京公网安备 11010802034615号
经营许可证编号:京B2-20210330
精打细算的滴滴快的:利用大数据构建产业生态圈
5月5日消息,随着2014年初那场旷日持久补贴大战的落幕,“土豪”一词也随之成为人们对滴滴快的的印象标签。殊不知,在疯狂补贴的同时,滴滴快的也有一颗精打细算的“心”—利用大数据构建更广阔的产业生态圈。
其实从2012年开始,滴滴快的便迅速网罗了360个城市中近两亿“打车族”。每天600多万订单生成,每个小时,数十万订单数据汇入滴滴快的后台。通过对这些人们出行数据的汇总、分析,滴滴快的构建出一套用户画像系统,由此而形成一个全新的商业生态。
随着2015年初两家公司的合并,打车软件行业已经从粗暴的跑马圈地走入了精耕细作的时代。花更少的钱获取更多的用户,也成为打车软件行业未来发展的大方向。
以简单的代金券发放为例,从用户按下滴滴快的界面的叫车键到系统启动用车通知“分秒”之间,在滴滴快的后台已经完成了多轮筛选:根据用户画像和用车需求,匹配位置合适的出租车,再结合实时的地理位置和运能状况确立给后者的补贴金额。
根据对用户数据的挖掘,在滴滴快的后台共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。在滴滴快的的用户画像系统中,上述四种群体会被分别冠以屌丝、普通、中产、土豪的标签。
针对上述四类客群,滴滴快的后台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,退出之后“跳转”到什么软件等等。
根据上述的运营策略,滴滴快的也实现了用户另外一个纬度的归类,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?而这些都是下一步精准营销的依据。
除了用户层面的精打细算,在司机层面、出租车公司的所有相关方,滴滴快的也有着一套精打细算的策略。尽管基础信息大同小异,都包括人的基本信息、信用、行为信息等;也有一些通用的刺激手法,比如积分、礼物等。不过,不同的用户画像就对应了不同的刺激程度,而结合不同的场景,还是许多特殊的营销安排。
杭州市场就是一个很典型的例子。基于司机的地理位置信息,滴滴快的发现每天中午或者是每天晚上10点以后,司机都会聚集在一些固定的地点,可能休息或者就餐。所以滴滴快的就会在这些场所提供一些工作餐或者是优惠食品,通过线下的活动来提升司机和滴滴快的的合作关系。
众所周知,精准营销的前提是对用户的清晰认知。不管是在乘客端,还是司机端,用户数据的汇总和挖掘都是精打细算的根本。也正是这些用户点滴的打车轨迹造就打车软件行业未来新的商业生态。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28