拼车在一线城市的逻辑是利用密度和算法不断提升上座率，让司机一单一单停不下来（连续感）。
在这个过程中，滴滴批发了司机的座位，司机接拼车的收益和接快车的收益没有太大差异，反而因为一单接着一单，收益可能还更多。
滴滴因此获得了更灵活的运力，但问题变成了如何用算法促成更多拼车订单。因为批发座位的成本是固定的，只要订单越多，滴滴的抽成也就越多。然而乘客对拼车存在价格预期，滴滴很难改变这个锚点，因此在匹配率比较差的情况下，拼车实际上是在赔本。
而乘客呢，拼车模式天然就筛选出了对时间不敏感，对价格更敏感的乘客。但所谓的不敏感也存在阈值，因此滴滴才可以通过调节上车地点（背后是车上乘客和等候乘客对时间的敏感度差异）来获得更高的匹配率。
问题到这里就很清楚了，滴滴对乘客所能提供的服务始终滑动在一个「时间-价格敏感度」的滑块上，而对司机的赋能则滑动在另一个「自主-收益渴望度」的滑块上。
但这一切都建立在一线城市的供需密度之上。
在三四线城市，滴滴很难通过算法召回更多的拼车订单。而在快车的战场上，滴滴也很难切入一个低客单价、高信息对称度的市场。
怎么破？
一种思路是找到客单价更高、信息更不对称的市场，跨城就是一个。
然而低密度带来的另一个问题是随机性的需求较少、稳定的需求更多，稳定的需求意味着平台很容易被跳过。当然这不是没有解决方案，比如为稳定的需求注入更多变动性，又比如通过预充、会员等手段长期占有需求。
还有一种思路。
先回到一线城市的案例，滴滴在一线城市的运转逻辑是:
- 利用供应密度补贴了乘客的成本（需求再紧急，给再多钱，周围没车也白搭）
- 利用需求密度补贴了滴滴的成本（给司机派又远又便宜的订单，滴滴赚啥）
你看，这是一个典型的跨边网络效应，密度越高、规模越大、网络价值越大。
而在三四线城市，支撑网络效应的密度不存在了，滴滴在乘客端只能从低时间敏感度下功夫，在司机端则需要撬动对收益更渴望的司机。顺着这个思路，也许有一些可以尝试的措施：
- 比如通过拉长需求的等待时间，汇聚更多需求（更大的车），以此撬动司机；
- 又比如通过流量变现（车身、车内广告/导流），补贴乘客，以此撬动司机；
- 还比如帮助司机获得更高的效率和收益（类似美团给店家卖第三方信息系统），并从中分润。
