今天继续讲几个策略的课题。

策略的耦合

平台有管控外卖员和司机的需求，管控背后是供需平衡的考量，而管控的手段则要考虑影响派单。像滴滴的服务分、美团外卖的骑手等级，都是管控司机的手段，也是影响派单的重要权重因子。

这就相当于，把两个本就有些复杂的策略结合在了一起。

往往还不止如此。比如我们没有提到的定价策略，也是连接这些策略的一环。

像网约车的定价不仅要考虑营收就行了，还要考虑司机的收入、乘客的付费意愿，以及随之而来的供需问题。最合理的方式当然是确保平台固定收入的同时，用价格来调节市场供需（运力紧缺->价格增加->部分乘客使用其它交通工具/部分沉默司机被召回->供需平衡）。可惜在国内舆论环境下，动态调价会被认为是“黑心商人”，因此要考虑更多间接的方法完成匹配。

还有一些简单独立的运营策略，也会影响这些核心策略。

比如我之前在滴滴，曾经接触过新司机保护的运营策略，也就是照顾新司机，尽可能让他们得到好的体验，派单上有一些倾斜；另外，有的时候，有的司机就是运气不太好，反复接到低价值的、不好的订单，或者压根接不到订单，那为了整体公平性，是不是也给这种收入过低的司机一些倾斜… … 

它们作为独立课题来看，其实是不难的，而要放到整体看，问题就复杂了，因为要做派单倾斜、或者换句话说影响派单权重的要素太多了，可能有几十甚至上百个。如何确保每个运营策略都有效，又不影响全局司乘的体验，问题复杂性就上升了许多档次。

运营策略、服务策略、派单/交易策略等等的整合，从宏观去判断和把控最终效果的同时，还要照顾每个细枝末节的效果，难度是极大的。各种权衡、考量的宽紧，不仅仅是数值调参那么简单，还有对用户反应的猜测和推理，以及用户反应后对生态的影响。

复杂策略就不展开讲具体的思考路径了，这块我自己的思考还不足以跟大家分享。可以等更牛逼的产品经理来讲。

除此之外，再跟你分享几个独立的策略课题的思考。

司机调度

城市全局看，供需是平衡的，可是还有很多乘客打不到车，为什么？因为通常供需不平衡是发生在局部的，有些司机聚集区域发单并不多，离发单多的区域还有一段距离。

这时候自然就可以想到，推荐这些司机去订单密集区域不就好了？事情没这么简单，从全局情况看，大批司机过去，整体供需必然是更平衡的，更多司机能接到单；但对于个体来说，是未必的。

具体到个人的场景，可能是司机听从你的调度建议，到了指定区域，也仍然长时间接不到单，那成本就不仅是等待时间，还有长距离的行驶成本。哪怕这个场景出现概率是5%，已经很低了（意味着平台调度准确率是95%，很难做到），但司机毕竟是全职工作，时间一长，遭遇“听从调度建议却接不到单”的情况，几乎是100%。

这时就有两种解法。第一是，我们不帮司机做决策，而是只提供信息参考，去不去是你的事儿，不决策就不担责。这也就是各外卖和出行平台常见的热力图，给司机看周边的热力分布。

这个解法的问题其实是一样的，司机如果被伤过了，不会客观理性地觉得“这是概率问题”，而是会觉得“预测不准”。不准的心智一旦建立，司机压根就不会相信了，更不用说参考。

（滴滴车主端的热力图）

第二是，我们为决策担责任，也就是，在不准的情况下，给司机一些补偿，有点类似奖励措施。这个能解决司机相信的问题，哪怕不信，也能认可损失可以被弥补。

司机表达意愿

如前文所述，在派单模式下，司机是无法表达意愿的。而在有些特殊情况下，让司机表达意愿长期看可以有更大收益。

最常见的场景是司机每天回家，想要去某个位置附近，哪怕是某个顺路方向，如果能够表达意愿，对司机的体验提升会非常大。或者反过来说，同样一个订单，派给有顺路意愿的司机，会比派给无所谓的司机，更能创造价值。从产品上说，就是提供设置终点目的地或区域的功能，而为了防止滥用，这个功能可以有使用次数限制。

从更宏观长远的层面看，就是我曾经在《司机产品的四个关键问题》写过的，司机收入和自由度呈反比的生态建设。比如刚刚的场景，把次数限制，换成订单降价是不是可以呢？对要回家的司机，当然是能接受的。（在顺风车还没下线的时候，司机长途返程，都是愿意用顺风车的，哪怕定价只有快车的1/4左右）

还有一些司机，是就不太希望跑太长途的订单；有些司机就想在某个时间段内接单，接完单还有别的事情做，等等。对于有特殊需求场景的司机，加入到生态里有两个维度参考：第一，是在供小于需的地方，拉动更多兼职运力进来，是可以让供需平衡的，这需要对兼职司机有表达意愿的机会、有更多派单的倾斜；第二，是在供大于需的地方，优先把订单给表达意愿的司机，由于兼职司机愿意接受更低的定价的，因此可以拉动更多需求。

最终，又回到了权衡以实现效率最大化的问题。这里也不展开讲了。

类似的课题还有很多。

我之前发过一条消息，是这么说的：

有许多O2O行业的独立课题很值得反复思考。（独立指的是与其它因素和条件解藕，比如滴滴的派单系统就有太多外部因素。）其中不仅涉及巧妙的产品策略，更多是对复杂场景和用户心理的判断。

像以下问题都是很值得思考的：

网约车出行

- 乘客丢东西，如何找回和送归

- 遇到醉酒乘客怎么处理

- 司机总觉得抽成过高

- 预估价格经常被拿来证明大数据杀熟

- 大型演唱会或公司年会的集散场景

- 排队时支付的插队费，应该给谁？

- 远距离订单司机回程空驶

外卖

- 商家出餐时长预测不准

- 建筑内送餐时间评估不准（有无电梯？人流大小？）

- 平峰期（非饭点）能否给骑手找到别的工作

- 用户拒收的处理流程

- 抢单和派单的优劣和适用场景

- 学校/园区不允许进门怎么办

- 怎么引导骑手去需求热区

能拆解清楚其中任一问题，并付诸实践真正解决，基本上是P6+、P7的水平了。

这些大都是我们日常可以接触到的场景，也可以反复思考和推演。

建议

最后说下我对策略产品的几个看法和建议。

第一，看本质，找准绳。

有时我们看问题只能看到表面，而大多数策略问题，背后都需要有更多思考。表面是价值观的问题，背后可能是效率问题；表面是简单的用户预期问题，背后可能是用户心智问题。

看本质的同时，也要找到那根衡量策略好坏的准绳。比如前文提到的，对出行行业和餐饮行业，衡量体验的标准就很不同，最终许多策略要达成的目的就很不同。不能为了“体验”而“体验”，为了“成本”而“成本”，业务本质是解决什么问题、达成什么目标，先思考清楚了比较好。

第二，一切都是经济学。

大多数的产品策略问题，与经济学的许多问题相比，不仅仅是思维方式特别相似，而且许多都可以直接拿来运用。这也容易说得通，本质上，企业提供的功能/服务，就是为用户创造价值，用户付费购买，这个交易过程本就是经济学的范畴。

你可能会说，那用户体验，或者保持对用户的善意，这些都不是产品经理要思考的吗？产品经理就是冷冰冰地去看数据、做策略吗？

其实用户体验，或者对用户的善意，也是在经济学范畴里的。假如每个用户也同样都是冷冰冰的无感情的个体，那只做理性分析就好了，正因为用户是感性个体，任何用户体验和感知的问题，最后都影响到价值交换，那产品经理就不得不关注和研究用户体验、保持对用户的善意。

这也是单纯数据无法观察到的。比如微信对用户充满善意、在许多影响体验的地方极度谨慎，带来的是长期用户的好感、良好的社交生态，也能转化成用户的留存，长期来依然是“经济的”。而追求短期数据的飙升，损伤的用户体验、用户感受是在水下的，很难察觉的。这都需要产品经理去对用户做判断，就跟现在的经济学家也都在研究不确定性、认知偏见、行为心理学一样。

第三，不设边界。

讲了这么多策略的话题，肯定会有人问，为什么感觉有不少是“运营”或者“技术”思考的问题啊？

我讲的大多数内容，是压根没办法拆开分析的。假如边界清晰，运营做“上游”，技术做“下游”，那结果就是要么课题拆得零碎，想不清楚，要么空间就被极没了。

我的建议就是：不设边界，至少在拆解问题的时候。这样才能保证对问题有全面的认知和理解。有的产品经理，碰到运营方面问题的时候觉得“这不是我的工作”，碰到需要了解一些算法的时候觉得“这也不是我的工作”，那策略是一定做不好的。

在真正落地的时候，碍于组织分工，当然不要随意夺别人的活儿，这就是另外一件事了。

第四，不要找“万金油”。

其实我一直觉得产品经理的许多方法论都不存在“万金油”。哪怕是再厉害的产品理论，也都有适用边界，都要考虑实际情况。

策略产品尤其如此，你要听到谁说“策略产品经理应该掌握的5条技能”、“做策略产品必须的三个方法论”等等，一定是骗人的。要去关注自己策略里到底面临什么问题，定向找方法去解决。

像服务策略，很多时候要参考各种法规条例的修订，参考许多经济学的原理；而派单策略、订单匹配策略，则要参考运筹学，也要了解基本的算法原理。需要的积累是截然不同的。

另外，还建议所有产品经理，都把自己当策略产品经理看待。

任何产品课题，都适应我前文提到的所有思考的方式。为了完成某个业务目标，而拆解问题，无论是业务本身的，还是用户的，继而找到本质的解决方案，这种流程是完全通用的。或者说得再本质一点，互联网产品解决的，也都是“经济性”的问题，让用户的生活效率提升。而这类问题都是能做策略拆解的。

希望能帮到你。