{"id":20733,"date":"2022-03-18T09:55:19","date_gmt":"2022-03-18T06:55:19","guid":{"rendered":"https:\/\/quicklizard.wpenginepowered.com\/blog\/taxi-platform-case-study\/"},"modified":"2026-09-30T08:48:06","modified_gmt":"2026-09-30T05:48:06","slug":"fallstudie-zur-taxiplattform","status":"publish","type":"post","link":"https:\/\/quicklizard.com\/de\/blog\/taxi-platform-case-study\/","title":{"rendered":"Taxi-Plattform Fallstudie"},"content":{"rendered":"

Der Kunde<\/h2>\n<\/div>\n\n\n

Eine in Gro\u00dfbritannien ans\u00e4ssige Taxifirma, die Kunden mit Transportdiensten von einer Reihe von Taxifirmen versorgt. Kunden melden sich auf einer Website an oder nutzen die App der Firma, um ein Taxi zu bestellen. Die Firma ist ausschlie\u00dflich eine Plattform und besitzt oder betreibt keine Taxifahrzeuge.<\/p>\n\n\n

Die wichtigsten Herausforderungen<\/h2>\n<\/div>\n\n
\n
\n

Ein rein maklerischer Abschluss<\/p>

Die Preise f\u00fcr Taxis auf der Taxiportalplattform basieren auf zwei Elementen: den tats\u00e4chlichen Kosten der Taxifahrt und einer Provision. Das Taxiunternehmen erh\u00e4lt die Zahlung f\u00fcr die Taxifahrt, w\u00e4hrend die Einnahmen der Taxiportalplattform aus der Provision stammen. Wie bei Online-Reiseb\u00fcros und anderen Serviceplattformen handelt es sich um eine reine Margenbindung.<\/p>\n<\/div> <\/article>\n

\n

Das Ziel<\/p>

Die Taxiportalplattform arbeitet in einem \u00e4u\u00dferst wettbewerbsintensiven Markt, der die Provisionen senkt, da die verschiedenen Akteure darum k\u00e4mpfen, ihren Marktanteil zu halten und zu steigern. Die Taxiportalplattform wandte sich an Quicklizard, um die Gewinne zu maximieren und das richtige Provisionsniveau zu finden.<\/p>\n<\/div> <\/article>\n <\/div>\n<\/div>\n\n

Die QL-L\u00f6sung<\/h2>\n<\/div>\n\n
    \n
  1. \n

    Reale AI-Provisionen in Echtzeit<\/p>

    QL integrierte in die L\u00f6sung Echtzeit-KI-Elemente und entwarf eine umfassende dynamische Preisgestaltungsl\u00f6sung f\u00fcr die Taxiflotte. Die L\u00f6sung optimierte die Provision anhand einer Reihe von Nutzer- und Umweltfaktoren.<\/p>\n<\/div> <\/li>\n

  2. \n

    Analytik von Nachfrage und Nutzerverhalten<\/p>

    Die QL-Plattform analysierte die Auswirkungen der variierenden Nachfrage auf die Provisionen und verglich diese mit verschiedenen Verhaltensweisen der Nutzer, darunter die H\u00e4ufigkeit der Nutzung, vergleichende Preise und Conversion-Raten.<\/p>\n<\/div> <\/li>\n

  3. \n

    Empfehlungen auf Routenebene<\/p>

    Die Plattform analysierte au\u00dferdem aggregierte Routen, sodass sie Empfehlungen f\u00fcr Provisionen auf der Grundlage von Reisen von Stadt zu Stadt anstelle von einzelnen Routen von Adresse zu Adresse ableiten konnte.<\/p>\n<\/div> <\/li>\n <\/ol>\n<\/div>\n\n

    Das Ergebnis<\/h2>\n<\/div>\n\n