网约车新政、春节司机回家导致的运营车辆的有效供给变少，网约车平台的动态调价和派单策略，导致的运营车辆在空间和时间上的分布与传统方式的差异，共同造成了人们所感知到的网约车打车难且贵的现象，而这本来就是优质供给必然量少且价高的经济学现象。 从长远来看滴滴打车还需要在更大的范围内探索适应不同运营车辆供给程度下的有效配置算法，以为顾客带来持久价值为核心目标设计平台规制和配套算法，才会获得成功。 文 | 阿里研究院算法专家 蒋正伟 春节前，一篇吐槽上海网约车打车难且贵的帖子引起了很多人的共鸣。对滴滴加价策略不满的用户纷纷表示，在早晚高峰甚至不少传统非高峰时段里，通过滴滴打车（尤其是打出租车）已经变得十分困难，要增加叫车成功的概率，往往得加价，且加价不菲。滴滴打车在朋友圈内的画风迅速由“滴滴一下，美好出行”变为了“滴滴让我出行不易”，大家纷纷怀疑滴滴平台故意抬高价格，甚至对出租车实行派单歧视。 一、网约车打车难且贵的原因 2016年10月起地方版网约车细则草案陆续出台和落地，均对车辆和司机设置了多项准入门槛，直接迫使相当数量的网约车退出。再加上临近春节，部分网约车和出租车的司机回家过年，导致了滴滴平台上的网约车运力下降。根据经济学理论，市场经济中，供求关系的变化，势必影响到价格。
网约车平台所普遍使用的动态调价和派单的策略也会改变运营车辆在时间和空间上的分布。在网约车场景中，由于车和乘客的匹配是在一个相对有限的地理范围内进行的，每次匹配的供给和需求数量一般都未能达到理想的充分竞争和完美匹配的程度，这种情况下，网约车平台一般采用动态调价和派单的策略，即利用经济学的供给需求曲线模型，通过价格杠杆解决供需匹配的问题，把车辆分配给真正需要这辆车的人。这种动态调价和派单的策略进行供需匹配的结果和传统巡游出租车的载客结果相比，在时间和空间上都会有极大的不同，从而导致在某些时间和空间上打车难且贵的情况。 网约车新政、春节司机回家导致的运营车辆的有效供给变少，网约车平台的动态调价和派单策略导致的运营车辆在空间和时间上的分布与传统方式的差异，共同造成了人们所感知到的网约车打车难且贵的现象，而这本来就是优质供给必然量少且价高的经济学现象。 二、平台规制与设计者偏见 随着互联网技术的发展，涌现了一大批提供供需双方触达的平台，包括以谷歌、百度为代表的搜索引擎，以Facebook、腾讯为代表的社交平台，以阿里巴巴、Amazon为代表的电商平台，以Uber、滴滴为代表的网约车平台，这些平台通过其本身强大的技术能力，为信息、物品和服务的流通构筑了渠道。在这些平台上，大批的供给者进行着创业和经营，海量的消费者也获得了相应的福利。平台成为供给者、消费者和平台自身多个主体在遵守政府法规基础上活动的场所。 不同平台有着不同的商业模式，为在其上面活动的主体提供不同的服务和价值。在平台上，供给者、消费者通过平台发生着复杂且多变的网状连接和交易，为了保障这些网状连接和交易的有效进行，为了平衡多方主体（含平台自身）的利益，平台制定了规章制度，同时将这些规制转化为算法自动运行。平台规制及配套算法可以调整多方主体的利益分配，也会影响平台本身的兴盛和衰亡，同时随着环境和市场的变化，平台规制及配套算法也会逐步调整和优化。谷歌的搜索排序算法，从PageRank开始演变到目前的数百种算法协同计算。Facebook的广告排序没有使用在PC端被谷歌等众多公司证明为有效的GSP（广义二阶价格拍卖，即支付数=点击次数*下位出价）算法，而是采用了可以获得用户真实出价的VCG（Vickrey-Clark-Groves，即计算一个广告主参加拍卖给别的广告者带来的损失之和来定价）的算法，更注重长期和总体价值的创造，从而获得了在移动端广告的成功。 平台规制和配套算法的模型和原理一般都会被清晰明确地告知到所有参与主体，以促使各主体遵守规制行动。但是配套算法的参数，尤其是算法每次执行的实际情况，互联网公司一般情况下是保密的，其理由是防止人们针对算法参数进行作弊。处于黑盒状态的平台规则的配套算法却给了算法设计者和平台掌控者以滥用的机会。早在1996年，Friedman和Nissenbaum就发表文章"Bias in Computer Systems"来讨论计算机系统包含了设计者偏见的问题。设计者偏见可以分为两种类型，第一种是设计者为了自身或者局部活动主体的利益而故意进行的偏向性设计，针于这种偏见，业界提出了“计算机道德”和“算**理”的概念，督促企业自律，如谷歌曾经把“不作恶”视作公司的口号以增强顾客对平台的信任。第二种包括因设计者自身能力**未能兼顾到平台上所有活动主体利益尤其是长远利益的局限性，以及变动的外部环境与原有的平台规制不匹配的状况。对于这种偏见，设计者需要不断地收集和分析平台运行数据和相应的外部环境信息，加深对平台价值和客户需求的理解，持续地根据平台实际运行的外部环境来进行创新和变革。 在外部环境发生了与平台规制及配套算法不匹配的情况下，或者当平台规制及配套算法发生改变时，设计者偏见很容易被平台上的活动主体所感知。2011年10月，淘宝调整技术服务费和商铺违约保证金的规则引发了众多卖家发动了“淘宝十月围城”，2015年10月Facebook推出“不喜欢（dislike）按钮”也遭到用户刷屏吐槽，百度的竞价排名商业模式从诞生起，就持续受到外界批判。对于滴滴打车这次遇到的问题，归根到底也是由于其动态调价和派车策略未能与因网约车新政和春节司机回家双重因素导致的运营车辆大量减少的外部环境相匹配所造成。当然，如果在此时刻，滴滴打车还因为自身牟利而调整派车的算法，将会加剧顾客对其平台的不满。 滴滴打车如果能够通过数据来清楚说明其动态调价和派单策略对调整优质稀少资源匹配的有效程度，并说明并未通过派车算法谋取私利，那么就能重新获得顾客信任来化解当前的危机。从长远来看滴滴打车还需要在更大的范围内，探索适应不同运营车辆供给程度下的有效配置算法，来为顾客带来持久价值为核心目标设计平台规制和配套算法，才会获得成功。 三、算法为王时代的平台治理 随着互联网和移动设备的普及以及物联网和智慧城市的推进，越来越多的由算法控制的自动化系统融入到人们的日常生活：人们看到的新闻是由算法筛选、编辑和书写的，地铁的运行是由算法来自动操作的，进入公司大楼需要通过人脸识别算法的验证等等，可以说我们目前生活在一个算法为王的时代。 在算法为王的时代，人们需要理解并信任其所使用的自动系统，相信其能保护他们的利益、安全和隐私。但是一方面现代平台规制的配套算法普遍使用机器学习和大数据技术，超越了普通人的理解范围；另一方面，现代平台在复杂场景下服务众多消费者，很多时候平台规制及配套算法所追求的优化目标很难有一个统一的衡量标准，长期利益和短期利益的均衡，不同主体之间利益的平衡，效率与公平的兼顾，甚至道德的问题，都是算法需要考虑的问题。这种情况下，平台的自律尤其重要，但是另一方面，也需要行业通过一定的标准要求、政府通过一定的法规手段，来对平台规制及配套算法有所约束和要求，甚至进行相应的合规检验和审计。理想情况下，那就是算法代码就是法律。 本文转载于微信公众号: 阿里研究院(aliresearch)，更多微信文章请扫描关注公众号: |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
