中广联演员委员会就AI换脸合成、影视素材魔改发声明
4月2日,据中国广电联合会演员委员会,当前,AI换脸合成、声纹克隆复刻、影视素材任意篡改、魔改、擅自抓取演员影像声频用于AI模型训...
扫一扫用手机浏览
滴滴App 8.0顶部导航栏增加“送货”“旅行”“车主”页
除了顶部导航栏的变化,底部导航新增了
“
消息
”
和
“
行程
”
两个常驻入口,用户在不同业务之间的对话、动态、通知和实时订单信息,都在这里被统一收纳,既方便了用户同时了解多个服务的进程,也可以更快捷地查找过往的订单信息。
用户可从底部新增的“消息”“行程”入口查询消息及行程安排
把视线往前拉半个月,会发现这并不是一次孤立的产品升级。
6
月,滴滴的会员体系刚刚完成了一轮调整,调整后滴滴不仅扩充了会员权益体系,还将会员定级周期从原来的
3
个月增加到
12
个月,从而使得会员等级可以稳定和持续并减少波动。
两次升级时间接近,方向也一致,本质上都是在追求让用户体验变得更细、更稳、更扎实。
但只看这两次升级,仍然不能完整地读懂滴滴。滴滴语境下的用户服务,和行业内其他公司不太一样。
在平台型公司中,有一类是纯互联网平台,对它们而言,撮合就是业务的本身,把对的需求推给对的供给,把对的内容推给对的人,剩下的交给市场。
滴滴的不同之处在于,在撮合之外,服务现场本身也是业务的一部分,它不只对一次匹配负责,还要对匹配完成之后发生的全部细节负责。
车开得稳不稳,车里有没有异味,行程过程里乘客有没有被妥善照顾,行程结束后司机有没有得到相应的支持,这些都发生在撮合完成之后,却往往是决定用户会不会再来的关键因素。
两类公司在表面上都是做
APP
、做算法、做用户增长,但内核截然不同。每一个新增的入口、每一处界面的调整,背后对应的都是数年的服务现场沉淀,而非几个月的产品冲刺。
当用户在出行之外,还需要把无法随身携带的大件物品运送到目的地,滴滴送货能够迅速承接这一部分需求;当用户在旅行租车时遇到没车、保险纠纷、赔付问题时,滴滴已经先一步洞察到这些
“
隐忧
”
,提供完善的保障服务;当用户对着
AI
打车说出一长串模糊需求时,
AI
小滴能迅速匹配,背后是数亿次订单数据把每一个需求都精准地打上了服务标签。
在长期使用滴滴的用户和他们获得的服务体验之间,滴滴建立起了比其他平台更明确的对应关系。它的服务是一种更慢、更长、更贴近真实生活的路径。
用户使用滴滴四轮快送服务配送大体积鲜花
其中最少见但最不容有失的一类,是关乎生死的需求。车载
AED
是一种用于心脏骤停急救的设备,滴滴在部分城市的车辆上配置了它,并对司机做了相应培训。虽然它对应的是一种发生概率极低的小概率事件,可一旦发生就关乎生死。
更多的
“
少数
”
,则藏在日常。随着养宠家庭越来越多,对很多养宠的用户而言,带着宠物打车长期是一件需要反复沟通、反复被拒的难事,滴滴把它做成了可标识、可匹配、有规范的标准服务。
类似的,还有女性乘客的安全需求。
近年来,滴滴发现越来越多的女性司乘都表达过希望在特殊需求场景优先匹配,经过公众评议投票,推出了实名女乘客可选女司机功能,并在两年试运行后将功能升级为
“
她计划
”
,目前已陆续覆盖至全国绝大多数城市。
这个产品的初衷是帮助女乘客在身体不适、深夜加班、住所偏远等需求场景下,与女司机更精准匹配,同时为女司机营造更安心的服务环境。
产品上线后取得了不错的效果,滴滴官方公布的数据显示,有
68%
的用户多次使用该功能,
50%
会主动推荐给亲友,而在司机端,知晓该功能的女司机中,
87%
愿意加入。
这样被认真对待的需求还有很多,每年六月的高考护考、串联起景点的旅游巴士、方便老人出行的助老打车
……
每一个
“
少数
”
背后都是一群非常具体的人,他们的需求未必规模化,但每一个都真实存在。
“TA”
不仅仅代表乘客,还有另外一面,那就是司机群体。
在网约车行业,司机常被视为运力或供给,这是一个略带工具色彩的中性词。但在滴滴的体系里,司机本身也是用户,是平台需要服务的对象。
滴滴通过上线车费垫付,从用户习惯上改写了行业的旧态,缓解了司机在乘客逃单或纠纷情形下的现金压力;在多个城市建设了司机驿站,提供休息、热水、洗手间这些看似细碎、但对长时间在路上的人非常重要的场景支持;并联合保险公司、医疗机构,为司机提供保险方案与体检服务。
这些事不直接影响乘客侧的产品指标,但它们直接影响司机的工作状态,而司机的工作状态最终会流向乘客的体验里。
为了能够及时捕捉到用户更多更细致的需求,滴滴会不定期举办开放日,倾听专家、司机代表、乘客代表的声音。
把滴滴这套服务系统放在一起看,能看到一个清晰的服务闭环:先把覆盖最广的体验做好,再主动往前一步,去发现和满足那些少数。少数的需求拓展了服务的边界、提升了服务的质量,再反哺整个服务体系,让所有用户享受到的服务变得更好。
骑行爱好者使用滴滴送货运送自行车
更深一层的壁垒,藏在技术里。
在传统的网约车业务里,技术的核心是派单算法。而随着需求越来越细,派单已经从单目标的
“
距离最近优先
”
,变成了多目标的优化问题,既要考虑距离和路况,也要考虑这位司机是否接受宠物、是否需要优先女司机、车型是否适合无障碍出行等等。
这看似只是一个简单的过滤问题,但要在保证整体撮合效率的前提下,让小概率事件也能被稳定服务到,背后是算法、强化学习等技术的长期积累。
在
AI
、智能调度、
Agent
等领域,滴滴近年来持续在顶级学术期刊上发表论文,这些研究的目的并非为了技术展示,是为了更好地服务用户。
所有这些能力的背后,是滴滴和纯互联网平台不太一样的商业逻辑。
纯互联网平台的商业模式是
“
单次抽成
X
频次
”
,这套逻辑天然激励它做大流量、做大规模、把每一次撮合的效率拉到极致。而滴滴的商业结构更接近
“
用户长期价值
X
留存率
”
,做深关系、做长粘性比频率更重要。
这也就解释了为什么里程值会被升级为成长值,前者绑定的是单笔订单的累计,后者绑定的是用户与平台之间长期的消费关系。
也正是在这套逻辑下,滴滴愿意为那些短期看起来
“
不划算
”
的少数需求投入。宠物出行、助老打车、旅游巴士在短期内或许算不出明确的回报,但它们沉淀下来的,是更长期的用户信任和服务价值。
回到最初的问题,在一个习惯用
DAU
、
GTV
衡量一切的行业里,滴滴坚持的其实是一件有点反效率的事。
它没有把每一次出行看作一个冰冷的数字,而是把每一次出行都当成一次具体的、对人的服务。
“
看见大多数
”
和
“
看见少数
”
其实就是把人当人,对全过程负责。这种能力很难被量化,也很难被快速复制,但它恰恰也是滴滴最深的壁垒。
(来源:定焦One)