共享单车的未来畅想:从3个层面,探讨共享单车“潮汐效应”的解决方案
共享单车,一种意在解决用户在最后一公里通勤问题的代步工具。通过“非定桩的共享模式”定位,其于2016年迎来大爆发,并于2017年进入白热化市场竞争阶段。
在此我不想去太多的分析目前两家的竞争,因为后面涉及到的融资,运营,战略方向都可能成为两者胜败的生死手。故本文只队共享单车的未来进行畅想。
首先,先从共享单车的使用场景入手。
共享单车针对的场景是:为单个用户,在某两个距离一般在五公里以内的位置进行移动时,提供一种代步方案。
关键词:单个用户,两点,距离,代步。
以下是关键词分析:
1.单个用户是谁?
我的直观判断是:
这个用户的身份,最可能是没有固定居所的人和上班族。
因为没有固定居所,所以无法大规模的购置家具硬件,这其中就包括了交通工具。
而导致一个人居无定所的原因一般只有以下几种:
- 较远的异地上学
- 异地打工
所以在进一步细化居无定所的原因后,我们可以基本确认:这个用户的身份,一般是至少为出生点和常住点为异城的学生,以及所有的上班族。
分析此类用户的行为,会发现以下特点:
- 工作日生活作息非常规律。
- 周末和法定假日的行动相对不可预判,需要个体数据和大数据分析支撑。
根据此结论,我们可以继续讨论第二个关键词:
2.两点
前面我们已经分析了,排除掉经常出差者(这类用户主要使用的交通工具为出租,飞机,地铁公交),一般的用户在周一到周五的生活作息非常规律,具体表现为:
(1)上班族:
- A.早上:居住点–步行&单车(–地铁&公交–步行&单车)–工作点
- B.中午:工作点(–步行–餐厅–步行)–工作点
- C.晚上:工作点–步行&单车(–地铁&公交–步行&单车)–居住点
(2)学生
- A.上课循环:宿舍–步行&单车–教学楼(–步行&单车–教学楼)–步行&单车–宿舍
- B.吃饭循环:宿舍(–步行&单车–餐厅–步行&单车)–宿舍
- C.自习循环:宿舍–步行&单车(–教学楼–步行&单车)–宿舍
- D.休闲环节:不可预判,不做分析
通过以上分析我们可以看出:
上班族三个循环中,可能有两个场景用到单车,涉及的点为:居住点,工作点,地铁&公交乘坐点。
学生的循环中,可能有三个场景用到单车,涉及的点为:宿舍,教学楼,餐厅。在常规场景中,任意两点之间都可能建立关系。
但是在公共场景之下,单个行为上升到群体行为,我们就不得不正视潮汐效应的影响了。
以单个地铁点或者公交聚集点为中心,方圆五公里的范围内,若建筑物以居民区为主,则必然会出现早上人群涌向交通枢纽,晚上人群涌出交通枢纽的潮汐效应;若以工作区为主,则是早上人们涌出交通枢纽,晚上人群拥入交通枢纽;若是为大型购物区,则会出现工作日晚上人潮的涌入涌出,休息日人们偏中午涌入,晚上八点靠九点涌出的场景。
所以我个人认为。解决潮汐效应才是共享单车的难点所在。
(3)距离
首先,我们首先需要确认的一点是,我们讨论的共享单车是一种代步方案,而不是体育运动。
在此基础上,我们可以大胆得出结论:共享单车适用的距离一般在500–3km左右。
过短人们相对懒得开启共享单车,而过长需要大量的体力消耗。进一步考虑夏天的暴晒和冬天的寒冷,初步假设3km为常规临界值,5km基本可视为极限值。超出5km的骑行,基本都可视为体育锻炼和健身而非正常通勤行为。
(4)代步
共享单车是一种代步工具,简单清楚,无需阐释。
通过以上的分析,我们基本可以得出用户场景为某两到四个交通枢纽为基点,向位于该交通枢纽5km以内的工作地点和居住点发散的上班族提供通勤方案,或者在多个标志物之间进行规律运动的学生提供便利的代步方案。
随后,我们予以综合,浏览用户自身解决此问题可能遇到的痛点:
- 自己的单车担心丢失
- 恶劣天气时担心单车受损
- 需要维修时维修困难
- 在需要地铁或者公交作为通勤方案的一部分的时候,离开居住点前往公交点或者离开公交点前往工作处都可能需要单车,花费较多。
- 不常用,摆放自己家中占地过多。
- 寻找摆放用地困难
- 摆放用地可能收费
- 摆放用地单车过多导致的存取困难
- 需要搬上下楼,花费时间更多
…..
解决方案
以上面场景为基点,考虑用户可能的痛点,做出解决方案如下:
1.单车端:
A.太阳能电池板
提供电力续航相关电子设备,安放位置:车前篮(但是最好不给车篮)。
B.电子锁
OFO的机械锁案例已经给了我们足够的警示:OFO通过涂牌被占为私有的单车数量不在少数,甚至被当做了一种社会现象被予以讨论。
C.GPS
对单车予以定位,核心元件。
D.信号接收发送端
和电子锁串联实现动态开解锁功能,并可发送其他相关数据。
E.号码&二维码牌
与地区挂钩
F.发生器
便于寻找车辆以及确认开锁等。
2.软件端
A.套餐服务
正常情况下,上班族的通勤时间非常稳定,几乎为固定。
针对这种固定的通勤情况,我们完全可以推出套餐服务。Eg:
(1)周度&月度通勤包
- 申请条件:填写上班地点(居住点填写,公交&地铁点选择),下班地点(工作地点填写,公交&地铁点选择),上班时间段(两段时间段),下班时间段(两段时间段)。
- 次数:10次自由使用+92次通勤使用。
- 控制项:骑行时间超过某个时间即不属于通勤范围,扣除自由使用次数。
- 周度&月度校园自由行包
- 申请条件:学校名称
- 选择条件:使用时间,使用路程
(2)自由行加油包(时间)
- 申请条件:无
- 选择项:骑行时间(1小时,5小时,10小时,等等)
(3)自由行加油包(路程)
- 申请条件:无
- 选择项:骑行时间(10公里,20公里,100公里,等等)
(4)骑行记录排行榜
微信运动的大热提醒着我们“晒”在我们的生活中无处不在。
(5)广告投放
就目前常见场景而言,若整体体系搭建得当,共享单车软件打开的软件次数可能在日常使用APP中排名极度靠前(甚至可能仅次于微信)。而共享单车能够获取用户的工作地址,居住地址,甚至可以从周末的行驶路径中获取用户的娱乐场所。
这些精确信息,能够给广告投放提供了无限的想象力。
3.维护端
A.潮汐效应的干预
首先,我们需要承认:
只依靠用户的自流动搭建的流动不足以逆转潮汐效应,我们需要人工干预。
所以,我们在设定套餐时,特意上用户填写了工作地址,居住地,中转地铁站,大概骑行时间等五项数据。
通过这五项数据,我们可以大数据模型来确定用户在理想模型下全时间段的流向,进而可以逆推出共享单车的精确投放位置,搬运单车工具的在各个时间段的搬运数量等重要信息,进而完全抵消潮汐效应。
当然,我不会否认逆潮汐效应需要的额外的搬运单车工具的投入,但是在广告费用,押金金融,节省的单车管理的人员支出费用,以及通过搬运单车产生的额外产出(即以目前模式下,只要单趟搬运单车工具出动费用小于该次搬运单车产生的盈利即可)支持下,我认为此事有试点的可能性。
B.单车维护
单车极易出现各种故障问题。重点是故障的故障确认问题。以下为几种方式:
(1)用户主动报障
用户在使用高峰中若的确遇到了单车自身故障(破胎,座椅不能上下移动等),用户会自主报错,并尝试换骑。此时服务器获得该单车编号与位置,即可在下次潮汐运动中予以换下维护。
(2)车辆主动报障
当某辆单车较长时间未进行任何移动时(一般来讲就是二维码被涂了),车辆主动向服务器发送相关数据申请查看。
(3)车辆被动报障
当某辆单车长时间不向服务器发送数据时,服务器自动判定该车存在故障并予以标识,并自动读取该单车最后一次发送的位置数据,(假设单车每一小时自动向服务器发送一次数据,但是这样会不会因为过多申请并发而导致网站瘫痪?)并派遣专员予以寻找维护。
通过以上这些方式的组建,相信可以建立起一个相对健全的共享单车体系吧。写的有些粗劣,请大家批评指正。
本文由 @风催花残掩君语 原创发布于人人都是产品经理。未经许可,禁止转载。
共享单车的核心问题有两个,一个是政策面的随意停放导致市容问题,另一个是基本面的也就是本文所述的潮汐问题。潮汐效应同时也增大了前者的严重性,但是他们不是充要关系,所以还是要分开考虑,前者的问题是公地悲剧的问题,后者是一个典型的交通问题。公地悲剧的核心关键有三个,契约、资源、监督。而交通问题,大家不妨看看国内外的城市是如何解决的。本文只指方向,不给结论,希望大家还是可以多提自己的想法。
诶,你有没有感觉到我这个方式有顺带解决停放问题的功效呢?
很抱歉,木有 🙂 你的套餐想法出发点很好,但是你忽略了一个大前提,我们用uber的时候拼单,用手机流量套餐。这些的前提是——它们都很贵。而对于一次1块钱的单车,很难起到足够的效果。不如通过精算,得到单辆车的在两个热点之间搬运的成本,假如这个成本足够高,那可以反向付费做回流。当然,这只是比较“理想和原始”的。如果搬运的成本不足以驱动。那只能想别的辄了。但是现在单车的最大风险是在政策面。潮汐是次要矛盾。
在中国,绝大多数大学的餐厅和宿舍基本是在同一个区域的,两者的距离并不远,步行比用自行车更优,所以我觉得学生用户“吃饭循环”这一场景似乎可以省略。
是的,那个只是作为考虑,但是主要场景是宿舍到教学区的场景。
我觉得您对共享单车的用户有什么误解。。。
没事,说就好啦,大家都是讨论嘛。
潮汐问题是不是中国特色?国外的共享单车做了很多年,是否有可以借鉴的经验?
潮汐问题不是中国特色。国外的共享单车模式类似于中国的政府单车计划,是有柱共享单车模式。有柱会带来大量的不便,但是有值得借鉴的地方:我们可以指定单车停靠在某个指定的地点,不在指定地点的话收取额外费用。这部分额外费用就可作为红包车费用来源。同时也解决了寻车难和将来必须要面对的调度难问题。
标题是3个层面解决潮汐效应的方案,怎么中间扯出这么多乱七八糟的东西?
你说得对,这标题是被小编改过的啦,我原来的标题不是这样的。有点标题党。 😮
可怜的娃
我在此再自己补充几句吧。首先,这篇文章的重点有两点:1.用我的方法去解读需求。当获取需求时,提取需求中的关键词,然后展开联想,为关键字提供解决方案。但是,若是我自己提的需求就是错的,那我的解决方案一定错了。这就是产品获取需求准确的重要性。所以最近很喜欢和用户直接接触,获取第一手需求2.用大数据去优化解决方案。我尝试通过五组数据,通过组合来建立用户的出行路线时间图。这张图对单车的调度能够起到极大的帮助。在做好调度之后,单车app就能够成为一个单天能够打开次数在2-8左右的app。结合用户的五组数据,能够给O2O广告投放提供无限的想象力
看来看去,lz只是通过用户的5项数据做人工干预去解决潮汐问题
那天有点忙,暂时就想到这么深了。您有好的意见可以一起讨论呀。
若仅从标题展开,不发散,即论潮汐,我的思路是:
首先,潮汐会引发什么问题?
1、密集地点停放影响公共设施,例如前段时间北京公交站的新闻;
2、涨潮大于退潮导致车辆配比失衡,直接影响车辆利用率;
其次,潮汐是怎么形成的?
1、车随人流,比如上班时间,由居住区至商业区,下班反之;
最后,要不要解决潮汐,如何解决?
1、通过运营数据分析上下班时间点,各商业区、居住区车辆使用率及往返线路,推断出某一城市商业区、居住区车辆配比;并想办法解决聚集地车辆停放问题;
2、通过上面的运营数据分析涨退潮的车流量比例,假设1:1,则不需要解决潮汐;
3、通过运营数据人工干预车辆配比,参考1;
写的有点繁琐,考虑不够周全请补充,其实想想还有一个简单办法,把某个城市按照网格划分,先通过车辆使用频率进行各个区域内的车辆配比,过几天再人工干预。
前面问题没有异议,我直接回答第三部分。对1我没有异议;对2我有异议,我其实力主解决的是在上班高峰期车辆不足的问题。放在一天的时间长度去分析涨退潮车流量比例,那么这个比例几乎近似为1:1,看上去不需要讨论。但是若是单纯的去查看上班高峰期去分析涨退潮车流量比例,那么这个比例会非常高。这样就会导致单车在上班高峰期只能被使用一次的问题。我的整体文章重点也是在解决这个问题。3的话是我对2这个问题的解决方案。关于最后的分区域车辆分配,我个人感觉OFO现在就是这么做的。通过分区,在晚上十点或者十一点后,保证某个区域内单车数量保持原值+用户新增数量/配比额即可。而且你可以查看我对夜海的长回复,通过这种方式我们甚至可以细化到单个单车投放点的数量控制而非单个区域。
没看懂这句“但是若是单纯的去查看上班高峰期去分析涨退潮车流量比例,那么这个比例会非常高。这样就会导致单车在上班高峰期只能被使用一次的问题。”
那我举例子啦,比如说,一个社区,只有两个人,你和我。我早上八点出门,晚上八点回家。你早上九点出门,你晚上九点回家。那么你永远骑不到车。你就会卸载APP,换一家使用。这时候就需要公司在早上八点半的时候,把我骑到地铁站的单车放到你门口,在晚上八点半的时候,把我在门前的车放到地铁站。我这篇文章主要解决的是这个场景问题。
这个场景下的问题,我不认为需要解决,运营成本过高,还不如多加车