文章轉自蔚來APP，作者IDSudo Make
最近看到此刻的討論裡關於補能體系，特別是關於換電站的討論呈現越來越多且越來越激烈的趨勢，特別是看到蔚來官方也將在17號舉辦線上的面對面討論關於換電站的事宜。當我看見這個活動的時候名額已經爆滿了，可見眾多車友對於這件事情的關心程度。既然無緣線上面對面，那麼就還是先把我個人的觀點和相關的思考整理發出，希望能為討論活動盡一份綿薄之力。
看過最近此刻相關討論的文章，首先個人以偏概全地總結一下討論內容的基本矛盾。借用用馬克思在《政治經濟學批判》中抽象出的概念，最基礎的矛盾就是生產力和生產關係的矛盾、經濟基礎和上層建築的矛盾。特化到蔚來補能體系中的問題中，總結起來就是“車主朋友們日益增長的用電需求和蔚來補能體系不平衡不充分的發展之間的矛盾”（當然在這裡我沒有任何貶低蔚來補能體系的意思，相反我認為蔚來在目前現有資源和能力的基礎上做的已經很努力了，各位車友就先不急把我批判一番）
個人以為，最近能夠激發這樣的討論本身對蔚來來說既是一件好事，同時如何處理也是充滿挑戰的事情。能夠稱為好事主要考慮在於幾點：首先是蔚來銷售體系的成功，能夠看到越來越多的車主朋友們認同蔚來的技術發展戰略，認同產品和服務的理念和質量，真金白銀地購車支持蔚來體系的發展；其次，也說明蔚來“用戶公司”的核心發展理念初見成效，有越來越多的車友用戶加入發展戰略的討論，扁平化的渠道能讓決策層聽到來自一線用戶的真實聲音。當然，挑戰也是並存的，首先面對核心用戶的增長，如果服務資源無法滿足對等的增長，就勢必會造成服務質量的下滑；隨之而來的問題就是如何確保用戶的滿意度和口碑不會滑坡，同時也需要注意在決策時需要充分合理地聽取用戶的意見，不要被個別用戶的意見所綁架。蔚來產品、運營部門和決策層所扮演的角色應當是作為全局統籌規劃的決策者，在這個層面上考慮問題最重要的特性是要努力做到系統最優化設計，避免出現限於局部最優解的困境。
更進一步地闡釋，當前補能體系發展面臨的基本矛盾可以使用最優化算法中經典的排隊論來解釋。排隊論是一套數學理論與模型，通過不同的模型衍生，該理論力圖模擬各種常見的隊列等待模型。該理論常見的評價指標通常包括：平均等待時間，平均隊列顧客數量，平均客戶滿意度、開設新服務站點的經濟有效性等等。一個經過充分優化的規則應當充分優化所有評價指標而非其中單一指標，也就是上文中提到的局部最優解。
基於這套理論基礎，我們可以在換電站的排隊優化過程中進行實際應用。在早期的換電體驗中，因為用戶不知道當前正在等待換電的人數，無法預估換電等待的時間，進而無法避免用戶換電需求的集中。在經過用戶反饋後（我也反饋過此問題），蔚來官方的反饋也很迅速，在APP 3.10.4版本中增加了換電站正在換電的排隊信息。在此基礎上，用戶可以自行選擇換電低谷時間前往換電，並能夠在系統端維持隊列秩序，在一定程度上緩解了換電高峰帶來的服務體驗下降的情況。
在這個思路的基礎上，可以進一步對換電的排隊規則進行優化，這也是17號討論的一個重點話題，那麼下面就此話題發表一下個人看法。
從事軟件開發或算法設計相關工作的朋友們可能比較熟悉一種數據結構——隊列。隊列的概念比較好理解，隊列是一種用於存儲數據的數據結構，在這個應用場景中，隊列可以代表從序列的開始按照時間順序等待換電服務的車主，隊列是一種具有先到先得（FIFO,First In First Out）屬性的數據結構，在實際應用中代表著換電站不支持預約，人人平等，誰先到達換電站誰先享受換電服務。
雖然這樣的方式看起來很公平，但是卻往往無法達到整體系統的最大化運轉效率（比如很多車主都會到換電站無謂地等待排隊）。但是如果在此基礎上引入“優先隊列”的概念，就可以有針對性地進行系統優化。優先隊列也是一種隊列，只不過不同的是，優先隊列的出隊順序是按照優先級進行的，每一個隊列中的元素都對應一個優先級屬性。只要確定出合理的算法給每一個元素（對應每一位車主）賦予合理的優先級即可完成對於換電的排隊規則的優化。
個人認為，有以下幾種方法可以作為確定隊列優先級的算法：
1.基於規則（Rule Based）的排隊算法；
2.基於機器學習（Machine Learning）的排隊算法；
3.基於競價排名（Bidding Rank）的排隊算法；
以下分別討論三者的異同和優缺點。這裡先強調一下，每種方法都可以在保留免費換電這個大原則不變的情況下完成對於換電的優化！！
一、 基於規則（Rule Based）的排隊算法
蔚來根據規則設定換電的優先級進行排隊，先到先得可以被視為最基礎的一種排隊規則，此外，還可以設定更多高級規則進行排隊優化，個人覺得比較合理的方案案例列舉如下：
A.購買能量無憂的用戶優先換電/一鍵加電服務優先換電；（付費用戶優先）
B.長途/異地車輛優先換電；（剛需用戶優先）
C.平均里程換電次數少的車主優先換電；（資源平均分配）
D.NIO值高的車主優先換電；（對應生態貢獻）
……
基於規則的排隊算法優點在於規則明確，一經發布可以做到有明確依據可查；缺點在於並不一定每位車主都認同或者滿意相應的規則，並且一旦規則確定，可能會有少部分人會想方設法鑽規則的漏洞；
二、基於機器學習（Machine Learning）的排隊算法
蔚來作為國產智能網聯汽車的先驅和代表，一大核心優勢就是掌握車輛和車主的大量數據，可以應用更高級的方法進行車輛補能資源的調度（例如蔚來雲服務調度加電服務）。換電服務作為補能體系的一個分項，自然也可以使用基於機器學習的方式規劃出合理的換電優先級出來。這種方法的優勢在於：系統可以綜合大數據計算出整體代價最小（eg. 平均等待時間，平均隊列顧客數量最小）的排隊方式，並且可以通過積累數據、調整算法參數的方法不斷進行優化，擁有良好的自適應性；缺點在於整體方案系統複雜度較高，並且機器學習的規則對於用戶來說可能是一個“黑箱”過程，不理解的車主可能會產生誤解，不能服眾；
三、基於競價排名（Bidding Rank）的排隊算法
此種算法藉助於互聯網公司常用的競價排名算法，即在免費換電的基礎上，每位車主可以自願附加一項服務費的方式進行競價排名，出價高者獲得更高的優先權。
此種算法可以視為一種特化的基於規則的排隊算法，但是在此特意獨立提出，主要原因是個人最認同此算法，並且會詳細分析原因。
現代經濟學認為，由市場自由決定商品的價值是最有效率的方式。針對換電這項服務也是如此。在現實生活中，不幸的是每個個體針對自身時間價值的評價體系是不同的，對於由服務產生的時間的節省和便利程度的評價也是不同的。那麼評價一項服務真實價值的最好方式莫過於由用戶自己自發地對這項服務進行打分（競價）。
亞當·斯密在經典經濟學開山之作《國富論》中提出的"無形之手"既是代指市場的自我調節能力和價格機制。
蔚來提供的“換電服務”究其本質還是一種為了方便車主提供的服務，為了推廣蔚來車輛的銷售給出了“免費”的價格，初期用戶也是充分享受到了免費的福利。然而作為一家企業的立足之本，首先要保證生存，其後才是可持續的發展模式。蔚來可以將先期進行免費的投入作為市場營銷費用，但是後期一定要通過某種形式盈利收回（或證明可收回）。
參與或瞭解過創業（特別是垂直髮展的行業，從零到一）的朋友們可能都知道，創業的本質其實並不複雜：提出一種創新的商業模式，然後通過實際商業數據驗證商業模式閉環，創業就成功了一半。（至少融資層面故事就已經講通了）。蔚來能源這種通過“免費”獲客，然後考慮留存變現的戰略，實際上是一種標準的互聯網公司打法。記得@沈斐 沈博士在免費換電策略公佈的初期交流溝通時也提到，其實在每一筆“免費換電”訂單的背後，都有一筆“虛擬訂單”記錄著交易數據，什麼時候虛擬訂單能夠產生合理的商業回報時，整體的換電業務也就完成了商業模式的閉環驗證。
個人認為，基於競價排名的換電排隊策略是最佳的驗證商業模式的契機，如果排隊用戶自發地繳納服務費超過了每筆換電訂單的成本，那麼可以說是宣告了蔚來換電模式的成功。100% 真實數據，相較於某些中概股企業數據造假，不知高到哪裡去了。
另外，再次強調這種基於競價排名的換電排隊策略與免費換電的策略並不矛盾，希望得到免費換電的用戶，可以等到換電資源的低谷期，或是前往換電資源不很緊張的站點享用，在客觀上形成了動態負載均衡的效果。
再舉例證明一下基於競價排名的換電排隊策略的合理性。類似國家電網這樣家大業大的公司一樣採取“峰谷電價”的方式進行負載均衡，只不過目前通常採用的是基於規則的電價策略，今後隨著智能電網的技術發展，有望實現動態電價調整策略。另外，可能隨著基於競價排名的換電排隊策略實施，會有部分用戶轉向其他的補能形式，但這也恰恰在現階段蔚來資源有限無法充分滿足每一位用戶免費和及時換電的條件下資源優化平衡的最優解。
最後，再談一下個人關於體系最優化的見解，個人認為蔚來能源體系最優化的核心原則在於
“讓真正最急需的人優先滿足需求，同時發揮換電體系最高運營效率，讓最廣大的車主享受蔚來換電服務的收益。”
一直以來認為蔚來換電體系的設計理念最大的優勢不在於免費換電可以薅的一點羊毛，而是在於真正實現了“可充可換可升級”的全套補能體系。並且廣大車友朋友們需要理解，只有蔚來完成商業模式閉環驗證，有能力長久地可持續經營，才是對於用戶最大地負責任。所以在文章的結尾還是預祝一下蔚來能夠通過合理的商業手段，讓“無形之手”優化補能體系效率，儘早實現補能體系的正向現金流，無論後期進行獨立拆分資本運作，還是成長為持續為蔚來體系輸血的“現金奶牛”，都是件好事情。
文章思路僅供參考，時間緊寫得比較倉促，不周之處請各位大佬諒解。
