远离消费陷阱，提升消费体验，黑猫投诉平台全天候服务，您的每一条投诉，都在改变这个世界。【消费投诉，就上黑猫】
来源：老孙漫话（ID：laosunmanhua）
作者：孙金云
原文标题：《疯狂教授带队打了800多趟车，发现了什么秘密？》
“软件显示2分钟就到，最后左等右等远不止2分钟。”“预估行程价格只要30元，到了目的地发现竟然被扣了快40元。”“完全相同的软件和路线，朋友叫车和我叫车的价格竟然不一样？”
类似的场景是不是看上去很熟悉？到底是哪个环节出了问题？
早在2017年，我就和我的研究团队，一起在上海对打车软件做了一个小规模调查，结果发现，在包括滴滴、易到、神州和街头扬招几种叫车方式中，街头扬招是最便宜、也是上车最快的方式，这个结果，让我们大吃一惊！不是号称互联网思维么？不是有大数据和算法么？这里面究竟有什么样的玄机？
带着同样的疑问，三年后的2020年，我再次带领研究团队，在5个城市（上海、北京、深圳、成都和重庆），不同距离（近途：3公里以内，中途：3-10公里，远途：10公里以上），以及工作日早高峰（7:30-9:30）、晚高峰（17:00-19:30）、日间非高峰（9:30-17:00）、晚间非高峰（19:30-23:00）4个时间段进行了分层抽样调查。
调查共招募20多名在校大学生作为调研员，以实际打车的方式调研了各城市主流打车软件加扬招巡游出租车，最终搜集了滴滴、曹操、首汽、T3、美团、高德和扬招等7个渠道的数据，总样本836个，其中有效样本数为821，样本有效率98.2%。
通过对调研数据的分析，我们发现了这样一些有趣的结果……
1.怎样才能最快打到车？
对这个问题我们分两步思考：一是我们点击确认呼叫后司机确认接单的时间（响应时长），二是司机接单后到我们最终上车的时长（等待时长）。
调研结果显示，北上深三个一线城市的响应时长峰值均发生在早高峰阶段。其中，北京打车的响应时长达到了32.5分钟，其中还不包括一些下单时间超过1小时仍无司机接单而被迫取消、重新调整呼叫方式的情形。北京的朋友们，早高峰辛苦了，为了叫车“等到花儿也谢了”！
而等待时长的极值出现在上海晚高峰的13.7分钟，相比北京的早高峰，体验可以说是大幅改善。上海的兄弟们，下次叫车最好在室内笃定地叫，因为你要等上十多分钟，不要太早去街头，以免吹风着凉！
要说叫车最幸福的城市，那还得是咱特区深圳，深圳以5.6分钟的综合上车时长以及各时段都十分迅捷而领先几大城市，真是个“说走就走”的城市啊！
我们还探究了同一城市内部不同平台的差异，来更好帮助小伙伴们找到最快的打车方法，根据您所在的城市自己对对位置吧！
不查不知道，一查不得了，原来除北京外，扬招是各城市打车最快的首选。这和我们在2017年做过的小范围打车软件调研的结果仍旧保持一致，要想快上车，街头去扬招！不过扬招等候的体验和在室内叫好车再出门还是有差别的，尤其是在恶劣天气状况下，所以，您自个儿想清楚喽！
2.平台会玩时间游戏吗？
您可能心中犹疑：扬招这么好，但我心里没底啊，打车软件至少还能告诉我需要等多久呢！
那么让我们来看看，平台软件们显示的预估等待时长真的准确吗？先奉上我们的结论吧：平台往往会向乘客呈现比实际更短的等待时间，以此提高乘客等待时的耐心。
5个城市打车预估等待时间全部显著低于实际等待时间（P<0.05）。
数据说明：研究分析均来自于打车软件实测结果，并不代表平台真实采用了这一策略对用户进行某种筛选和操纵，可能会和他们真实的算法及策略存在一定的偏差。下同。
从平台角度看，以上结论依然成立。
有的平台解释说，是因为交通拥堵才导致平台对等待时间的低估。然而我们调查的数据显示，不管是否在出行高峰时间段，低估等待时间的现象总是普遍存在（P<0.05）。按理说，你们平台掌握了那么多的数据，怎么会全部低估了等候的时间呢？这么巧吗？
滴滴作为时间延误比例最大的平台，在四个不同时段的值均高于平均值，除深夜外，其余三项均呈现显著差异。在早高峰的时间延误比例更是达到47.4%，作为行业龙头，拥有最丰富的数据和技术团队，我们对如此系统性时间延误打了个大大的问号，对是否涉及“误导用户”甚至“用户欺诈”深表担忧。
所以可以看到，各大打车平台都参与了“时间的游戏”，与2017年的调研结论相同。另外让广大打车群众不太明白的是，你滴滴作为行业绝对的老大，车是你最多、数据你最全，怎么就你估算的时间偏差最大呢？
3.怎样打车最便宜？
为了回答这个问题，我们以城市为单位，以完全相同的出发地和目的地线路作为基准，对比不同打车软件中经济型和传统扬招的平均价格差异。各平台每公里的打车价格（以乘客实际支付金额计算）的结果显示，首汽单价最贵，T3单价最便宜。值得注意的是，滴滴快车的价格与扬招出租车金额相同，均为4元/公里。（稍微补充一句，我们的研究没有考虑滴滴优享和滴滴上的高端选项“礼橙专车”，那两个选项的价格都比快车要高，自然也就比扬招更高。）
通过分城市的数据，我们也分析出了每个城市打车最优惠的选择，不信您自己去试试看吧！
4.平台会玩价格游戏吗？
平台减少了预估等待时间，他们在价格上也会如此吗？我们对软件的预估价格与实际支付价格之间的差异进行了分析，得到了一些有价值的发现。
按不同城市来观察，除重庆外，打车软件在上海、成都、北京和深圳4个城市中预估价格和实际支付价格之间都存在显著差异（P<0.05）。其中上海是打车软件价格被低估最厉害的城市，实付与预估差异的比值为11.8%，深圳相对另类，实付比预估价格还低了6.5%。神一样的深圳，也太实诚了吧？
上海整体低估车费的背后，是各平台价格的严重低估，其中，滴滴的实付预估差异比最高，达18.5%，其次是美团，高出了9.7%，首汽排名第三，为7.6%（P<0.05）。
5大城市中，滴滴和首汽都存在明显的价格低估现象（P<0.01）。其中滴滴平台的实付价格比预估价格平均高了6.7%，首汽平均低估10.9%；但T3、美团和高德并没有检验出明显的差异；曹操平台的实付价格却明显低于预估价格达21.1%，推测可能是平台大额优惠补贴所致。
还有一桩有趣的事儿，研究过程中我们也验证了“苹果税”的存在。我们用“一键呼叫经济型+舒适型两档后被舒适型车辆接走的订单比”来判断“被舒适”的程度。数据表明，与非苹果手机用户相比，苹果手机用户的确更容易“被舒适”车辆（比如专车、优享等）司机接单，这一比例是非苹果手机用户的3倍。
除了通过手机品牌识别，平台也可能同时关注乘客手机价格所透露的信息。研究结果表明，如果乘客使用的是苹果手机，那么就更容易被推荐舒适型车辆；如果乘客不是用苹果手机，那么就要看他的手机价位，手机价位越高则越有可能被舒适型车辆接走。好吧，这种行为是不是“大数据杀熟”，各人自有判断！
此外，“苹果税”还体现在打车优惠上。数据表明，苹果手机用户平均只能获得2.07元的优惠，显著低于非苹果用户的4.12元（P<0.01）。除绝对金额外，优惠折扣比依然支持上述结论（P<0.05）。此处同情苹果用户五分钟……
5.车辆状况怎么样？
车辆状况一般由卫生程度和新旧程度构成，会直接影响乘客的出行体验。通过同一量表体系来观察不同平台车辆的卫生状况，结果显示，巡游出租车的卫生状况毫不意外地垫底，改进空间巨大，而T3和曹操的车辆相对较好。
在观察平台在各城市的车辆卫生状况时，我们发现各大平台在全国范围内并没有做到标准的统一。曹操和高德在北京和深圳的表现一致；但首汽和滴滴在不同城市有较大差异，特别是首汽，在北京和上海卫生最优而在深圳却得分最低，这在一定程度上反映了平台在跨地区发展时对于车辆的门槛及日常管理的松紧度不一致，当然也可能与各公司进入不同城市的时间节奏有关。
另外，我们通过已行驶公里数来衡量车辆新旧程度，结果显示，出租车和首汽的公里数明显较高，滴滴和曹操在车辆新旧程度上占据明显优势。
最后，终于可以在以上几个方面分析的基础上，来建立咱们的乘客满意度模型了！
乘客的满意度模型包括打车价格、等待时长、车辆状况和拥堵程度四个主要因素。分别反映了乘客的经济成本、时间成本、乘坐感受和心理体验。在通过AHP法确定四大指标的权重后，我们得到了“城市-平台”维度的乘客满意度数据。来吧，看看你所在的城市打车满意度排在什么位置！
对比扬招和滴滴的满意度我们不难发现，两者不分伯仲。滴滴在车辆状况上明显优于扬招出租车，但在价格和等待时间上处于劣势。作为具有互联网思维和大数据分析等先进生产力的“滴滴们”，理应为乘客带来更高的满意度，但事实却大相径庭，这到底是哪儿出了问题呢？
咱们战略课上讲过一个概念叫“价值棒”，企业创造的价值会在用户和企业之间进行分配。对于用户而言，如果得到的价值增值有了增长，那么企业就获得了竞争优势。放到这个环境中，我们可以解读为，打车软件们如果没有为乘客带来更好的出行体验，而是把所有创造的价值盈余都留给了自己，他们将丧失在市场当中的“竞争优势”。或许，他们会认为，自己作为一个平台，尤其是能够双向锁定的双边平台，对双方都有了垄断下的话语权；但是俺老孙想说的是：没有竞争优势，眼前的规模只是空中楼阁，一旦出现新的选择，那么顾客将会以最快的速度离开你，不要到那时再去事后诸葛亮地念叨什么“眼看他宴宾朋……“
分析完乘客视角，而对于近千万的网约车司机而言，打车软件究竟为他们带来了怎样的影响？他们会像乘客那样被动落入算法的陷阱吗？我们的研究还对800多位司机进行了采访，欲知各地司机的生存状况详情，且听下回分解——《困在平台的千万网约车司机，你们还好吗？》
研究团队
孙金云，复旦大学管理学院EMBA、MBA、HKIMBA、MPAcc多个项目“战略管理”“创新创业”课程主讲教授、复旦青年创业家教育与研究发展中心主任、复旦大学管理学院大健康创业与人才发展中心主任
研究成员：熊家美、舒庆、秦艺、周弋非、周锦天、李亚男、沈冯依
调研督导：李晶花、李娜、杨陈鹤、伍美虹、方祥军、余依林
调研员：孙思博、廖洁如、汪嘉丽、高康宁、王露、李周璠、杨银、赵丹萍、卢倩仪、黄军峰、李宸睿、肖蕾、徐棹、刘梦缘、钟唯捷、宗鹏辉、曹培、陈意、谭惠心、吴涛、胥琳、钟雷
以下同学对本报告亦有贡献：曹硕、林潇潇、王雯甜、张作坤、李晶花
