章文嵩首度揭秘滴滴“一鍵發單”背后的黑科技
用機器學習技術日更新8萬個“小綠點”
1秒發單的個關鍵點便是“推薦上車地點”功能。該功能又稱“小綠點”,是滴滴于去年6月推出的功能,可幫助乘客、司機快速地明確上車地點,提升接駕效率。在當時,這是移動出行領域內有平臺在車輛接駕領域做出創新嘗試。滴滴“小綠點”上線后,還一度引發了同行的跟進。
數據表明,“小綠點”大大提升了接駕效率、車輛的運行效率。新數據顯示,“小綠點”功能上線后,在接駕過程中,司乘通話量平均下降10%,乘客等候時間平均減少1分鐘。目前,滴滴平臺上有70%的乘客和司機都在使用“小綠點”功能。
一年多來,隨著“小綠點”計算模型的不斷智能,“小綠點”也不斷進化,變得更多、更智能。目前,在滴滴的平臺上已有超過3000萬個“小綠點”,且每天有8萬個“小綠點”被更新。據悉,在“小綠點”的挖掘與維護上,滴滴采用了當下先進的機器學習技術。機器學習是人工智能的分支之一,機器不斷地分析、學習數據與案例來達到智能,從而幫助平臺、科學地運作。
目前滴滴的“小綠點”模型已達到了在線機器學習的智能程度,即可對實時數據進行學習、分析,同時實時完成模型更新,完成“小綠點”在App上顯示的更新。同時,“小綠點”計算模型還可以自動區分雙向道路的方向,并自動挖掘出適合停車的位置。
舉個例子,如某新“小綠點A”誕生后,被放在了路北的某個乘客發單的熱點處,但實時數據顯示,如“小綠點A”再往東挪50米更適合司機停車,則幾個小時后,“小綠點”計算模型便會自動地更新“小綠點A”的位置,將它挪到適合乘客、司機快速接頭的地方。
章文嵩透露,當下“小綠點”除了是司機、乘客快速碰頭的虛擬車站之外,還在迸發出更大的能量。未來滴滴將圍繞“小綠點”推出更高技術含量、更有意思的玩法來服務乘客與司機。
2毫秒猜出“你要去哪里”
“猜你想去”功能是滴滴能做到1秒發單的第二個關鍵點。熟悉滴滴的朋友都知道,在使用滴滴發單時,是需要手動輸入目的地的。“猜你想去”便是滴滴出行專門為了“消滅”手動輸入目的地而開發、創新的功能。
同樣是利用了人工智能和機器學習技術,通過海量的數據計算,滴滴“猜你想去”功能可在2毫秒內猜到乘客中意的目的地。做到這一點相當不簡單,滴滴不僅需要考慮乘客發單的地理位置信息,還需要對時間信息作出大量的計算與分析。當下,滴滴的“猜你想去”計算模型在時間維度上已經能夠有效地區分工作日和雙休日的差別。
以周六早上常去丈母娘家的王先生為例,“猜你想去”功能會在周六上午時為王先生推薦其丈母娘所住的小區地址,在工作日同一時間段,“猜你想去”則會為王先生推薦其公司地址。而無論是周六還是工作日,王先生打開滴滴出行App的時候,所要做的便是快速點擊“猜你想去”給出的小灰框并發單,即可完成叫車。
如果你還沒有體驗過“猜你想去”功能也無需著急。目前“猜你想去”功能還處于灰度測試中,并在不斷地優化升級中。隨著該功能的不斷優化,其正式上線與推廣的速度將進一步加快。
“個性化下車點”推薦讓“一鍵到達”成為可能
除了在發單流程上不斷創新之外,滴滴還在不斷探索“一鍵到達”的可能。“個性化下車點”是滴滴在“一鍵到達”上做出的重要嘗試。與“推薦上車地點”不同,“個性化下車點”并非一個共性的下車熱門地點推薦,而是為每位用戶推薦個人喜愛的下車點。
滴滴通過數據分析發現,不少乘客在到達小區、園區門口時,常常會向司機提出“送到樓下”的需求,尤其是在下雨天、冬天的時候這類需求會呈現爆發狀態。而在司機送乘客前往“樓下”的過程中,司機與乘客常常需要在路線上花費不少時間溝通,從而拉長了“送駕”的時間。
“個性化下車點”推薦便是為了提升“送駕”效率。當乘客上車后,如滴滴系統發現乘客曾出現過“送到樓下”的需求,便會立即更新司機的推薦導航路徑,直接通過此類推薦,引導司機將乘客“送到樓下”。從而減少了乘客與司機的溝通,提升效率。
章文嵩透露,目前“個性化下車點”推薦功能已有小范圍的測試,當其計算模型達到成熟智能后,便會與廣大乘客見面,幫助廣大乘客“一鍵到達”。當然,無論是“猜你想去”,還是“個性化下車點”推薦功能,用戶都擁有是否使用的主動權。當這兩個功能正式上線后,乘客使用時,系統會發出相應的詢問,如乘客愿意使用,則可點擊相應按鈕。
(原標題:滴滴出行章文嵩首度解密“一鍵發單”背后的黑科技)