2012年，程维创办北京小桔科技有限公司，并推出手机打车软件滴滴打车。2015年2月，滴滴打车与快的打车战略合并，随后更名为滴滴出行。2016年8月，滴滴并购优步中国。
经过7年时间，滴滴已经发展成为领先的移动出行平台。
最初，滴滴在北京出租车领域进行试点运营，在2014年~2016年间，将运营模式进行跨区域、跨业务复制，陆续推出6条业务线，遍及中国400多个城市。
截至2017年，滴滴占据了国内网约专车88%以上、网约出租车99%以上的市场份额，平台注册司机多达1400多万，成为中国出行领域的独角兽。
我们将滴滴发展历程分为三个阶段——试点阶段、复制阶段和扩张阶段，主要探讨在不同阶段，司机、乘客与滴滴平台三者之间如何实现价值共创。
试点阶段：
连接供需双方，实现资源稳定调整
在阿里巴巴工作时，程维经常需要出差，因为打不到车，导致多次错过航班。所以，交通出行质量问题，困扰他许久。
后来，程维自己创业，就把方向瞄准了交通出行领域。2012年9月，滴滴打车软件在北京正式上线，并切入出租车领域进行试点。
技术赋能连接供需双方
连接能力 滴滴创业初期，技术类人才匮乏，利用打车软件网上叫车的理念也不成熟，软件开发与推广阻力重重。
这时候，平台的连接能力表现为司机和乘客与滴滴平台之间的小规模连接，无论是人与物，还是人与人之间，都是一种弱连接。
在人与物方面，滴滴打车软件使乘客与出租车间接相连，依靠移动客户端颠覆了传统路边叫车的低效出行方式。
在人与人方面，滴滴打车软件通过“手机对手机”模式，建立起了司机与乘客之间的间接连接，其中供应方是安装了滴滴打车软件并愿意使用的出租车司机，需求方则是安装了滴滴打车软件并有打车意愿的乘客群体。
智能能力 从乘客层面看，乘客在滴滴打车软件上设置起点位置后，滴滴后台能够感知分析司机和乘客之间的距离，为乘客推荐最佳的乘车类型与路线。
当乘客下次打车时，滴滴会依据上次行车轨迹，智能感知乘客上下车地点，进行上下车地点推荐。
从司机层面看，滴滴依据司机的GPS导航系统，对距目的地里程和所需乘车时间进行预估与监督，防止司机绕路。
分析能力 滴滴打车软件上线之初漏洞百出，但是，随着司机、乘客与平台之间不断进行信息交换，滴滴打车软件实现了迭代升级。
借助即时信息推送功能，乘客能够知道司机所处位置和到达时间，减少时间浪费，优化出行体验。
利用预约加价功能，乘客能够以合理的价格预约到几天后的用车服务，同时司机也能够提前安排好时间，防止“满城空跑”，实现司机和乘客提前匹配。
在用车高峰期、拥堵路段，呼叫等待功能能够反馈平台进行车辆调度，保证司机和乘客高效出行。
通过乘车互评机制，平台能够分析司机评分，将乘客优先推给评分高的司机;也能够分析乘客评分，将更优质的服务优先推给评分高的乘客。
价值共创促进资源整合
互动合作 滴滴借助出行软件将司机和乘客有机连接，并依靠智能能力和分析能力，在司机、乘客与平台之间建立互动合作。
司机将软件问题反馈给平台，如注册过程繁琐、抢单界面不稳定等，使平台得以完善和优化司机端软件。
乘客也向平台反馈遇到的各种软件问题，如非就近原则导致等车时间长、高峰期打不到车等，帮助平台完善软件。
平台会持续搜集司机和乘客的反馈信息，努力使司机和乘客的需求与软件设计相匹配，实现司机、乘客与平台的价值共创。
基于双向评价机制，滴滴平台给司机和乘客提供差异化服务，对评价高的司机和乘客实行奖励。
因此，为了得到更高的评分，司机会更加注意细节，如礼貌的举止、整洁的乘车环境、专业的驾驶等，乘客也会更加注意言行，如友善的微笑、更多的包容与理解等，共同营造一个舒适出行的环境。
资源整合 滴滴一开始将北京的出租车纳入出行服务范围，这是稳定调整的结果。
一方面，北京最大众化的出行工具是出租车，滴滴将试点对象瞄准现有主流资源，可以通过出租车司机的行为直接影响乘客的乘车体验。
另一方面，根据出租车司机与乘客对打车软件的建议反馈，不断调整软件，从而为乘客带来更好的出行体验。
点评：在试点阶段，平台借助人与物、人与人的连接能力，将司机和乘客间接连接，然后持续感知司机和乘客的用户行为，并通过信息交换进一步约束司机和乘客的行为，进而完善平台组件，实现平台资源的稳定调整。
复制阶段：
动态智能分配，实现资源丰富细化
随着接入滴滴平台的司机和乘客数量不断增长，滴滴开始将出租车领域的试点模式进行跨区域、跨业务的复制，从北京扩展到了上海、广州等400多个城市，业务形式也从出租车延伸到了专车、快车、顺风车等，专车主打专业服务，快车强调价格优势，顺风车则突出社交导向。
平台智能促进资源精准匹配
连接能力 滴滴将出租车领域的成功模式进行横向复制，上线了专车、快车、顺风车等新业务，使人与物之间的连接，由原来的出租车和乘客扩大为六大业务线和乘客之间的连接，从而为不同乘客提供差异化服务，建立用户黏性。
随着平台两端司机和乘客数量不断增长，网上打车成为常态，司机和乘客之间的关系由原来的一己私利变成了价值共创。尤其对于兼职司机来说，打车的邂逅给自己带来了人脉，甚至是潜在的合作机会。
通过打车社交构建起来的人脉网络在逐步扩散，培养了忠诚的司机和乘客群体，从而产生强连接效应。而在乘客和乘客之间，滴滴的拼车服务将不同类型但拥有相同乘车路线的乘客群体连接起来，使乘客的人际圈子得以扩大。
1995年，葛森(N. Gershon)首先提出了“人与信息交互”(Human Information Interaction, HII)理论，意指在不考虑连接人和信息的媒介的前提下，使人和信息内容本身进行互动和关联。
在试点模式的复制阶段，滴滴平台的司机和乘客数量剧增，产生了大量的信息，滴滴将用户与海量信息连接，为他们提供差异化价值。
比如，基于加油站场景，滴滴的小桔加油为车主提供优质且高效的加油服务，帮助他们节省油费。
智能能力 不同于静态的商品，车辆和人群永远处在移动状态，因此，多元的业务和细分的用户群体，对资源的动态分配提出了更高的要求。
滴滴根据海量的数据，将乘客与周围大量的司机进行动态、实时匹配，综合考虑司机未来所有可能的走法，以毫秒时间算出A点到B点的最优路径，做到总时间最短，从而实现平台效率和用户精准匹配最大化。
正如滴滴总裁柳青说的：“滴滴能够预测未来20分钟内城市每个角落的供需情况，并提前调度。”
分析能力 2014年初，滴滴与快的展开“补贴大战”，滴滴的订单量在一周之内涨了近50倍，在极其频繁的用户交互、数据积累的情况下，对数据信息的分析处理刻不容缓。
在路径规划上，滴滴通过对用户行驶数据的深入挖掘，从最低出行成本、最高司机效率和最优交通运行出发，设计出最新的智能路径选择算法，进一步提升预估精度。
在动态调价方面，滴滴根据城市、时段、天气、交通拥堵、订单价值等信息，计算出订单加价幅度和订单被接受概率。
如果系统判定乘客所在位置订单成交概率偏低，或者下单量较大而司机偏少导致叫车耗时较长，为了让乘客更快地叫到车，系统会根据历史数据和目前道路情况，计算出一个合理的价格作为标准车费之外的调价，从而让订单更容易被司机接受。
在激励机制上，滴滴的调度系统会运用大数据将乘客订单平均分配给司机。针对不同城市、不同时段，会根据需求量，对需要补贴才能成单的情况进行精细化定向补贴。
在合乘拼车方面，当乘客选择拼车并输入拼车人数后，系统会自动寻找顺路“拼友”，在找到愿意同行的“拼友”后，自动将订单合并，推送给愿意接单的司机。
共2页 [1] [2] 下一页
关注公号：redshcom 关注更多: 滴滴
