[]

经济学中最重要的一条定律是需求定律，需求定律指出，购买的某种商品的数量与其价格成反比，即价格上涨导致需求量下降，价格下降导致需求量上升。 正是在这个前提下，微观经济学的整个学科才得以建立。需求量变化(Q)对单位价格变化的相对响应度(P)被称为需求的价格弹性。

目录

经济学原理：理解需求

从最基本的意义上说，需求是消费者愿意并能够在一个连续统一体中以每种价格购买的给定商品的数量。无论是理论经济学家还是商界人士，都同样使用需求曲线来表示和衡量需求，需求曲线的形式定义是任何给定时间点上价格与需求量之间关系的图形表示。

随着需求这一抽象概念的引入，让我们快速转向主要法则和支配它的相关因素。

需求定律

需求定律指出，在其他条件不变的情况下，某种商品的需求量与其价格成反比，换句话说，价格上涨导致需求量下降，价格下降导致需求量上升。排除价格因素，还有其他五个因素通常支配着需求。 具体如下：

需求曲线的移动

在经济学中，需求变化存在两种不同的表现形式。 一种是需求曲线平行移动，另外一种是线上点移动。其中需求曲线平行移动职能由需求的五个非价格决定因素影响。需求曲线平行移动与线上点移动的最大分别在于前者在同一价格水平之下的需求量改变，后者的需求量改变即代表价格同时变动而非维持于同一价格。

需求的价格弹性

需求价格弹性（PED）是指消费者因价格变动而需求数量变动的百分比。其计算方法是用需求量变化百分比除以价格变化百分比，用PED比率表示。

由于需求量与价格（需求规律）之间的反比关系，弹性系数（即价格弹性公式的输出）几乎总是负值。然而，值得注意的是，传统上忽略了负号，因为数字的大小通常是分析的唯一焦点。

当价格相对较小的变动伴随着需求量的不成比例的较大变动时，需求被认为是有弹性的；当价格相对较大的变动伴随着需求量的不成比例的较小变动时，需求是无弹性的。在这些极端情况之外，单位弹性指的是价格变化伴随着需求量的成比例变化。从数学上讲，当某一产品的弹性系数大于1时，对该产品的需求被认为是相对弹性的; 当该产品的弹性系数小于1时，则被认为是相对非弹性的。 最后，当 PED 系数正好为1时，需求被称为单位弹性。

根据达顿商学院和哈佛商学院的高级讲师 和Jill Avery的说法，弹性有五个主要区域：

企业如何利用需求的价格弹性？

在企业中，营销人员的主要目标是实现利润最大化。考虑到很多时候成本不属于营销者的职权范围，他们必须通过最大化收入来实现这一目标。更具体地说，营销人员的工作是估计需求，预测各种可能的价格组合（价格弹性）的影响，并利用这些数据向管理层通报公司及其产品最合适的定价和促销策略，假设产品和渠道都已经得到优化。

在现实世界中，价格弹性理论的问题在于，在其他条件不变的情况下，价格弹性永远不会持续。换句话说，竞争性市场中的变量永远不会保持不变。 事实上，，企业在动态的、复杂的、多变的环境中运作，充满了无形的竞争力量，这些力量以无法预测/量化的方式相互作用。现实世界，顾名思义，是不完美的，流动的，不精确的，不考虑消费者。

现实世界中的价格弹性理论的问题是， 永远不能保持不变；换句话说，竞争市场中的变量永远不能保持不变。事实上，企业在动态、复杂和多元的环境中运作，充满了无形的竞争力量，它们以无法预测/量化的方式相互作用。根据定义，现实世界是不完美的、流动的、不精确的，不考虑消费者。

在现实世界中，价格弹性理论的问题在于，在其他条件不变的情况下，价格弹性永远不会持续; 换句话说，竞争性市场中的变量永远不会保持不变。 在现实中，企业在动态的、复杂的、多变的环境中运作，充满了无形的竞争力量，这些力量以无法预测 / 量化的方式相互作用。顾名思义，现实世界，是不完美的，不稳定，不精确的和无法预估的。

动态定价的前提

动态定价的导向

利润导向的动态定价模式特点

收入管理（ ），简单说来，就是在正确的时间以正确的价格和数量把产品卖给正确的人。动态定价其实就是通过计算各种影响销售的因素的数据，去实现“利润最大化”这个目标。1997年发布的《欧洲委员会综合报告》中罗列了利润导向的动态定价模式的四大特点：

价格弹性与行为心理学

值得注意的是，价格弹性理论是一个经典理论，也忽略了构成人的所有心理、社会、认知和情感因素（这些因素通常在行为经济学中被解释）。具体来说，经典理论的核心是假设市场参与者是理性的，因此总是做出最规范的逻辑/最优决策。事实是，根据专家梅丽莎•林（ Lin）最近发表的一篇非常有见地的文章，80%的经济主体由于认知和情感偏见而偏离了客观理性的选择，这些偏见影响了他们处理和处理信息的方式。

Uber是如何进行动态定价的？有关UBER的一些细节

在深入研究 Uber 的动态定价模型之前，重要的是要弄清楚 Uber 是如何构建和运营的一些关键要素。

动态定价的起源

在2012年初，Uber位于波士顿的研究组发现，每到周五和周六凌晨1点左右，会出现大量的“未满足需求”。导致这种现象的原因是在这个时段，大部分司机登出Uber系统，准备收工回家，而恰恰这会儿在party上嗨完的人刚刚准备回家。这就造成了瞬间的供需不平衡，在最需要用车的时候却叫不到车，用户的抱怨与日俱增。于是他们有个方案，在高峰期(午夜到凌晨三点)适当提高每次乘坐的单价，看是否有司机响应。仅仅两周后，他们就得到了非常好的反馈，在该时段的提价，使得出租车的供应量增加了70%-80%，几乎满足了三分之二的“未满足需求”，绝对是个重大突破。看来在该领域，供应量的弹性非常大，在市场价格调高后，司机确实更有动力守候在午夜时分。

这个调查成功的开启了Uber动态定价的先头，随后便正式应用在任何高峰时段，比如日常的上下班高峰、恶劣的天气条件(雨，雪等)，活动（音乐会、电影首映）、交通状况、其他紧急情况等。动态定价的算法也十分智能，在用户等待时间有个比较陡峭的上升趋势时，便会触发该算法。从核心上来讲，要解决供求不平衡，要么增加供给，要么减少需求。动态定价成功的从两个方面影响了供求关系。

在这种乘车需求上升的时期，价格通常会飙升，以确保那些需要乘车的人能够可靠地乘车，而不依赖运气或司机的选择。它的核心是与自由市场经济的原则密切相关的，即它有助于确保真正想要他们所寻找的东西的消费者得到它。

动态定价( )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。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 ）和清理定价（ ）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。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。

为什么要动态定价？

Uber本可以通过强制司机报名参加配额、强制安排日程甚至上夜班来解决汽车供应问题。但是，他们却采取了一种创新的，不寻常的方式: 货币化！

动态定价在某种程度上是必不可少的，它有助于使司机的努力与消费者的需求相匹配。 它确保司机不会闲置或漫游在城市寻找潜在客户。 动态定价给市场带来了三大变化：

Uber 服务上的每一辆车的操作者都是一个人，就像所有乘客一样。 我们为什么要期望那个人在我们想要出城的时候，对于精确地工作感到兴奋呢？ 你喜欢在星期五和星期六晚上工作吗？ 假期怎么办？ 除夕夜怎么样？ 护士和医生在这些时间段通常会得到2-3倍的加班费; 有什么理由说司机不应该得到这样的加班费吗？ 那么在真正的暴风雨期间呢？ 司机应该更关心你的需要，还是他们自己的家人和朋友的需要？ 这并不是要求你对 Uber 系统中的独立司机过于同情，而是简单地要求你考虑一下他们可能选择不在你最感兴趣的时间开车的基本诉求。 如果他们在最不方便的时候牺牲自己的时间，期待更高的票价是不是不合理？

动态定价的基准是按乘客位置而定的。存在的情况是，一个司机会在一个激励的区域内获得一个非激励区域的订单。如果Uber没有采用动态定价，将会导致许多客户抱怨可用性和可靠性，并会对采用率产生巨大影响。这种模式确保了供应不是由Uber自己创造的，而是由驱动因素创造的，而这仍然是Uber的神奇配方！

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 系统（也就是动态定价）失灵了26分钟。结果，与动态定价运行正常的某晚情况做了对比分析，发现后者的搭车成功率高达100%，而前者却只有25%，候车时间也大大长于正常情形。这在一定程度上证明了动态定价机制是有效的。【资料来源】

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。

如何计算飙升价格？

一个理想的情况是乘客和司机的人数相等。因此，如果有M个司机和M个车手，那么他们可以很容易地相互映射。当乘客数量为M，可用司机数量为M-N时，危机情况出现。当某地需求（潜在叫车量）大于供给（可用车辆）时，系统自动加价，实现：

借此达到供求的平衡。这样做有两个好处：

Uber把每个城市都划分成一个个六边形的区域网格，当区域网格的需求增加时，网格块就开始改变颜色。地图上的颜色从浅橙色到深红色不等。浅橙色表示低倍价，深红色表示高倍价。在数量上，用x.x 的乘数表示。 在一个高倍价的区域如果乘客想要立即获得用车则需要接受增长后的价格。

如何保证效果？

人们很直观地认为，Uber通过动态调价会像酒店和航空公司一样赚取更多的钱。相反，Uber的目标是尽可能的满足用户需求，他们将增加的金额给到了司机。但是，加价系数只试用于基本费用，取消费、过路费等并不适用。

如今，Uber知道人们什么时候愿意支付更高的价格。它可以预测一个特定的乘客是会接受涨价还是会等待15-20分钟让价格回落到正常水平。其中一种方法是检测的手机电池电量(如果手机电池电量低或应用程序在省电模式下运行)，然后预测乘客是否可能支付。很明显，如果你的手机电池快没电了，你会接受一个加价后的价格，因为你需要立即到达目的地。【资料来源】

另一个值得注意的事情是Uber如何处理加价系数。用户更倾向于接受不进行四舍五入的加价系数。例如当加价系数从1.9改为2时，乘车需求似乎大幅下降【资料来源】。

虽然动态加价的原理很简单易懂，但在算法具体实现上还是有很多细节需要好好想想的。比如说，动态加价的变化需要稳定而不是波动。如果波动，乘客会不愿意叫车，如果变化过快，周边区域的司机会因为担心加价会很快回落而不愿开过来。Uber的定价算法基于大量、即时的数据、建模、优化，引入了“时间-空间”双维度。这种实时性，赋予了司机估算需求的能力（这在传统出租车行业是无法实现的），并能在系统给出的建议的指导下，识别出回报率最高的接客时间和地点。此外，不同城市的价格弹性各不相同。为实现对每个城市的“量身定制”，Uber建立了大规模的计量经济模型和数据库，量化不同城市中乘客/司机对价格的敏感度、候车时间等相关变量，并随变量的改变即时调整算法，以适应不断变动的市场情况。因此，在一个长期以来定价几乎完全受人为控制的行业，Uber通过动态定价模式，让市场复位，重新发挥它“无形之手”的力量，这就是它最厉害、有价值的地方了。

的确对一些客户关于动态定价的观点很敏感，这正是他们如此努力地向消费者传达信息的原因。Uber开发了一项名为 Surge Drop 的新功能，该功能将在价格下跌时通知客户，使客户可以等到供需更加平衡，避免支付更高的费用。

价格飙升背后的黑匣子

动态定价在同个城市的每个区域都是不同的。一些社区可能会动态加价，另外一些可能表现正常。Uber使用大量数据，如事件、天气、历史数据、假期时间和流量等信息，对未来市场状况进行预测。【参考资料】

这些乘数对于不同的个体也有很大的不同，因为 Uber 通过结合各种实时数据以及用户历史记录来预测乘客的“支付意愿”。【价格歧视？】

然而，经常发生的情况是，价格上涨非常高，出租车只能以过高的价格接受，导致用户愤怒。最近的一个例子是2012年除夕期间有争议的价格飙升！【参考资料】

大众所知的动态加价

动态加价在乘客端的经济学本质是二级价格歧视。可以把加价情况下的叫车机会看成是飞机航班上的头等舱。在司机端的经济学本质更为基本，就是人会对激励作出反应。因为动态定价的存在，整个市场可以同时触碰到原本无法触碰的需求曲线和供给曲线，社会整体福利是增加的。而Uber作为交易的撮合者无疑也是受益的。

一口价

Uber在2016年开始逐步取消以实际行驶里程和时间来定价收费的模式。取而代之的，是在乘客叫车的时候，事先对里程和时间做估算，并结合动态加价的系数，生成一个一口价车费。一口价最初的动机主要有两个：

实现难点：对行驶里程和时间的正确估算。

个性化定价【价格歧视？】

一口价的普及极大地拓展了Uber在定价方面的产品空间，一个预料之中的后续操作就是个性化定价：根据Uber所知的用户信息对不同用户有不同的定价策略。比如说，根据用户在Uber上的使用记录推断用户的价格敏感度，并以此对高敏感的用户做打折优惠。或者对非活跃用户做价格营销。其实，这些玩法在美国传统销售行业早已践行几十年，经济学上的本质就是三级价格歧视。然而不同的是，Uber可以把定价策略持续细分，直到每个用户都有一套针对自己的价格体系。在极限情况下，定价会变成一级价格歧视，所有的乘客端的剩余都将归Uber所有。

针对下游效应的个性化定价

Uber和传统销售市场的另外一个巨大不同，就是传统销售市场上的每一笔购买都是独立的，不会对其他购买产生影响。然而Uber则不一样，每一次叫车都会对市场上的车的分布产生影响，从而影响后续其他人的叫车，也就是下游效应（ ）。对应的，在定价上也有优化的空间。一个典型的例子就是，如果当前的叫单会把车从一个供大于求的区域转移到供小于求的区域，因为对整体市场的供给有改善，因此车费应打折，作为激励。（反之亦然，相当于动态加价的加强版本）。

乘客和司机如何从价格飙升中获益？

由于动态定价，用户等待 Uber 的时间减少了，也确保了用户可以随时取车。 乘客可以选择支付较高的价格或等待一段时间的价格下降，或可以采取替代的交通方式。通过这种方式，Uber承诺让每个想搭车的人都可以搭车，尽管价格要高一些。

司机也从加价中获益。 由于司机得到一定比例的总出行费用作为收入，因此在加价期间，他们的收入也增加了。 此外，加价元素也给司机带来了激励。它还有一个长期的好处，因为它告诉司机，什么时候、什么地方应该出车，比如已知的大型活动、处于高峰期的热门度假地、恶劣的天气。因此，动态加价在减少闲置时间、提高单位经济效益方面发挥着重要作用。它告诉人们何时去哪里！

动态定价的劣势

对用户不友好，影响客户忠诚度，以及企业口碑。拿Uber举例，可能更多用户不会理解动态定价是为了平衡供需，而是会觉得Uber在急用车时翻倍涨价太唯利是图赚黑心钱。拿球票举例，如果在采用动态定价时，出现了两张邻座票价格不同的情况，买高价票的就会觉得自己被欺骗了，从而对售票方会表示不满。如何降低这种影响是采用任何采用动态定价的企业都需要认真考虑的问题。

参考链接：

相关文章:互联网商业模式分析之Uber空间索引之Uber 实现经纬度附近搜索基于供需关系的动态定价策略机器学习算法之岭回归、Lasso回归和回归