很好的问题。

非内部人员所以不能完全确定这样设计的由来。但我们先考虑下放这个 “顺路值”的目的是什么？有没有其他方式？

 “顺路值”作为一个参考，用户很方便的知道有“多顺路”。

 “顺路值”的目的是这个，那应该也想过别的方案吧，比如十分顺路、非常顺路、很顺路、几乎顺路？或者是别的 方案，但这些应该没数字来的直白，就好比，告诉你“超过了同段位96.8的米莱狄“一样，而不是说你非常厉害。

如果说数值的方案 很好，接下来就是 ”数值颗粒度“的问题，如果颗粒度只有”十分顺路、非常顺路、很顺路、几乎顺路“，用百分比数值来代替呢？

能不能做到颗粒度“1%”？

可能能，但不一定要他能。首先有足够多的顺风车司机，这个值的筛选是有用的。而事实上顺风车司机并没那么多，大部分情况不够筛，对于“拼车撮合”这样的业务来说明意义不大。技术上肯定能计算出完整行程的匹配数值，而有数值就有上下限，那应该显示50%以上的匹配度还是71%？或者仅显示最高的多少条？看起来都没那么合适，因为平台要“撮合”，事实上我们看到就算没那么顺路的，也有个 75%顺路。。。意思就是 “你们俩很配，赶紧成交吧”。。。

排序的因素

列表中并不完全按照 顺路值 来排序， 大概率说明除了这个值，还有别的因素影响到系统优先级的选择。比如时间？司机爽约率？。。。

所以，我认为 顺路值会有自己的算法公式在，但不完全应用这个公式得出这个值，而是通过对这个顺路程度（100%、95%、90%、85%、80%。。。）进行概括来表达”十分顺路、非常顺路、很顺路、几乎顺路。。。“方便理解，同时对他们的促转来说是目前是一个不错的方案。

产品功能的设计，离不开需求场景。不是越精确越好，也不是约模糊越差，产品设计中还有一个二八法则。

回到顺风车这个场景下，关键是车主和乘客之间的互相匹配，以最小成本达到最大利益化，车主想赚个油钱，乘客想省点路费。我跟嘀嗒顺风车业务的同事交流过，据说嘀嗒的初衷是建立平等的顾客和车主之间关系。

影响顺风车是否匹配成功，最核心的3个要素：时间，起始点距离，规划的路线；只要这3点确定下来，价格自然也是确定的。

顺风车的车主不是专门拉客的，在时间上，也是一个相对较大的范围区间，像滴滴顺风车是15分钟，嘀嗒顺风车是30分钟，这个弹性空间搁在出租车和快车肯定是要引起顾客不满的，但在顺风车场景下，却能接受，为什么？就是因为这个交易双方是平等的，是可以互相理解的。

那对应的顺路程度，90%和91%有区别吗？区别是1分钟还是5分钟的颗粒度？其实是没有太大区别的，甚至5%的颗粒度我觉得都是不必要的。顺路程度在50%一下，再区分45%还是40%有意义吗？我想对车主和乘客来说，基本都是选择80%以上的，再看看起始点距离和时间，就可以决定了。

所以到底多大的颗粒度，不仅仅是技术实现成本，也考虑业务场景是否需要。当然颗粒度也不是固定不变，5%就全部都是5%；真正能体现业务场景下具体需求的，才是最恰当的。

一个比较好的问题

首先从技术上来说1%应该是能实现的，通过获取当前地点和乘客地点，基于gis生成路径，再通过额外获得的顺路值乘客（系统自动派单），以及路况，再次接客等实时定价策略，可以精确至1%。

另外从供给侧，影响顺路值的可以想到的有以下几点：

1. 是否预付费，预付费用户拼车意向更确定
2. 顺风乘客时间匹配程度，通过模型计算预估到达时间
3. 拼车地点是否热区，如果热区对于司机到达目的地时间是否就会延长
4. 上车地点，如果乘客是跟司机一个地点，那哪怕不是这么顺路，但是也节省一定距离上来回的成本。
5. 司机到达顺风车目的地后，当地客源是否充足，考虑全职车主
6. 其他就是运营层面可能涉及到的新用户之类的。

从体验上:

是否1%，对于司机来说，只是提供一个建议，没有那么强烈的需求，司机可能就看时间，看金额，距离顺路80跟83%没有什么大的差别，且如果精确到1%，可能还会造成司机视线上困扰，会看到很多不同的数字，(顺风车车主有些可能就是在开车途中接的单，可能等一个红绿灯，堵车了等等)，从安全性以及便捷性上就没这么好了

我觉得主要考虑的是供给侧的决策因素。

从页面上可以直观的看出主要因素有：顺路程度、出发时间、订单金额。

司机决定是否接单需要综合以上三种因素进行决策，司机在不同的场景中有不同意识与行动，三种因素的优先级会因此变化。如果在顺路程度上过于精确，反而会影响在这一项因素上决策比重使用户消耗更多的时间，这与平台撮合交易的理念背道而驰。

假设只考虑路程长短，如果供给侧的路程越长，则需求侧路程对“顺路程度”的影响越小，那么1%的差异带给司机的反馈可能微乎其微，反而弱化了这项因素的价值。

是否有足够的运力，能够支持1%的精度，也可能是个被考虑的因素。如果没有足够的运力，每天就没有那么多的路线被推荐，导致每天给我推荐的就会有一些差异，那么长期来看，我也不记得百分之多少是好的。模糊一点精度，反而有助于我做出选择。

没有开过顺风车，但是电影、电视剧没少看。比如我今天看到的5个推荐电影（推荐度）是96%，92%，89%，83%，79%。那么第二天看到一个91%的推荐电影，会怎么想呢？会不会觉得今天推荐给我这个电影不行呢（昨天看过96%的了）？仔细想一下，我打开腾讯视频，看到那么多0.1分精度的电影，其实我还是会粗略的转化为9分以上，8.5～9分，8分多，8分都不到..

也和天气温度有点像，你会仔细感受34度和33度的差别吗？

另外顺路度确实和个人感受相关，我想所有平台都只能根据多个客观因素对行程进行打分，而不会考虑到车主A或车主B的喜好差异。有的人认为沿途不跑偏的情况下接个单非常重要，有的人认为与我时间完全匹配的单非常重要。在这种个体因素影响下，其实没有对当前准备出车的用户绝对准确的推荐值，而看起来粒度粗一点的评价，个体来说反而会更稳定一些。

1. 首先顺路率是一个体感值，满足接近100%条件也会根据平台策略进行调整，再说回来百分比按照5%为单位

 1.1底层算法涉及到距离分析，系统计算也会有误差，这个误差范围大概是5%左右

 1.2 如果显示71% 和 74%，增加了接单人的选择负担（体感值颗粒度不需要拆分成100个单位，顺风率低于25%的应该不存在吧，求核实）

2. 综合排序规则

 2.1 顺路率、单价、征信…… 都有可能引入排序权重的

肯定不止顺路值作为唯一判断标准，需要参与别的因素。

那么为啥不将顺路值精细化呢，我觉得计算力越大，比如我们把参数揉进这个顺路值中，导致算数时长增加，而且在滴滴这种移动场景中，很容易导致丢单，那么在顺路值上不做到完美，更是在时效性上增加了成单的概率，保证平台整体营收。

偶尔接几个顺风车单，从本身的需求出发，我会优先筛选最顺路，然后看乘客具体位置和规划路线，实际上有些90%的顺路差的还是有些路的，85%比90%路更顺路的情况占比可能达到三成，所以估计是内部机制并没有做到完美，所以推荐你差不多的得了，你要求高的你自己去看更细的进行对比

我做为司机在使用的时，这个百分比的值只会影响我点击订单的顺序，更多的是看乘客的出发点和目的地是否符合我的预期，当然一般情况下50%以下的单就不会再去点击查看

个人觉得以5%为颗粒度是平衡顺路单司机路线和乘客预期路线顺路算法匹配的精确度和召回率之后的原因，现在5%可能也存在面向用户可解释性不足的问题，无法精确的说服顺路用户85%的顺路和90%的顺路差异在哪里，1%的差异就更难说服了；

当前方案中的顺路率无法作为顺路拼单的决策因素，因此列表排序不会只考虑次单一因素；

降低、模糊选单门槛，提高平台的接单量。我猜的。

其实仔细琢磨会发现很多问题，比如，这个顺路率是怎么算出来的？我家在西南区，目的地在东南区，完了有个乘客在西北区，要去东北区，告诉我顺路率80%。。实际上也确实能这么走，但是我比平时多绕路了几十公里，这也能叫顺路？

感觉是在降低容错，增加供需双方的匹配区间