譚明亮　溥德陽(yáng)　李曉梅

摘 要：打車軟件在移動(dòng)端和移動(dòng)互聯(lián)網(wǎng)快速發(fā)展的背景下應(yīng)運(yùn)而生，在一定程度上解決了中國(guó)出租車市場(chǎng)普遍存在的“打車難”問(wèn)題；本文從打車軟件用戶的視角出發(fā)，針對(duì)常州市區(qū)市民的問(wèn)卷調(diào)查結(jié)果，對(duì)不同年齡和性別的用戶群體，采用了Apriori模型對(duì)數(shù)據(jù)進(jìn)行了關(guān)聯(lián)分析，并為運(yùn)營(yíng)打車軟件企業(yè)提出了針對(duì)性的打車軟件推廣策略。

關(guān)鍵詞：打車軟件；數(shù)據(jù)挖掘；移動(dòng)商務(wù)；關(guān)聯(lián)分析

引言：“打車難”是一二線城市普遍存在的問(wèn)題，盡管現(xiàn)有的出租車企業(yè)雖然多擁有電調(diào)系統(tǒng)，但由于電調(diào)系統(tǒng)本質(zhì)上是“多對(duì)一”加“一對(duì)多”模式，其所發(fā)揮的效力大大受制于該系統(tǒng)對(duì)供需信息的處理和反應(yīng)能力，仍然不能有效地緩解打車難問(wèn)題[1]。移動(dòng)端和互聯(lián)網(wǎng)的快速發(fā)展為基于智能手機(jī)的應(yīng)用軟件平臺(tái)的打車軟件的發(fā)展帶來(lái)了契機(jī)，在一定程度上解決了中國(guó)出租車市場(chǎng)普遍存在的“打車難”問(wèn)題[2]。通過(guò)對(duì)期刊庫(kù)里面的關(guān)鍵詞進(jìn)行檢索發(fā)現(xiàn)國(guó)內(nèi)目前對(duì)于打車軟件的研究主要集中于打車軟件對(duì)于整個(gè)出租車行業(yè)的影響、政府對(duì)于打車軟件的規(guī)范、打車軟件企業(yè)的戰(zhàn)略博弈和使用打車軟件存在的問(wèn)題，而從打車用戶的角度進(jìn)行分析與研究的則相對(duì)較少。

本文從打車軟件用戶的視角出發(fā)，針對(duì)常州市區(qū)市民的問(wèn)卷調(diào)查結(jié)果，對(duì)不同年齡和性別的用戶群體，采用了Apriori模型對(duì)數(shù)據(jù)進(jìn)行了關(guān)聯(lián)分析，并為運(yùn)營(yíng)打車軟件企業(yè)提出了針對(duì)性的打車軟件推廣策略。

一、關(guān)聯(lián)分析與Apriori算法

數(shù)據(jù)挖掘又稱為數(shù)據(jù)采掘，是采用具體的數(shù)據(jù)采掘算法從數(shù)據(jù)中自動(dòng)高效地提取有用模式的過(guò)程；近年來(lái)，數(shù)據(jù)挖掘技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域，如商品零售業(yè)、保險(xiǎn)業(yè)、金融投資業(yè)和電信業(yè)。關(guān)聯(lián)分析是數(shù)據(jù)挖掘領(lǐng)域中常用的一種方法，用于分析對(duì)象之間的相關(guān)性和關(guān)聯(lián)性。在關(guān)聯(lián)分析中，最著名的挖掘關(guān)聯(lián)規(guī)則算法就是Agrawal 和Srikant于 1993 年提出的Apriori算法。Apriori算法中有兩個(gè)重要的概念：

概念1：關(guān)聯(lián)規(guī)則XY的支持度：同時(shí)包含X 和Y 的事務(wù)集與所有事務(wù)集之間的比例，記作support（XY） 。概念2：關(guān)聯(lián)規(guī)則XY的置信度：同時(shí)包含X 和Y 的事務(wù)集與僅包含X 的事務(wù)集之間的比例，記作confidence（XY） 。關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)就是在數(shù)據(jù)庫(kù)中發(fā)現(xiàn)具有用戶給定的最小支持度minsup 和最小確信度minconf 的數(shù)據(jù)集合的過(guò)程。

二、打車軟件用戶關(guān)聯(lián)分析

針對(duì)從用戶的角度出發(fā)采集到的信息，給定一個(gè)最小支持度minsup和一個(gè)最小置信度minconf，采用Apriori算法對(duì)戶群體特征（年齡和性別）與影響他們使用打車軟件的因素之間的關(guān)聯(lián)規(guī)則進(jìn)行挖掘，得出用戶群體特征（年齡和性別）與影響他們使用打車軟件的因素之間的相關(guān)性和關(guān)聯(lián)性。

從常州市區(qū)調(diào)研收集到的300份問(wèn)卷，剔除未完整填寫的問(wèn)卷和明顯亂填的問(wèn)卷得到259份有效問(wèn)卷，完成數(shù)據(jù)準(zhǔn)備清洗后，對(duì)已建立好的打車軟件用戶關(guān)聯(lián)規(guī)則進(jìn)行挖掘。在IBM SPSS Modeler軟件中設(shè)置最低條件支持度為20%，最小規(guī)則置信度為65%，收集的數(shù)據(jù)經(jīng)過(guò)Apriori算法對(duì)關(guān)聯(lián)規(guī)則進(jìn)行分析。

（1）省錢、提高打車成功率、支付安全和個(gè)人隱私問(wèn)題是影響不同年齡和性別人群使用打車軟件的共同因素。隨著打車軟件“補(bǔ)貼大戰(zhàn)”熱度的減退，必然會(huì)有部分客戶放棄使用打車軟件而回歸到原來(lái)的公交等交通工具中；隨著移動(dòng)智能機(jī)和互聯(lián)網(wǎng)的推廣與普及，盡管支付方式變得越來(lái)越便利，使用打車軟件的乘客可以直接在線支付免于花時(shí)間去換取零錢，但支付安全問(wèn)題卻是用戶共同關(guān)注的問(wèn)題；同時(shí)，打車軟件低于打車成功率的提高也是影響客戶使用打車軟件的重要因素；盡管打車軟件帶來(lái)了諸多方便，可個(gè)人隱私的暴露無(wú)疑也成為了一個(gè)大的問(wèn)題。（2）女性比男性更加注重使用使用打車軟件的帶來(lái)的經(jīng)濟(jì)效應(yīng)（如免單帶來(lái)的實(shí)惠），而男性相比女性更加注重使用打車軟件帶來(lái)的打車成功率的提高和隨時(shí)隨地的打車方便。在使用打車軟件過(guò)程中個(gè)人隱私的暴露都消極地影響了男性和女性群體使用打車軟件，但相比男性，對(duì)女性用戶的影響更為劇烈。（3）對(duì)中老年人（即表中45歲以上部分）而言，支付便利不是影響他們使用打車軟件的重要因素；而對(duì)于18-30歲年齡的人群而言，卻很注重打車軟件的支付便利。（4）對(duì)于17歲以下的用戶和中老年用戶而言，打車軟件帶來(lái)的隨時(shí)隨地打車的方便對(duì)他們影響較大，可能是由于在這兩個(gè)人群中的學(xué)生和老年人更加在乎能夠隨時(shí)打車帶來(lái)的方便。

三、打車軟件推廣策略

基于關(guān)聯(lián)規(guī)則分析后的結(jié)果，可以客觀和針對(duì)性地制定打車軟件的推廣策略：

（1）提高使用打車軟件帶來(lái)的經(jīng)濟(jì)性，提高支付安全性和打車成功率是保持目前客戶和吸引新客戶的必要條件。對(duì)于提高使用打車軟件帶來(lái)的經(jīng)濟(jì)性，打車軟件運(yùn)營(yíng)公司可以繼續(xù)采取適度免單的策略吸引客戶擴(kuò)大規(guī)模經(jīng)濟(jì)帶來(lái)的效應(yīng)，同時(shí)免單也會(huì)給用戶帶來(lái)經(jīng)濟(jì)實(shí)惠；打車軟件的采用安全的支付系統(tǒng)不僅能夠使公司免于損失同時(shí)也能讓客戶更加放心地使用打車軟件；采取更加精準(zhǔn)的定位系統(tǒng)和更加優(yōu)化的打車算法能夠有效地提高打車成功率。（2）可以針對(duì)不同群體的打車軟件用戶群體，采取不同程度的優(yōu)惠策略，如對(duì)于女性用戶群體采取更多的免單。（3）對(duì)于不同人群提供不同的支付系統(tǒng)，對(duì)于青年用戶群體可以采用更加先進(jìn)的技術(shù)來(lái)改善支付系統(tǒng)以達(dá)到支付的便利性，如可以采取指紋支付；而對(duì)于中老年用戶群體則可以改善和簡(jiǎn)化支付界面，使中老年用戶能夠更加容易地完成支付。（4）目前打車軟件會(huì)公開用戶的電話號(hào)碼、打車地點(diǎn)、路途軌跡和目的地等個(gè)人隱私信息，對(duì)于用戶的個(gè)人隱私也帶來(lái)了不小的威脅；解決因使用打車軟件帶來(lái)的個(gè)人隱私問(wèn)題可以吸引更多用戶，特別是更多的女性用戶。

四、結(jié)語(yǔ)

本文針對(duì)從常州調(diào)研收集到的問(wèn)卷，對(duì)不同年齡和性別的用戶群體，采用了APriori模型對(duì)數(shù)據(jù)進(jìn)行了挖掘，針對(duì)模型輸出的結(jié)果進(jìn)行了分析，并提出了針對(duì)性的打車軟件的推廣策略，對(duì)于打車軟件的設(shè)計(jì)、開發(fā)和推廣有一定程度上的參考價(jià)值。在今后的研究中針對(duì)更加細(xì)分用戶群體，如引入月支出、每周打車頻率，還可以增加更多的影響人們使用打車的因素，設(shè)置模型中不同因素的權(quán)重來(lái)進(jìn)一步完善，提高數(shù)據(jù)挖掘的準(zhǔn)確性。

參考文獻(xiàn)：

[1] 孫偉杰，張藝娜，王超.信息不對(duì)稱角度下的出租車空載率成因分析[J].高等函授學(xué)報(bào)：自然科學(xué)版，2013（2）：15-17.

[2] 劉馨蔚.移動(dòng)打車新風(fēng)乍起.中國(guó)對(duì)外貿(mào)易，2013（4）：72-73.

[3] 王光宏，蔣平.數(shù)據(jù)挖掘綜述. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2004，32（2）

[4] 顏雪松，蔡之華.一種基于Apriori的高效關(guān)聯(lián)規(guī)則挖掘算法的研究. 計(jì)算機(jī)工程與應(yīng)用， 2002，38（10）.

[5] 李旭超. 論打車軟件對(duì)乘客打車行為的SWOT分析——以“嘀嘀打車”和“快的打車”為例. 現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2014，4（9）.

[6] 黃常海， 高德毅， 胡甚平， 耿鶴軍， 彭宇. 基于Apriori算法的船舶交通事故關(guān)聯(lián)規(guī)則分析. 上海海事大學(xué)學(xué)報(bào)， 2014，35（3）.