實測滴滴AI打車：媽媽，打車好難！

在高德的小高老師，美團的小美之后，滴滴的 AI 終于來了。

這兩天，滴滴的 AI 小滴開始批量內測。從根據習慣打車開始，把賬單分析、沿路推薦、路線規(guī)劃等等全做了個遍。

不過，這些雖然看起來很酷炫，但根據我們的整體測試，現階段的它還是一個比較早期的產品。

1. 打車/約車場景：

• 用戶需要反復和小滴交流，提要求，感覺不如老流程方便。

• 每次輸入，都需要等待小滴分析。這期間空閑的司機很可能會被分配其他訂單，導致兩輪對話間的司機完全不同。

• 設置好約車時間后，小滴實際開始叫車的時間很早，司機比預訂時間早到了快10分鐘，影響了出行節(jié)奏。

2. 路線規(guī)劃：

• 路線規(guī)劃方案的頁面可以直接跳轉到打車頁，比較方便。

• 推薦的不同路線方案不夠智能，實際情況和預估差很多。

3. 歷史訂單查詢：

• 精準輸入關鍵詞后查詢結果比較精準。

• 但最多只能分析近30天的訂單，不支持更廣的時間范圍。

• 分析功能有點傻。比如分不清中關村商圈里到底有啥具體地點。

AI叫車：花了10分鐘，失敗了3次

AI 叫車作為最核心的功能，當然要第一個測試。

用小滴實時打車的流程很簡單。用戶告訴小滴“我要打車去X地”，就能立刻叫車。在輸入中，用戶還可以要求小滴只打特惠車、只要好評的師傅等等。

小滴分析需求后，會給出一個或者多個合適的司機師傅。用戶需要點擊“確認訂單”按鈕、或者輸入“確認”來鎖定司機，否則推薦的司機會在30秒后失效。

我輸入：“打車去X地，避開堵車，要便宜的方案”。小滴分析了十幾秒后直接推薦了出租車。

常打車的朋友都知道，這肯定不是便宜的方案。我趕緊輸入“我要便宜的”，沒想到小滴分析后，直接給我把訂單確認了。最后我只能立刻取消訂單，第一次嘗試小滴叫車失敗了！

第二次嘗試，我使用了相同的提示詞。

這次小滴成功推薦了兩個特惠師傅，第一個接駕8分鐘，第二個接駕5分鐘。我肯定選距離近的，輸入了“第二個”。結果小滴分析了一通后，給我鎖定了第一輛車...

此后的不斷嘗試中，盡管提示詞已經加上了“要最短的接駕距離”，但小滴再也沒有推薦過接駕時間小于10分鐘的車。

AI約車：沒到約定時間就叫了車

小滴還支持預約叫車，用戶只需在提示詞中寫上類似“我要預約 X 時間去Ｘ地點”的表述就行。

我給小滴下了一個預約20點20分叫車的任務。

沒想到，它在20點09分就用機器人電話通知我打好車了。好吧，AI用AI通知，還挺魔幻...

結果因為小滴打的太早了，再加上司機師傅只用4分鐘就到了上車點。為了避免上車點停車違章，我只好讓司機先點“乘客已上車”，繞一圈再回來。

雖然傳統模式約車，也會存在司機提前到達的情況，但我還是希望小滴能通過預估叫車時間、獲取接駕時長，再判斷什么時候開始叫車，以及根據接駕時長來選擇最合適的司機。

歷史訂單查詢：理解能力不足

小滴還能查詢用戶的歷史訂單，幫助找到用戶近期的打車記錄，花費情況等等。

按照時間去查歷史訂單，結果還挺精準

但是，我實測出它只能查到過去30天的訂單，更早之前的訂單無法查詢。

另外，小滴在這個場景里依然有點“傻”。

比如，我讓它查詢我去中關村的訂單，它只查出關鍵詞有“中關村創(chuàng)業(yè)大街”的單。同樣在中關村創(chuàng)業(yè)大街上的 AGI Bar，就沒有被它查詢到。

推薦附近：基本不能用來參考

小滴能根據需求來輸出指定地點附近的推薦結果，但目前只能給出純文字的答案，參考信息很少。

并且我發(fā)現，小滴給出的推薦結果似乎也不是很精準。比如，我讓它給我推薦朝陽大悅城附近的西餐，結果它推薦了永和大王、澳門味道、小大董等等。

另外，小滴還推薦了一個在國貿的餐廳，國貿距離朝陽大悅城大約需要20分鐘以上的車程。

路線規(guī)劃：我還是去用地圖吧

路線規(guī)劃其實是一款地圖類產品的核心功能，不過在小滴的首頁上，它也被當作一個推薦功能來展示。

我模擬了從當前位置前往大興機場的路線規(guī)劃，要求小滴推薦最佳的“打車+地鐵”組合方案。結果發(fā)現，小滴給出的兩個方案到達時間僅相差幾分鐘，其中一個甚至是純地鐵方案，完全不包含打車。

仔細分析小滴給出的“打車+地鐵”方案，我發(fā)現其實是不合理的。看上去是不用坐12號線了，但其實12號線本來也就只需要坐2站。有打車經驗的朋友可能知道，晚高峰時期，這種只有2站地鐵站長度的路線往往很難打到車。

目前仍處于 beta 版的小滴，經過實際測試，看起來還無法取代我們現有的打車方式。如果要談當前版本最需要優(yōu)化的方面，我認為主要有兩點：

1. 用戶操作的簡便性：

目前打車只需輸入終點、選擇車型即可完成。而使用對話式AI，則需要輸入較多文字。從操作步驟來看，文本對話形式可能并不是最佳交互形態(tài)。

1. 司機側的動態(tài)變化：

網約車是一個高度依賴動態(tài)供需平衡的場景，司機的實時位置和空閑狀態(tài)都在不斷變化。

如果通過小滴叫車，無論是小滴生成答案所需的推理時間，還是用戶與小滴的多輪對話過程，都可能造成匹配結果的變化。

距離小滴全面“取代”滴滴，顯然還有很長的路要走。