文章转自蔚来APP，作者IDSudo Make
最近看到此刻的讨论里关于补能体系，特别是关于换电站的讨论呈现越来越多且越来越激烈的趋势，特别是看到蔚来官方也将在17号举办线上的面对面讨论关于换电站的事宜。当我看见这个活动的时候名额已经爆满了，可见众多车友对于这件事情的关心程度。既然无缘线上面对面，那么就还是先把我个人的观点和相关的思考整理发出，希望能为讨论活动尽一份绵薄之力。
看过最近此刻相关讨论的文章，首先个人以偏概全地总结一下讨论内容的基本矛盾。借用用马克思在《政治经济学批判》中抽象出的概念，最基础的矛盾就是生产力和生产关系的矛盾、经济基础和上层建筑的矛盾。特化到蔚来补能体系中的问题中，总结起来就是“车主朋友们日益增长的用电需求和蔚来补能体系不平衡不充分的发展之间的矛盾”（当然在这里我没有任何贬低蔚来补能体系的意思，相反我认为蔚来在目前现有资源和能力的基础上做的已经很努力了，各位车友就先不急把我批判一番）
个人以为，最近能够激发这样的讨论本身对蔚来来说既是一件好事，同时如何处理也是充满挑战的事情。能够称为好事主要考虑在于几点：首先是蔚来销售体系的成功，能够看到越来越多的车主朋友们认同蔚来的技术发展战略，认同产品和服务的理念和质量，真金白银地购车支持蔚来体系的发展；其次，也说明蔚来“用户公司”的核心发展理念初见成效，有越来越多的车友用户加入发展战略的讨论，扁平化的渠道能让决策层听到来自一线用户的真实声音。当然，挑战也是并存的，首先面对核心用户的增长，如果服务资源无法满足对等的增长，就势必会造成服务质量的下滑；随之而来的问题就是如何确保用户的满意度和口碑不会滑坡，同时也需要注意在决策时需要充分合理地听取用户的意见，不要被个别用户的意见所绑架。蔚来产品、运营部门和决策层所扮演的角色应当是作为全局统筹规划的决策者，在这个层面上考虑问题最重要的特性是要努力做到系统最优化设计，避免出现限于局部最优解的困境。
更进一步地阐释，当前补能体系发展面临的基本矛盾可以使用最优化算法中经典的排队论来解释。排队论是一套数学理论与模型，通过不同的模型衍生，该理论力图模拟各种常见的队列等待模型。该理论常见的评价指标通常包括：平均等待时间，平均队列顾客数量，平均客户满意度、开设新服务站点的经济有效性等等。一个经过充分优化的规则应当充分优化所有评价指标而非其中单一指标，也就是上文中提到的局部最优解。
基于这套理论基础，我们可以在换电站的排队优化过程中进行实际应用。在早期的换电体验中，因为用户不知道当前正在等待换电的人数，无法预估换电等待的时间，进而无法避免用户换电需求的集中。在经过用户反馈后（我也反馈过此问题），蔚来官方的反馈也很迅速，在APP 3.10.4版本中增加了换电站正在换电的排队信息。在此基础上，用户可以自行选择换电低谷时间前往换电，并能够在系统端维持队列秩序，在一定程度上缓解了换电高峰带来的服务体验下降的情况。
在这个思路的基础上，可以进一步对换电的排队规则进行优化，这也是17号讨论的一个重点话题，那么下面就此话题发表一下个人看法。
从事软件开发或算法设计相关工作的朋友们可能比较熟悉一种数据结构——队列。队列的概念比较好理解，队列是一种用于存储数据的数据结构，在这个应用场景中，队列可以代表从序列的开始按照时间顺序等待换电服务的车主，队列是一种具有先到先得（FIFO,First In First Out）属性的数据结构，在实际应用中代表着换电站不支持预约，人人平等，谁先到达换电站谁先享受换电服务。
虽然这样的方式看起来很公平，但是却往往无法达到整体系统的最大化运转效率（比如很多车主都会到换电站无谓地等待排队）。但是如果在此基础上引入“优先队列”的概念，就可以有针对性地进行系统优化。优先队列也是一种队列，只不过不同的是，优先队列的出队顺序是按照优先级进行的，每一个队列中的元素都对应一个优先级属性。只要确定出合理的算法给每一个元素（对应每一位车主）赋予合理的优先级即可完成对于换电的排队规则的优化。
个人认为，有以下几种方法可以作为确定队列优先级的算法：
1.基于规则（Rule Based）的排队算法；
2.基于机器学习（Machine Learning）的排队算法；
3.基于竞价排名（Bidding Rank）的排队算法；
以下分别讨论三者的异同和优缺点。这里先强调一下，每种方法都可以在保留免费换电这个大原则不变的情况下完成对于换电的优化！！
一、 基于规则（Rule Based）的排队算法
蔚来根据规则设定换电的优先级进行排队，先到先得可以被视为最基础的一种排队规则，此外，还可以设定更多高级规则进行排队优化，个人觉得比较合理的方案案例列举如下：
A.购买能量无忧的用户优先换电/一键加电服务优先换电；（付费用户优先）
B.长途/异地车辆优先换电；（刚需用户优先）
C.平均里程换电次数少的车主优先换电；（资源平均分配）
D.NIO值高的车主优先换电；（对应生态贡献）
……
基于规则的排队算法优点在于规则明确，一经发布可以做到有明确依据可查；缺点在于并不一定每位车主都认同或者满意相应的规则，并且一旦规则确定，可能会有少部分人会想方设法钻规则的漏洞；
二、基于机器学习（Machine Learning）的排队算法
蔚来作为国产智能网联汽车的先驱和代表，一大核心优势就是掌握车辆和车主的大量数据，可以应用更高级的方法进行车辆补能资源的调度（例如蔚来云服务调度加电服务）。换电服务作为补能体系的一个分项，自然也可以使用基于机器学习的方式规划出合理的换电优先级出来。这种方法的优势在于：系统可以综合大数据计算出整体代价最小（eg. 平均等待时间，平均队列顾客数量最小）的排队方式，并且可以通过积累数据、调整算法参数的方法不断进行优化，拥有良好的自适应性；缺点在于整体方案系统复杂度较高，并且机器学习的规则对于用户来说可能是一个“黑箱”过程，不理解的车主可能会产生误解，不能服众；
三、基于竞价排名（Bidding Rank）的排队算法
此种算法借助于互联网公司常用的竞价排名算法，即在免费换电的基础上，每位车主可以自愿附加一项服务费的方式进行竞价排名，出价高者获得更高的优先权。
此种算法可以视为一种特化的基于规则的排队算法，但是在此特意独立提出，主要原因是个人最认同此算法，并且会详细分析原因。
现代经济学认为，由市场自由决定商品的价值是最有效率的方式。针对换电这项服务也是如此。在现实生活中，不幸的是每个个体针对自身时间价值的评价体系是不同的，对于由服务产生的时间的节省和便利程度的评价也是不同的。那么评价一项服务真实价值的最好方式莫过于由用户自己自发地对这项服务进行打分（竞价）。
亚当·斯密在经典经济学开山之作《国富论》中提出的"无形之手"既是代指市场的自我调节能力和价格机制。
蔚来提供的“换电服务”究其本质还是一种为了方便车主提供的服务，为了推广蔚来车辆的销售给出了“免费”的价格，初期用户也是充分享受到了免费的福利。然而作为一家企业的立足之本，首先要保证生存，其后才是可持续的发展模式。蔚来可以将先期进行免费的投入作为市场营销费用，但是后期一定要通过某种形式盈利收回（或证明可收回）。
参与或了解过创业（特别是垂直发展的行业，从零到一）的朋友们可能都知道，创业的本质其实并不复杂：提出一种创新的商业模式，然后通过实际商业数据验证商业模式闭环，创业就成功了一半。（至少融资层面故事就已经讲通了）。蔚来能源这种通过“免费”获客，然后考虑留存变现的战略，实际上是一种标准的互联网公司打法。记得@沈斐 沈博士在免费换电策略公布的初期交流沟通时也提到，其实在每一笔“免费换电”订单的背后，都有一笔“虚拟订单”记录着交易数据，什么时候虚拟订单能够产生合理的商业回报时，整体的换电业务也就完成了商业模式的闭环验证。
个人认为，基于竞价排名的换电排队策略是最佳的验证商业模式的契机，如果排队用户自发地缴纳服务费超过了每笔换电订单的成本，那么可以说是宣告了蔚来换电模式的成功。100% 真实数据，相较于某些中概股企业数据造假，不知高到哪里去了。
另外，再次强调这种基于竞价排名的换电排队策略与免费换电的策略并不矛盾，希望得到免费换电的用户，可以等到换电资源的低谷期，或是前往换电资源不很紧张的站点享用，在客观上形成了动态负载均衡的效果。
再举例证明一下基于竞价排名的换电排队策略的合理性。类似国家电网这样家大业大的公司一样采取“峰谷电价”的方式进行负载均衡，只不过目前通常采用的是基于规则的电价策略，今后随着智能电网的技术发展，有望实现动态电价调整策略。另外，可能随着基于竞价排名的换电排队策略实施，会有部分用户转向其他的补能形式，但这也恰恰在现阶段蔚来资源有限无法充分满足每一位用户免费和及时换电的条件下资源优化平衡的最优解。
最后，再谈一下个人关于体系最优化的见解，个人认为蔚来能源体系最优化的核心原则在于
“让真正最急需的人优先满足需求，同时发挥换电体系最高运营效率，让最广大的车主享受蔚来换电服务的收益。”
一直以来认为蔚来换电体系的设计理念最大的优势不在于免费换电可以薅的一点羊毛，而是在于真正实现了“可充可换可升级”的全套补能体系。并且广大车友朋友们需要理解，只有蔚来完成商业模式闭环验证，有能力长久地可持续经营，才是对于用户最大地负责任。所以在文章的结尾还是预祝一下蔚来能够通过合理的商业手段，让“无形之手”优化补能体系效率，尽早实现补能体系的正向现金流，无论后期进行独立拆分资本运作，还是成长为持续为蔚来体系输血的“现金奶牛”，都是件好事情。
文章思路仅供参考，时间紧写得比较仓促，不周之处请各位大佬谅解。
