成立不到三年，滴滴快的从一个起初被全民看衰的项目，变成了一个可以和世界级选手 Uber 去 PK 的平台型公司。
2014 年的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，再加上 2015 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崛起，靠的是补贴和营销。但实际上，在营销背后，有更多的不为外界所知道的“隐”科技。
1. 滴米调度室
和很多出租车司机聊天时，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。通过和出租司机大量的交流，基本可以得出一个结论，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。
2. 用户画像系统
从 2014 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元人民币的补贴。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。看起来烧钱游戏很简单，但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维度的归类，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。
3. 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。而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。
4. 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。
5. 城市迁徙可视化平台
城市迁徙可视化平台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。
城市迁徙可视化平台已有具备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、地域迁徙等功能。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。
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
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。
相关文章
