嘀嘀打车现在以及未来可能的盈利模式是什么？

嘀嘀打车现在以及未来可能的盈利模式是什么？

赞一下楼上那位讲其实打车软件的目的是为了收集数据的兄弟。从我的视角来看，烧钱抢占打车软件市场，目的除了其一占领移动支付市场之外，还有一条（在我看来）更重要的目的就是收集用户的地理定位信息。

从用户的地理信息数据里能够挖出来的信息是难以想象的，尤其是如果公司本身还拥有与该用户相关的其他大量信息的话，配合用户的地理定位信息使用效果奇佳。之前我们Lab做过用用户的过往带geotag的tweets来分析用户近期行为pattern，最近在做用基于地理信息来加强推荐系统【因为我们Lab本来就是全世界最早做recommender system的嘛】性能都相当赞【这还是考虑到我们拿到的dataset其实很弱的情况下。。。想象一下如果能够像很多industry的公司一样拿到详细的地理信息与用户其他行为的关联的话。。世界真是太可怕了麻麻我要回火星】

【就好像早两年在The Atlantic上看到的一句话一样“Google's geographic data may become its most valuable asset. Not solely because of this data alone, but because location data makes everything else Google does and knows more valuable."】

【用带google service / google now 的android机的用户请进入

就可以知道google有多了解你的行踪唷】

于是现在其实阿里和腾讯(unlike 百度)其实是没有用户的即时定位信息的（因为这两家的地图软件其实还是没有什么人用的吧。。）各种打车软件在这里介入之后，恰好帮阿里和腾讯补上了用户模型里缺失的最后一环，现在阿里和腾讯就拿到了每个用户的大量在不同时间，地点（很可能还是连续的）地理定位信息【更赞的一点在于这个信息其实不光是spatial，还是platial的，如果我们考虑到用户除了提供定位信息之外，还提供了自然语言的所在地点描述】

再考虑到阿里本来就拥有的每个用户的信用记录，购买记录，实名，shipping addr（which is 准确性最高的一种VGI信息没有之一）以及腾讯有的每个用户详尽准确的关系网。。。。补上即时定位信息这个短板之后，这两家对用户信息掌握的程度又上了一个巨大的台阶。。

P.S. 有BAT的内部人士可以答疑这三家目前对这些数据的利用程度么？非常好奇现在国内的IT巨头到底有没有有效把这些数据利用起来。。。我认识的我们Lab出去的人目前都在美帝所以我对国内的情况完全不知道所以现在超好奇国内这个领域是什么情况。。。

/* *

*20-Feb-14 补充一点，解答评论里面关于采集到的数据bias的问题

*/

Great Question! Thank you for your feedback.

其实微信如果你不开附近的人或者摇一摇的话是不会有定位权限的。。。即使是开了权限，大多数情况下提供的lat/lon pair 也是基于cellular positioning而不是satellite positioning。

不过我更想讲一下bias的问题。对于geotag来说，每一个geotag是和geotag associated的其他信息一起记录的，所以有很多方法可以解决bias的问题

就拿用了geo加持的recommender system来说【就好像personalized collaborative filtering一样，无论是item-item还是user-user，都不会因为你采集了一大坨奇葩的人的数据，就对其他人群的推荐结果产生任何影响。相反，你对于任意一个单体用户（产品...in terms of item-tiem CF）掌握的数据越多，那么针对该用户（产品）以及其nearest neighbors的prediction的性能就会越好】

然后采集到的lat-lon pair可以用各种分法来clustering/classifying（举例：可以判断用户此次打车是上班还是下班还是粗去玩...）...【或者直接当成传统的item-item CF或者user-user CF 向量里多一个spatial维度，normalize之后SVD】

这样做出来的话，其实是不会存在bias的问题的【比如假设我最后发现好多所有半夜两点钟在中关村打车回家，平时在淘宝上给网游充值的，淘宝送货地址在五环外合租房的屌丝如果半夜两点钟还不回家的话有极大的可能性是在吃烤串（举个例子啦，SVD之后每一个维度已经没法这样简单理解了），那么这样一条prediction也只会影响到这样一个用户的k-nearest neighbor才对】

【其实geo信息哪怕不做那么复杂的分析，单纯存在也是对recommender sys的一个很好的补充。我能想到的一个最简单的例子是（亲，上次你去吃饭的餐厅在淘宝团购上也有哦 :) 然后下面几个推荐，是该用户附近其他几家正在团购的，而且根据传统recsys算出来推荐给用户的餐厅）或者直接每次打车定地点的时候弹出来一个窗口，根据传统recsys推荐打车目的地周围某半径内需要推荐给用户的POI】

于是，采样中有bias其实根本不是什么坏事。。根本点在于

A.能够准确地给一个cluster（或者给一个用户以及他的k-nearest neighbor）得出结果

B.能够成功的把一个用户放进准确的cluster（或者算出他的k-nearest neighbor)