起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識共享單車的未來暢想：從3個層面，探討共享單車“潮汐效應”的解決方案
共享單車，一種意在解決用戶在最后一公里通勤問題的代步工具。通過“非定樁的共享模式”定位，其于2016年迎來大爆發，并于2017年進入白熱化市場競爭階段。
在此我不想去太多的分析目前兩家的競爭，因為后面涉及到的融資，運營，戰略方向都可能成為兩者勝敗的生死手。故本文只隊共享單車的未來進行暢想。
首先，先從共享單車的使用場景入手。
共享單車針對的場景是：為單個用戶，在某兩個距離一般在五公里以內的位置進行移動時，提供一種代步方案。
關鍵詞：單個用戶，兩點，距離，代步。
以下是關鍵詞分析：
1.單個用戶是誰？
我的直觀判斷是：
這個用戶的身份，最可能是沒有固定居所的人和上班族。
因為沒有固定居所，所以無法大規模的購置家具硬件，這其中就包括了交通工具。
而導致一個人居無定所的原因一般只有以下幾種：
- 較遠的異地上學
- 異地打工
所以在進一步細化居無定所的原因后，我們可以基本確認：這個用戶的身份，一般是至少為出生點和常住點為異城的學生，以及所有的上班族。
分析此類用戶的行為，會發現以下特點：
- 工作日生活作息非常規律。
- 周末和法定假日的行動相對不可預判，需要個體數據和大數據分析支撐。
根據此結論，我們可以繼續討論第二個關鍵詞：
2.兩點
前面我們已經分析了，排除掉經常出差者（這類用戶主要使用的交通工具為出租，飛機，地鐵公交），一般的用戶在周一到周五的生活作息非常規律，具體表現為：
（1）上班族：
- A.早上：居住點–步行&單車（–地鐵&公交–步行&單車）–工作點
- B.中午：工作點（–步行–餐廳–步行）–工作點
- C.晚上：工作點–步行&單車（–地鐵&公交–步行&單車）–居住點
（2）學生
- A.上課循環：宿舍–步行&單車–教學樓（–步行&單車–教學樓）–步行&單車–宿舍
- B.吃飯循環：宿舍（–步行&單車–餐廳–步行&單車）–宿舍
- C.自習循環：宿舍–步行&單車（–教學樓–步行&單車）–宿舍
- D.休閑環節：不可預判，不做分析
通過以上分析我們可以看出：
上班族三個循環中，可能有兩個場景用到單車，涉及的點為：居住點，工作點，地鐵&公交乘坐點。
學生的循環中，可能有三個場景用到單車，涉及的點為：宿舍，教學樓，餐廳。在常規場景中，任意兩點之間都可能建立關系。
但是在公共場景之下，單個行為上升到群體行為，我們就不得不正視潮汐效應的影響了。
以單個地鐵點或者公交聚集點為中心，方圓五公里的范圍內，若建筑物以居民區為主，則必然會出現早上人群涌向交通樞紐，晚上人群涌出交通樞紐的潮汐效應；若以工作區為主，則是早上人們涌出交通樞紐，晚上人群擁入交通樞紐；若是為大型購物區，則會出現工作日晚上人潮的涌入涌出，休息日人們偏中午涌入，晚上八點靠九點涌出的場景。
所以我個人認為。解決潮汐效應才是共享單車的難點所在。
（3）距離
首先，我們首先需要確認的一點是，我們討論的共享單車是一種代步方案，而不是體育運動。
在此基礎上，我們可以大膽得出結論：共享單車適用的距離一般在500–3km左右。
過短人們相對懶得開啟共享單車，而過長需要大量的體力消耗。進一步考慮夏天的暴曬和冬天的寒冷，初步假設3km為常規臨界值，5km基本可視為極限值。超出5km的騎行，基本都可視為體育鍛煉和健身而非正常通勤行為。
（4）代步
共享單車是一種代步工具，簡單清楚，無需闡釋。
通過以上的分析，我們基本可以得出用戶場景為某兩到四個交通樞紐為基點，向位于該交通樞紐5km以內的工作地點和居住點發散的上班族提供通勤方案，或者在多個標志物之間進行規律運動的學生提供便利的代步方案。
隨后，我們予以綜合，瀏覽用戶自身解決此問題可能遇到的痛點：
- 自己的單車擔心丟失
- 惡劣天氣時擔心單車受損
- 需要維修時維修困難
- 在需要地鐵或者公交作為通勤方案的一部分的時候，離開居住點前往公交點或者離開公交點前往工作處都可能需要單車，花費較多。
- 不常用，擺放自己家中占地過多。
- 尋找擺放用地困難
- 擺放用地可能收費
- 擺放用地單車過多導致的存取困難
- 需要搬上下樓，花費時間更多
…..
解決方案
以上面場景為基點，考慮用戶可能的痛點，做出解決方案如下：
1.單車端：
A.太陽能電池板
提供電力續航相關電子設備，安放位置：車前籃（但是最好不給車籃）。
B.電子鎖
OFO的機械鎖案例已經給了我們足夠的警示：OFO通過涂牌被占為私有的單車數量不在少數，甚至被當做了一種社會現象被予以討論。
C.GPS
對單車予以定位，核心元件。
D.信號接收發送端
和電子鎖串聯實現動態開解鎖功能，并可發送其他相關數據。
E.號碼&二維碼牌
與地區掛鉤
F.發生器
便于尋找車輛以及確認開鎖等。
2.軟件端
A.套餐服務
正常情況下，上班族的通勤時間非常穩定，幾乎為固定。
針對這種固定的通勤情況，我們完全可以推出套餐服務。Eg：
（1）周度&月度通勤包
- 申請條件：填寫上班地點（居住點填寫，公交&地鐵點選擇），下班地點（工作地點填寫，公交&地鐵點選擇），上班時間段（兩段時間段），下班時間段（兩段時間段）。
- 次數：10次自由使用+92次通勤使用。
- 控制項：騎行時間超過某個時間即不屬于通勤范圍，扣除自由使用次數。
- 周度&月度校園自由行包
- 申請條件：學校名稱
- 選擇條件：使用時間，使用路程
（2）自由行加油包（時間）
- 申請條件：無
- 選擇項：騎行時間（1小時，5小時，10小時，等等）
（3）自由行加油包（路程）
- 申請條件：無
- 選擇項：騎行時間（10公里，20公里，100公里，等等）
（4）騎行記錄排行榜
微信運動的大熱提醒著我們“曬”在我們的生活中無處不在。
（5）廣告投放
就目前常見場景而言，若整體體系搭建得當，共享單車軟件打開的軟件次數可能在日常使用APP中排名極度靠前（甚至可能僅次于微信）。而共享單車能夠獲取用戶的工作地址，居住地址，甚至可以從周末的行駛路徑中獲取用戶的娛樂場所。
這些精確信息，能夠給廣告投放提供了無限的想象力。
3.維護端
A.潮汐效應的干預
首先，我們需要承認：
只依靠用戶的自流動搭建的流動不足以逆轉潮汐效應，我們需要人工干預。
所以，我們在設定套餐時，特意上用戶填寫了工作地址，居住地，中轉地鐵站，大概騎行時間等五項數據。
通過這五項數據，我們可以大數據模型來確定用戶在理想模型下全時間段的流向，進而可以逆推出共享單車的精確投放位置，搬運單車工具的在各個時間段的搬運數量等重要信息，進而完全抵消潮汐效應。
當然，我不會否認逆潮汐效應需要的額外的搬運單車工具的投入，但是在廣告費用，押金金融，節省的單車管理的人員支出費用，以及通過搬運單車產生的額外產出（即以目前模式下，只要單趟搬運單車工具出動費用小于該次搬運單車產生的盈利即可）支持下，我認為此事有試點的可能性。
B.單車維護
單車極易出現各種故障問題。重點是故障的故障確認問題。以下為幾種方式：
（1）用戶主動報障
用戶在使用高峰中若的確遇到了單車自身故障（破胎，座椅不能上下移動等），用戶會自主報錯，并嘗試換騎。此時服務器獲得該單車編號與位置，即可在下次潮汐運動中予以換下維護。
（2）車輛主動報障
當某輛單車較長時間未進行任何移動時（一般來講就是二維碼被涂了），車輛主動向服務器發送相關數據申請查看。
（3）車輛被動報障
當某輛單車長時間不向服務器發送數據時，服務器自動判定該車存在故障并予以標識，并自動讀取該單車最后一次發送的位置數據，（假設單車每一小時自動向服務器發送一次數據，但是這樣會不會因為過多申請并發而導致網站癱瘓？）并派遣專員予以尋找維護。
通過以上這些方式的組建，相信可以建立起一個相對健全的共享單車體系吧。寫的有些粗劣，請大家批評指正。
本文由 @風催花殘掩君語 原創發布于人人都是產品經理。未經許可，禁止轉載。
共享單車的核心問題有兩個，一個是政策面的隨意停放導致市容問題，另一個是基本面的也就是本文所述的潮汐問題。潮汐效應同時也增大了前者的嚴重性，但是他們不是充要關系，所以還是要分開考慮，前者的問題是公地悲劇的問題，后者是一個典型的交通問題。公地悲劇的核心關鍵有三個，契約、資源、監督。而交通問題，大家不妨看看國內外的城市是如何解決的。本文只指方向，不給結論，希望大家還是可以多提自己的想法。
誒，你有沒有感覺到我這個方式有順帶解決停放問題的功效呢？
很抱歉，木有 ?? 你的套餐想法出發點很好，但是你忽略了一個大前提，我們用uber的時候拼單，用手機流量套餐。這些的前提是——它們都很貴。而對于一次1塊錢的單車，很難起到足夠的效果。不如通過精算，得到單輛車的在兩個熱點之間搬運的成本，假如這個成本足夠高，那可以反向付費做回流。當然，這只是比較“理想和原始”的。如果搬運的成本不足以驅動。那只能想別的輒了。但是現在單車的最大風險是在政策面。潮汐是次要矛盾。
在中國，絕大多數大學的餐廳和宿舍基本是在同一個區域的，兩者的距離并不遠，步行比用自行車更優，所以我覺得學生用戶“吃飯循環”這一場景似乎可以省略。
是的，那個只是作為考慮，但是主要場景是宿舍到教學區的場景。
我覺得您對共享單車的用戶有什么誤解。。。
沒事，說就好啦，大家都是討論嘛。
潮汐問題是不是中國特色？國外的共享單車做了很多年，是否有可以借鑒的經驗？
潮汐問題不是中國特色。國外的共享單車模式類似于中國的政府單車計劃，是有柱共享單車模式。有柱會帶來大量的不便，但是有值得借鑒的地方：我們可以指定單車?？吭谀硞€指定的地點，不在指定地點的話收取額外費用。這部分額外費用就可作為紅包車費用來源。同時也解決了尋車難和將來必須要面對的調度難問題。
標題是3個層面解決潮汐效應的方案，怎么中間扯出這么多亂七八糟的東西？
你說得對，這標題是被小編改過的啦，我原來的標題不是這樣的。有點標題黨。 ??
可憐的娃
我在此再自己補充幾句吧。首先，這篇文章的重點有兩點：1.用我的方法去解讀需求。當獲取需求時，提取需求中的關鍵詞，然后展開聯想，為關鍵字提供解決方案。但是，若是我自己提的需求就是錯的，那我的解決方案一定錯了。這就是產品獲取需求準確的重要性。所以最近很喜歡和用戶直接接觸，獲取第一手需求2.用大數據去優化解決方案。我嘗試通過五組數據，通過組合來建立用戶的出行路線時間圖。這張圖對單車的調度能夠起到極大的幫助。在做好調度之后，單車app就能夠成為一個單天能夠打開次數在2-8左右的app。結合用戶的五組數據，能夠給O2O廣告投放提供無限的想象力
看來看去，lz只是通過用戶的5項數據做人工干預去解決潮汐問題
那天有點忙，暫時就想到這么深了。您有好的意見可以一起討論呀。
若僅從標題展開，不發散，即論潮汐，我的思路是:
首先，潮汐會引發什么問題？
1、密集地點停放影響公共設施，例如前段時間北京公交站的新聞；
2、漲潮大于退潮導致車輛配比失衡，直接影響車輛利用率；
其次，潮汐是怎么形成的？
1、車隨人流，比如上班時間，由居住區至商業區，下班反之；
最后，要不要解決潮汐，如何解決？
1、通過運營數據分析上下班時間點，各商業區、居住區車輛使用率及往返線路，推斷出某一城市商業區、居住區車輛配比；并想辦法解決聚集地車輛停放問題；
2、通過上面的運營數據分析漲退潮的車流量比例，假設1:1，則不需要解決潮汐；
3、通過運營數據人工干預車輛配比，參考1；
寫的有點繁瑣，考慮不夠周全請補充，其實想想還有一個簡單辦法，把某個城市按照網格劃分，先通過車輛使用頻率進行各個區域內的車輛配比，過幾天再人工干預。
前面問題沒有異議，我直接回答第三部分。對1我沒有異議；對2我有異議，我其實力主解決的是在上班高峰期車輛不足的問題。放在一天的時間長度去分析漲退潮車流量比例，那么這個比例幾乎近似為1:1，看上去不需要討論。但是若是單純的去查看上班高峰期去分析漲退潮車流量比例，那么這個比例會非常高。這樣就會導致單車在上班高峰期只能被使用一次的問題。我的整體文章重點也是在解決這個問題。3的話是我對2這個問題的解決方案。關于最后的分區域車輛分配，我個人感覺OFO現在就是這么做的。通過分區，在晚上十點或者十一點后，保證某個區域內單車數量保持原值+用戶新增數量/配比額即可。而且你可以查看我對夜海的長回復，通過這種方式我們甚至可以細化到單個單車投放點的數量控制而非單個區域。
沒看懂這句“但是若是單純的去查看上班高峰期去分析漲退潮車流量比例，那么這個比例會非常高。這樣就會導致單車在上班高峰期只能被使用一次的問題?！?/p>
那我舉例子啦，比如說，一個社區，只有兩個人，你和我。我早上八點出門，晚上八點回家。你早上九點出門，你晚上九點回家。那么你永遠騎不到車。你就會卸載APP，換一家使用。這時候就需要公司在早上八點半的時候，把我騎到地鐵站的單車放到你門口，在晚上八點半的時候，把我在門前的車放到地鐵站。我這篇文章主要解決的是這個場景問題。
這個場景下的問題，我不認為需要解決，運營成本過高，還不如多加車