这次我想用两篇文章，分别以Uber和Jet.com为样本，研究一下动态定价的概念平台级产品中的演化和实践。先讲Uber。

如果大家百度一下，会发现动态定价(Dynamic Pricing)的概念其实并不新鲜。最常用的动态定价策略就是时基定价策略，也就是销售者在不同的时间段，对售卖的商品或提供的服务的价格做相应的调整。最最常见的，就是促销嘛。这理解起来一点也不难。

不过，其实动态定价并不等同于促销手段，而更多属于收益管理的范畴。也就是说，假如企业的毛利现在是10%，那么通过有效的动态定价策略，有望能将毛利提高几个百分点。最典型的案例就是民航业和酒店业，通过长期使用高峰负荷定价（Peak-Load Pricing）和清理定价（clearance pricing）这两种最为常见的时基定价策略，机票和酒店住宿价格在顾客需求高峰期涨价，在冷门时段或淡季就适时降价拉动需求。这种灵活改变供需关系的手段为企业带来了显著的收益。

Uber的动态定价，在原理上并没有什么差别，也是通过变动价格来影响供需关系。Uber的特殊性，来自于他作为一个平台的身份特性。

上述案例中讲到的航空公司和酒店，他们的服务是有“库存”限制的。这些库存是通过投资固定资产来获得的。一家飞机的座位数是固定的，一座酒店的房间数也是固定的。飞机一旦起飞，酒店一旦过了一天，没有卖出的机票座位和酒店房间，就无法带来收益，从而造成损失。所以尽管企业通过价格波动来影响顾客需求，在高峰时多赚点毛利，在淡季要尽快清库存来减少损失。但是他无法做到影响供给。

所以，传统企业的时基定价策略，基本上都是通过影响买方需求，来适应卖方能提供的供给。

而Uber则做到了另一个层面。

如果你用过Uber，你可能会遇到这种情况，在某个周末的下半时段，当你想要使用Uber叫车时，突然发现，App上弹出一段信息，提醒你这时叫车价格会上涨到1.5倍。

这种方式开始于2012年，当时Uber的一个研究组发现，每到周五和周六的凌晨一点左右，会有大量用户因叫不到车而产生抱怨。原因在于，这个时段，Uber司机大多已经下线，回家睡觉了。而同时却有大量刚从夜店酒吧走出来打算回家的人站在街头找车。这就造成了一个瞬间的供需不平衡局面。为了解决这个问题，Uber尝试通过提高这个时段的乘坐费用，来看看司机和用户的反馈。结果两周后，同个时段的出租车供应量就提升了70%多，有效解决了乘客的需求。

Uber就是这样在当某个地区的乘客需求大于可提供服务的车辆（司机）时，系统自动加价，来一方面稍稍抑制需求量（排除了乘车需求较弱，或者对价格敏感的用户），而另一方面，可以吸引和激励司机上线服务，或者从邻近区域临时过来填补需求（比如从郊区进入市区）。虽然这样会使得一些用户暂时放弃Uber的服务而去选择其他交通方式，但在更大的范围里，这种系统级的调控使得有较强用车需求的乘客能有较高的叫车成功率，保障了服务质量，并且也保证了服务车辆的大幅增加，激励了司机的服务意愿。

所以我们可以看出，Uber不同于其他企业的特殊之处在于，作为一个平台，他所采取的动态定价策略，是同时作用于平台上的供应方和需求方的。它同时是对需求方的筛选机制，也是对供应方的激励机制。因为往往在乘客的叫车需求强烈的时段和地段，也恰恰是司机不太愿意提供服务的时间地点（上下班高峰、特殊天气、路况不好的地区等），如果没有激励，就很难保证用户体验在空间和时间上的连续性了。通过同时作用于两端，Uber能够在任何时段都可以使平台上的供需关系达到高效的动态平衡。

最近一份Uber官方发布的新闻中，也用另一个案例来佐证了动态定价的有效性：2014年新年夜的当晚，Uber发生了一次技术故障，导致他们的surge pricing系统（也就是动态定价）失灵了26分钟。结果，数据显示这段时间内乘客叫车成功率降到了平时的25%。

从以上的文字中，我们不难总结出来，Uber的动态定价技术，与传统企业的大不相同，它不单纯是一种时基定价策略，还引入了“空间”的概念，让动态定价同时作用于“时间-空间”两个维度。这背后的算法要基于大规模的线上即时数据，才能在一定程度上预测出现供需不平衡的时空位置，同时还要计算出合理的价格波动范围，才能使司机和乘客恰好达到平衡。并且，这种供需不平衡是沿着时间轴和空间坐标不断变化的，每个城市的基本环境又不尽相同（路况，司机数量，乘客对价格的敏感度等等）。要实现这种动态调整，其难度可想而知。

最后，Uber最伟大的地方，就是使得一个长期以来定价完全受人为控制的行业（出租车的定价和服务不匹配，高峰时段拒载、不打表，以及黑车的坐地起价），通过他建立的平台级的动态定价模式，让市场来重新扮演主角，通过供需关系的动态变化来调整价格。这是一种来之不易的公平。