Pin điện thoại yếu, giá gọi xe công nghệ sẽ cao hơn?

Quyết định bằng dữ liệu xem chi tiết

Bài học chiến lược từ Uber: Dữ liệu là mỏ vàng, nhưng đạo đức là lằn ranh đỏ

Theo tờ báo Bỉ Dernière Heure, một nghiên cứu nhỏ đã xem xét cách ứng dụng đặt xe Uber thay đổi giá cho người dùng ở Brussels dựa trên mức pin của họ. Uber bị cáo buộc tính phí người dùng cao hơn nếu pin điện thoại của họ yếu.

Cụ thể, tờ báo đưa tin rằng có 2 yêu cầu giống hệt nhau được đưa ra để đi và đến cùng một địa điểm, nhưng Uber lại tính thêm 6% cho chuyến đi bằng điện thoại thông minh chỉ còn 12% pin. Chiếc điện thoại có 84% pin được tính 16,6 euro (14,56 bảng Anh, 18,1 đô la Mỹ) cho chuyến đi từ tòa soạn báo đến bến phà gần đó, trong khi chiếc điện thoại còn lại được tính 17,56 euro (15,41 bảng Anh, 19,16 đô la Mỹ).

Ngay sau đó, Uber đã phủ nhận việc thanh toán được xác định dựa trên lượng pin còn lại của điện thoại và cho biết ứng dụng không thể đo được lượng pin của người dùng.

Công ty cho biết: "Uber không tính đến mức pin của điện thoại để tính giá chuyến đi. Mức giá linh hoạt áp dụng cho các chuyến đi được đặt qua Uber được xác định bởi nhu cầu đặt xe hiện tại và nguồn cung tài xế có thể đáp ứng khi đó."

Tuy nhiên, năm 2016, cựu giám đốc nghiên cứu kinh tế của Uber, Keith Chen đã nói rằng công ty nhận thấy những người dùng có mức pin thấp hơn sẵn sàng trả tiền cho chính sách tăng giá.

“Nói cách khác, bạn có nhiều khả năng chấp nhận giá cước tăng đột biến. Nếu điện thoại của bạn sắp hết pin và bạn cần đi xe về nhà ngay lập tức, bạn không thể chờ 15 phút để xem giá có giảm xuống nữa không. Uber biết khi nào pin điện thoại của người dùng sắp hết vì ứng dụng sẽ chuyển sang chế độ tiết kiệm pin. Và chúng tôi hoàn toàn không sử dụng điều đó để đẩy giá cước tăng đột biến lên cao hơn, nhưng đó là một thực tế tâm lý thú vị trong hành vi con người", ông Chen nói.

Mô hình Định giá Động - Đó là gì?

Theo tạp chí Forbes, những gì họ dựa vào để xác định giá cho mỗi cuốc xe được gọi là “Định giá Động”. Phương pháp này hoạt động thông qua định giá thuật toán, xác định mức giá cần cung cấp dựa trên các biến số khác nhau như vị trí, thời gian trong ngày, mô hình giao thông và thậm chí cả lịch sử sử dụng Uber của bạn. Dữ liệu này được thu thập và thuật toán dự đoán mức giá cao nhất mà bạn có khả năng sẵn sàng trả.

Thuật toán "mức độ sẵn sàng trả" này có thể xác định khả năng bạn đồng ý với mức giá của chuyến đi tại thời điểm hiện tại. Kết quả xác định được tích hợp vào dự đoán nhu cầu theo từng phân khúc nhỏ và cuối cùng xác định mức giá cho chuyến đi tại mỗi thời điểm.

Sử dụng lượng dữ liệu lớn, AI cũng có thể lấy dữ liệu từ nhiều nguồn khác nhau để bổ sung vào thuật toán, chẳng hạn như sự kiện, thời gian trong ngày, số lượng người yêu cầu chuyến đi, ... Nhờ việc thu thập các biến động giá theo thời gian thực này, giá cả có thể thay đổi từng phút.

AI cũng có thể lấy dữ liệu khách hàng cá nhân và lịch sử hoạt động để xác định cách định giá chuyến đi. Nếu hành vi trực tuyến của bạn cho thấy một thói quen đến một số địa điểm và thời gian nhất định, tài khoản của bạn có thể bị tính phí nhiều hơn vào những thời điểm đó.

“Uber phụ thuộc rất nhiều vào máy học (ML - Machine Learning, một nhánh của trí tuệ nhân tạo) để thiết lập một hệ thống định giá động mạnh mẽ và đáng tin cậy”, ông Ivan Didur, Giám đốc Công nghệ kiêm Đồng sáng lập DataRoot Labs, cho biết.

“Với sự hỗ trợ của ML, Uber tạo ra dự báo có tính dự báo về tương lai của nhiều điều kiện thị trường và sử dụng một hệ thống rất nhạy cảm với các yếu tố bên ngoài: các yếu tố này bao gồm các sự kiện tin tức toàn cầu, thời tiết, dữ liệu lịch sử, ngày lễ, thời gian, giao thông,...”.

Định giá động cho phép Uber thay đổi giá một cách hiệu quả. Họ cũng có thể dẫn đầu cuộc cạnh tranh giữa taxi truyền thống bằng cách thu thập dữ liệu về giá hiện tại và có khả năng đặt ra mức giá có thể khiến khách hàng lựa chọn họ thay vì các dịch vụ khác. Tất cả điều này đều liên quan đến khả năng chi trả của bạn và điều này thực sự có thể mang lại lợi ích cho hành khách.

Dữ liệu cũng cho phép Uber đưa ra dự đoán về giá trong tương lai dựa trên mạng LSTM (bộ nhớ dài hạn ngắn) trong các mô hình học sâu để dự đoán tình hình tương lai của thị trường và thậm chí cả các sự kiện "bất ngờ" trước khi chúng xảy ra.

Didur cho biết: “Bằng cách sử dụng LSTM, Uber cuối cùng có thể tính toán và phân tích hiệu quả tất cả các biến số cần thiết để hình thành mức giá phản ánh tình trạng hiện tại của thị trường và tối ưu hóa trải nghiệm tổng thể”.