滴滴出行APP司乘撮合系统的策略演化
第一部分：策略思考方法
第二部分：司乘撮合系统的进化
第一部分：策略思考方法
业务导向型核心业务的策略框架
一、各利益体需求
几个利益体：乘客、司机
乘客希望最近的司机接单（等待时间最短）
司机希望最挣钱的订单（接驾最短、距离更长、更不堵车的订单）
二、定义每个利益体的利益边界值
边界值：
1.乘客能接受的最长等待时间最长是分钟
可能是PM定义的，来自于对用户体验的判断；
也代表了平台对用户体验保证的承诺和凭证。
2.司机能接受的最远的接驾具体是
来源于PM对用户体验的判断，也来源于历史数据
三、找到平衡的公式
第一步：分析双方利益关系
第二步：定义撮合规则
第一步：分析双方利益关系
双方都是希望促成交易的，
矛盾点在每个人都渴望最优质的匹配对象，而优质资源是稀缺的。
第二步：定义撮合规则
1.阶段性目标：成交率最大化（更偏向乘客利益），每一时刻的订单被最大程度地消化
标准价格下的价值博弈，乘客等待是隐性成本，司机接驾距离长是显性成本。
2.撮合方案：
乘客做出让步：接单的不一定是最近的司机
司机做出让步：接到的不一定是周围价值最大的订单
不同程度的让步会带来不同的成交概率
我们可以根据历史数据预估出单个司乘对的成交率
我们希望每一时刻的订单被最大程度的消化，那么需要找到成交率最大的司乘组合方式：
1）穷举多个【司乘对】间所有的排列组合方式
2）求得某种组合方式，使得对于所有乘客司机，总成交率达到最大（或者说接近最大）
第二部分：司乘撮合系统的进化
在不同的阶段性目标下，产品是如何进化的。
产品目标：实现平台上订单的高效分发。乘客打到车，司机挣到钱
衡量指标：广义的成交率为核心指标
小问题：如果让你设计一个给宠物上门洗澡的订单分发系统，你会怎么做？
版本1.0以乘客为中心
一、阶段现状
阶段现状：需求较低频和稀疏，w单/天
乘客：叫到车就好
司机：对平台尚无依赖，有单便好
二、解决方案
1）以乘客为中心，由近及远播单
2）存在最大播单距离，以保证司机体验
需求分发优先
三、随着订单增长，开始暴露问题
司机听到的订单是以订单生成为触发的，订单密度足够高时，多个订单无差别推给司机，司乘体验都出现了严重问题。
P2推给D1时，D1正在听P1，最终是距离更远的D2抢到了P2；甚至P1P2同时推给D1，重叠在一起，一些订单被丢掉。
版本2.0以司机为中心
一、阶段现状
阶段现状：需求较密集，10w单/天
乘客：打到车
司机：希望更近更好的订单（市场上存在多个叫车平台）
现状和需求都发生了变化，系统需要进化！
二、解决方案
1）以司机为中心，当司机需要订单时，由近及远选取周围未成交订单播单
2）存在最大播单距离，以保证司乘体验
供给占用优先
三、随着订单增长，开始暴露新问题
司机周围订单变得越来越多，仅按距离排序难以将好订单筛选出来，需要进一步优化排序策略。
版本2.n以司机为中心的订单推荐系统
一、阶段现状
阶段现状：需求继续密集，>10w单/天
二、解决方案
1）排序系统进化：开始引入订单长度、目的地特征、已被抢概率、取消概率、司机特征等因素，升级为基于ctr预估的推荐系统
2）以司机为中心，当司机需要订单时，选取周围订单，按ctr预估模型进行排序
3）存在最大播单距离，以保证司乘体验
供给占用优先
三、随着订单增长，开始暴露新问题
司乘存在明显的分布不均衡，出现了【离所有司机都很远无法被播出的P1】和【离很多司机都最近、被重复播放多次的P1】
版本3.0 以平台为中心的订单撮合系统
一、阶段现状
阶段现状：需求继续密集，>100w单/天
二、解决方案
同时考虑整个区域内的所有乘客和司机，以哪种组合方式可以达到所有人的体验最优（成交率最高）
小结：出行APP的司乘撮合系统的进化
指派系统：更强的确定性
动态调价：更强的市场调控能力
策略框架：
是多个功能导向型框架的集合；寻求各个群体间共同的利益点，作为不同小框架的结合点；最终的目的是生态繁荣。
平衡是一个生态系统存在的基础；
各自成长是生态系统繁荣的必要条件。
以上为三节课策略产品课程个人学习笔记。
