诉，影响服务分。

正是这种不确定性，阻碍了兼职司机利用闲散时间接单的动力。

此种情况下，滴滴近几年高举共享经济大旗积累的兼职司机大批量流失殆尽。现在我们呼叫滴滴快车，已经很难遇到上下班顺路的私家车了。

七、政策监管

各地网约车监管合规政策陆续落地，部分城市已经开始清退不合规司机。北京作为体量最大的网约车城市，要求司机必须是本地户籍，获得本地驾照，才有资格考取网约车运营资格证，从事网约车运营。

北京地区客单价高、单量多，吸引了大量外来司机进京专职从事网约车司机。一旦这部分司机被合规清退，滴滴将面临“司机荒”，打车更加困难。

政策监管下，北京需要激励大量本地私家车主合法合规获取网约车经营许可证，以补充运力。

这些司机中，有一部分是专职从事网约车的专职司机，对于他们而言，尽快成为合规司机，继续从事网约车工作自然也是他们的诉求。

另外一部分司机是兼职司机，他们的核心诉求是自由度和灵活度，通过降低这部分司机的进入门槛，吸引他们办理网约车运营证，利用闲散时间或顺路接单，将会是缓解当前高峰运力不足的有效途径之一。

滴滴司机端上线的「抢单大厅」功能模块，可以看做是这个问题的产品解决方案。

高峰期严重供不应求，北京等一线城市部分区域一车难求，这些区域正常的运力已被全部占用，已没有效率提升的空间。将这部分无法被满足的需求，以订单池的形式释放出来，用类似于美团外卖抢单大厅的产品形式呈现给司机，司机可以按照自己的喜好挑选符合自己计划安排的订单。同时，司机也可以设置顺路目的地，系统会自动匹配顺路度高的行程，供司机手动挑选。

八、不确定性与信息差

出行交易场景复杂，存在诸多不确定性。

线下业务调研时，经常听司机抱怨，我距离乘客更近，结果却将订单派给了距离更远的司机。于是司机认为平台派单规则有问题，不公平。

下班高峰，数十辆车停在某写字楼附近趴活，一位司机等了半小时以上都未派到订单，前面晚来的司机接到单送完乘客，都已经又回来了，该位司机还在原地苦等。于是司机认为是平台恶意针对自己。

平峰期，平台单量少，司机长时间未接到订单（也可能是司机退出APP，长时间看短视频，导致APP被杀掉），司机急了，给客服打电话，结束后重新打开APP，正好这个时候订单来了。司机认为客服有操作派单权限，没单时给客服打电话就会有订单。

面对这些不确定性，不同司机有不同的理解。很多时候，平台信息无法完全不失真传达给司机，中间总会存在信息差。

也正是这些信息差，让司机对平台信息过度理解。并在自己的圈子里一传十，十传百。最终在某一个城市形成对平台某个政策的错误解读共识。

结语

以上是根据个人从业期间的观察、思考整理的一些粗浅认知。出行行业的复杂性，不单单是行业问题，更是社会问题。

文中提到的收入公平性、供需不均、不确定性等问题，都是行业内很有价值的研究课题，涵盖经济学、管理学、心理学等多个学科。欢迎同行或兴趣爱好者，一起深度交流，不足之处，也欢迎大家指正。

作者：花四爷，微信公众号：花四爷（ID：siyesay）

本文由 @花四爷 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议