揭秘滴滴丨创造体验的团队

滴滴这家公司，你一定在熟悉不过。在国内互联网出行领域，滴滴是当之无愧的老大，尤其是在收购「Uber中国」之后更是稳坐第一。当然，这家公司也曾出现不少我们已经面对或正在面对的问题，其中「体验」问题是重中之重。

关于滴滴及其创始团队的传奇故事，你肯定不会陌生。本周我和洪文亲自拜访了滴滴，同滴滴快捷事业群-服务管控团队(FeatureTeam)服务体验负责人进行了一场长达3小时的深度对话，对话中我们交流了很多服务体验相关的产品概念，清晰严谨并且有实际指导作用。

我们先来看看服务管控团队在滴滴内部架构中的定位。

滴滴服务体验团队成立于2016年初，成立的契机是彼时滴滴快车业务快速发展，订单量迅速上涨的过程中并没有对服务进行管控，团队由滴滴决策委员会批准成立。

作为滴滴为数不多的横向团队之一，服务体验团队有推进全平台各部门进行体验改造的义务和职能，从成立之初就手握巨大权力。

所谓「横向团队」，滴滴团队给出的定义是「团队可以制定公司级别的策略、可以推动平台级别的系统性改造」，以上定义建立在三个事实之上：

1.第一个事实是，自2016年开始滴滴在全平台推广以提升「司乘体验」为核心目标的价值观。

目标能在公司层面上达成一致，才有横向团队产生的土壤。虽然各部门具体做的事情、背负的KPI不尽相同，但追求极致的体验才能创造更大的商业价值是滴滴团队一直坚信和贯彻的核心。

这个事实的本质是，滴滴业务规则的制定经历了拍脑袋决策、数据驱动调节已经到了大数据学习的阶段。当然滴滴的业务有着场景简单、规则易定义、数据量巨大的特点，比较容易在关注产品功能这类共性特征的同时，提供更加个性、符合不同用户习惯的规则。

3.第三个事实是，横向部门的权力是公司战略赋予，横线部门的核心目标服务于公司战略。

他们举了一些很经典的例子。

比如滴滴在2016年上线司机「服务分」，本质上是因为市场上司机对比用户是「供大于求」。需要通过服务分来震慑司机，让乘客的体验变得更好，平台有限的乘客资源也会倾斜于优质的高分司机，从而最终改变平台上的司机结构。

而在2017年用户「信用分」上线，本质上是因政策影响导致市场上合规司机数量锐减，供需关系变成「供小于求」。他们则需要通过用户的信用分来挑选乘客，将有限的司机资源高效利用起来。

以上三个事实我总结为：体验至上、数据驱动、对战略负责。它们互为依托，从企业架构上构建了滴滴服务体验团队，从而为企业源源不断的创造价值。

在滴滴交流的过程中，我们对滴滴如何量化体验产生了兴趣，主要是这一块我们做的不够好，想在交流中从他们的工作中取取经。简单了解下来，我们所面对的困难与他们所面对的，没有太大的区别。

但恰恰是因为面对的困难一致，沟通中依旧有很多启发和收获。滴滴量化体验的过程可以分为三个部分：

第一部分：定义核心指标

滴滴服务体验团队的核心指标有三个，分别是：司乘投诉率、客服进线率(Callrate)、订单取消率。

这三个核心指标都比较好理解。司乘投诉率是各个渠道司机和乘客对滴滴服务的不满意投诉占比；客服进线率为通过滴滴客服电话拨打的用户Callrate(除投诉电话外还包含查询订单、查询规则等)；订单取消率为取消的订单占总订单的比例。

第二部分：多维数据

对于定义核心指标的方式我并没有过多惊讶，因为本质上我们所定义的目标和他们没有什么区别。可当把核心指标是什么定义清楚之后，在如何分配资源、执行推进上他们却专业很多。

首先，除了大数据部门定期提供的产品数据之外，滴滴用研团队每天都会针对不同特征的司机和乘客发送调研问卷(平均每个活跃用户会半个月收到一次)；

其次，调研问卷本身也会有不同的侧重点，比如收入、规则、派单、体验等；

同一份调研问卷的结果也会进行数据模型的配比，进行加权计算。比如，一份为了得到取消规则净推荐值(NetPromoterScore，NPS)的问卷，打了低分(6分以下)的司机占比60%。这只是原始数据而已，现实可能是因为规则比较严格，兼职司机比全职司机更容易被取消规则处罚，大部分参与打分并打了低分的司机是兼职司机，可兼职司机群体仅占平台所有司机总量的20%，不能真实反应平台规则在司机间的真实满意度。于是他们会按照司机类别在平台上的占比对不同司机打出的数据进行加权，从而得到一个更接近真实的分数。

第三部分：追本溯源，重新发现

获取数据和分析数据是第一步，为了避免「奶昔错误」，他们会暂时暂时忽略数据，直接去研究用户。

举个例子，在取消规则调研的场景，他们会通过电话调研的方式找寻真实原因。如果问卷中许多被调研的司机都抱怨有很多乘客恶意投诉和差评，真实原因到底是很多乘客素质低恶意报复，还是其他原因导致的呢？

电话调研后发现，大部分乘客并不是恶意取消，而是前置接单环节部分关键信息不透明导致的。曾经滴滴在前置环节不向乘客展示车型，车辆到达接乘客的地点，乘客才发现这辆车并不是他想要的，所以取消订单并给予差评。

总结一下，滴滴服务体验团队量化和监控体验的方式，就是通过数据分析、用户研究、电话调研等方式从多个角度发觉数据背后隐含的信息，用以指导对规则的调整。

在具体的规则调整上，滴滴有这么三条价值标准。分别是「疑罪从无」「最好的管控是没有管控」「公平公正公开」。

这几条是经济学或者法学中的基础概念，为什么这几条会成为滴滴制定产品规则的价值标准呢。

因为跟制定法律类似，滴滴一切的规则都是围绕着「契约精神」来建构的。

(插上一句，契约精神也是饿了么订单产品的价值标准)

契约即是合约，日常生活中我们对履行合约的共识，履约过程产生了异常状况法院如何裁决，都是我们制定产品规则的依据。由此滴滴和饿了么都衍生出了对履约过程中的责任判断(判责)。

滴滴判责分为以下几种：

1.事中判责(实时判责)

即用户点击取消订单的那一刻就对导致这笔交易未能完成的责任方进行判断，判断方式为系统判断，判断的依据主要为时效性相关的实时数据。据透露这部分判责滴滴能做到70%的准确率。

2.投诉判责(乘客)&申诉判责(司机)

这两种判责依旧是系统判断，但是与事中判责不同的是，这次判责会引入非时效类的数据。比如履约过程中司机和乘客有无IM沟通、司机行使的过程中有无超过1公里等等。

3.离线判责

以上两者判责不能处理的纠纷订单会被离线判责进行处理。这种判责大多是人工进行责任判断，比如去判断IM通话记录的特征，司机有无接乘客等等。

是责任判断就一定会有系统性的不能准确判断责任方的情况，滴滴在这个方面的产品观令人钦佩。

他们对于不能判断责任的情况总结起来就是遵循两条原则：「疑罪从无」、「要弹簧而不要跷跷板」

「疑罪从无」的意思是，如果无法准确判断乘客或者司机有没有责任，那就应该平台来承担这笔订单所造成的损失。

「要弹簧而不要跷跷板」则更有意思，理解起来就是在滴滴平台上违约责任不是像跷跷板那样，系统判断下来某一方承担了40%责任，那么另外一方就必须承担60%的责任。而是应该像弹簧那样，双方可能同时承担了责任，双方也可能同时都没有责任。

为此，滴滴每天要付出几十万的商业成本，去维护无法判责的场景中司乘双方的体验。

沟通到最后，我们也表明了饿了么当前所面对的问题。

比如饿了么系统内的角色更多，是用户、商户、骑手三方履约，一旦发生履约异常需要三方判责。

比如饿了么订单和运单是分离的，订单异常过程中可能运单仍在履约。

比如饿了么履约过程中并不能让所有的时间节点(商户出餐等)都强制完成。

再比如滴滴是一对一的服务关系，履约过程比较明确，但饿了么上商户和骑手都是一对多的服务关系。

...

他想了想，没能给出建议。他说，你们的场景比我们复杂的多，我感觉明年我们就会去你们那取经了。

我和洪文哈哈一笑，滴滴的会议室内充满了快活的空气。