校园直通车 · 售票量结构分析

数据源:travelmgr_3(我们平台自己的库,校园直通车业务线) | 业务标识 businessType = campusTravel | 导出时间 —

本页回答一个问题:校园直通车的票,是谁在卖、卖给了谁、卖得动卖不动?
按老板要的口径,全篇只分两级:一级服务商(merchants 表,库注释就是"服务商信息表")→ 二级商户(mchunit 表,库注释是"商户表",也就是各家下面的门店/校区主体)。
本页所有数字都只来自我们平台这一套库,不包含合作方或第三方渠道的平行数据,也不做没有数据支撑的推测。

一句话结论

—,校园直通车在我们平台上累计卖出 —单、—张票, 成交额 —,服务了 — 个真实买家; 盘子由 — 个一级服务商撑起来,其中 — 家订单过千。 但结构极不平均:前 5 家一级服务商就吃掉 — 的订单(前 10 家 —), 后面 16 家加起来不到 —。 更值得说的是:订单量榜和成交额榜几乎不是同一个榜—— — 订单第一,成交额只占 —; — 订单只排第 —,成交额却占到 —。 原因是校园业务里同时跑着两类生意:单价十几块的短途摆渡和单价一百多的长途班线, 两类的量纲根本不能直接比。所以本页把"售票量"拆成订单量、票数、成交额三个口径分别看,谁强谁弱一目了然。

一级服务商(卖票的甲方)
—
—
二级商户(真正挂货架的门店)
—
—
需求侧(搜索 → 下单)
—
—

一次搜索是怎么走到(或走不到)成交的

总搜索次数
—
—
→
其中搜不到班次
—
—
→
搜索后成功下单
—
—
=
搜了但没下单
—
—

1 · 结论清单 先看这 10 条

前 4 条是盘子和结构的事实,中间 3 条是二级商户层面的发现,后 3 条是需求侧、节奏与数据质量的问题。每条都标了数据出处。

2 · 盘子:校园直通车在我们平台有多大 量级

口径:orderinfo 中 businessType = campusTravel 的全部订单,不受"是否已支付"影响(月度图里会分开画)。

月度订单量与成交额

蓝柱=当月订单量(左轴);橙线=当月成交额(右轴,仅统计支付成功的订单)

怎么看:校园业务的节奏是跟着开学/放假走的,不是平滑增长。 2025 年 9 月开学季直接冲到 — 单,2026 年 4 月和 9 月又各来一波高峰。 淡季(2026 年 7 月)掉到 — 单,只有高峰的 —。

每月活跃的服务商与二级商户数

蓝线=当月出过单的一级服务商数;绿线=当月出过单的二级商户数(右轴)

怎么看:活跃服务商长期在 15–22 家之间,从没到过 26 家的满编—— 说明有相当一部分服务商是季节性上线(只在开学季排班),平时是空的。

3 · 核心:一级服务商 → 二级商户 的售票量拆解 老板要的这张

一级 = merchants(服务商),二级 = mchunit(商户/门店)。订单归属靠 orderinfo.MerchantNo 和 orderinfo.MchUnitId,两者在校园业务里都能 100% 对上主表。

一级服务商 · 订单量排行

按累计订单量降序,条长即订单量,右侧标注占总量的比例

怎么看:这是一条很长的尾巴——前 3 家(—)就占了 —, 而排在最后的 10 家加起来只有 —。校园业务的供给高度依赖少数几个大服务商。

每个一级服务商下面挂着几个二级商户

按订单量降序,标注该服务商旗下出过单的二级商户数与明细

怎么看:— 家服务商是“光杆司令”——下面只有 1 个二级商户,货架没有做细分。 真正把门店拆开的有 — 家(—)。 拆开的这几家里,新门店的产出并不低,主表里能看到每家的明细。

主表:一级服务商 → 二级商户 · 完整层级明细

灰底加粗行=一级服务商(老板签合作的那一层);缩进行=该服务商下的二级商户。两级都按订单量降序,表头和合计行滚动时固定。

怎么看:这是全篇的主表,一张表看完两级关系。 一级行的“占本级”=占平台全部的量;二级行的“占本级”=占它自己那个服务商的量—— 途雅校园下面是 4 个商户,主商户占 76%,另外 3 个是拆出去的新校区/新线路。 订单量、票数、成交额三个口径同时给出,因为同一家这三个数的排名经常不一样。

4 · 二级商户排行与集中度 谁在扛量

二级商户 = mchunit.UnitName,是真正在系统里挂班次、收钱的那一层。

二级商户 · 订单量排行

只列累计订单 ≥ 100 的商户,按订单量降序

怎么看:和一级榜的排序几乎一致,但有例外——金堂客运站拆出的两个商户都进了前排, 途雅校园 02 一家就顶掉了很多独立服务商。这说明"把门店拆出来单独运营"确实能做出量。

集中度(帕累托)

按订单量降序累加,橙线为累计占比

怎么看:前 5 家到 —,前 10 家到 —。 一个平台的校园业务如果 90% 的量压在 10 家身上,任何一家的排班波动都会直接打到总数—— 这是本页最重要的风险提示。

5 · 谁真正挣钱:成交额排行 口径差异

客单价=该服务商“支付成功”订单的成交额 ÷ 对应的票数。订单量第一和成交额第一经常不是同一家,对外报数必须先讲清用哪个口径。

成交额排行(谁真正挣钱)

按累计成交额降序,标注客单价与占总额比例

怎么看:换成成交额口径之后排名大洗牌: 红笙校园从订单第 5 升到成交额第 1,途雅校园、同乘易途都往上走; 而订单量第一的顺天交通掉到第 —。 底层原因是两类生意:短途校园摆渡客单价十几块(典型如顺天交通 ¥—)、 长途校园班线一百多块(典型如红笙校园 ¥—),量纲不一样, 拿订单量去评价一家长途服务商会严重低估它。

6 · 增长轨迹:谁在往上走,谁停摆了 趋势

按一级服务商拆月度订单量。只画订单量前 10 的服务商,其余归入“其他”。

头部服务商的月度订单走势

折线=各一级服务商当月订单量

怎么看:大部分服务商的曲线是同起同落的(跟着开学季节奏走), 但斜率差别很大。顺天交通是 2025 年 10 月才进来的新服务商,一年就做到了订单第一; 起点旅程在 2026 年 4 月、9 月两波高峰里冲得最猛。

服务商的生命周期:首次出单 / 最后一次出单

横轴=时间,每条=一个一级服务商,线段=该服务商有订单的区间

怎么看:右端点明显提前结束的(川藏出行、成兴运业、成都旅游集散中心、眉山直通车) 就是已经停摆的服务商——他们的商户还在系统里,但不再排班。 这些是可以直接去问"为什么不做了"的名单。

7 · 需求侧:搜索进来的人,卡在哪一步 漏斗

数据来自 line_search_log,只取归属校园服务商名下(MerchantNo 命中校园服务商集合)的搜索记录。用户按 openId 去重。

每月搜索量与"搜不到班次"的比例

蓝柱=当月搜索次数,红柱=其中无班次的次数,橙线=无班次率(右轴)

怎么看:需求侧一直是热的,搜索量长期在 10–95 万次/月。 但搜不到班次的比例高达 ——— 用户搜了一个校名或地名,系统告诉他"没有班次"。这不是没需求,是货架没接住。

各服务商的搜索转化率

蓝柱=搜索次数;橙线=搜索后成功下单比例(BuyTicketsResult = COMPLETED)

怎么看:同样的平台、同样的入口,各服务商的转化率差了近 7 倍: 顺天交通 —、起点旅程 —, 而途雅校园只有 —、同乘易途 —。 搜的人不少但不成交,问题出在班次够不够、价格合不合适,而不是没人搜。

搜索方向明细:用户搜什么,系统给了什么

累计搜索 ≥ 2,000 次的方向,按搜索量降序(前 60 条)

怎么看:"搜不到班次率"高的方向,就是可以直接去做宣传或补班次的靶子。 搜得多、成交少、缺班次多的方向,是最高优先级。

8 · 运营节奏:校园业务是"周末潮汐" 排班依据

发车日期与发车时刻取自班次表 travelinfo(订单通过 ProductId 关联班次,命中率 99.97%)。

一周里哪天人多

按班次发车日的星期几汇总订单量;红柱=高峰日(≥ 8 万单),蓝柱=平日,灰柱=最低日

怎么看:这是校园业务最鲜明的特征——周五、周日、周三是三个高峰 (对应放假回家、返校、周中返家),周一几乎没人,只有高峰日的 —。 排班如果一周七天平均分配,必然是一半的车在空跑。

一天里几点发车

按班次发车时刻的小时汇总订单量

怎么看:发车量在 7–8 点有一个压倒性的早高峰(占全天 —), 下午 12–16 点是第二波。这说明校园客群极度偏好早班车, 晚间班次(20 点后)几乎无人问津。

发车日期分布(日粒度)

每天的发车订单量,仅取实际有订单的日期

怎么看:尖峰全部落在开学季与节假日前后,形态是脉冲式的而不是常态化的。 服务的产能安排要按脉冲来配,不能按平均值配。

9 · 供给与核销:排了多少班,卖掉了多少 健康度

班次数与"允售票数"来自 travelinfo(仅取发车日 ≤ 今天的历史班次);核销来自订单的 CheckNumber 字段。

各服务商:排班数量 vs 实际售票

蓝柱=历史班次数(左轴);橙线=每班平均售票数(右轴)

怎么看:排班数量和产出完全不成比例。 途雅校园排了 — 个班次,每班平均只卖出 — 张票; 而红笙校园只排 — 班,每班卖出 — 张。 空排的班次是纯成本——这是最该动手清理的地方。

核销率:票卖出去了,人真的上车了吗

橙柱=该服务商支付成功票数,绿柱=其中已完成检票的票数,标签为核销率

怎么看:这里要分两种"0": 一是真的没回传核销数据(途雅、同乘易途、省汽成运、心成、绵阳、锦程等,核销数就是 0), 属于系统对接问题,不是运营问题; 二是核销率明显偏低的,才需要去查实际乘坐情况。 全平台的核销率为 —,这个数被第一种情况拉低了,看分服务商的柱子更准。

10 · 结论与建议 给谁看、怎么用

左边是"平台/我们"能自己做的,右边是需要服务商配合的。每条都对应上面某一节的数据。

我们(平台)可以自己做的

不需要服务商同意,改我们自己的系统或运营动作
  1. 把"搜不到班次"的方向拉出来做补班次清单———,直接发给对应服务商排班。
  2. 统一口径再谈量:以后对外汇报一律同时给"订单量 / 票数 / 成交额",避免用订单量去评价长途服务商。
  3. 把核销回传补齐:— 这些服务商核销数为 0,先确认是接口问题还是真的没检票。
  4. 清理空排班次:对每班平均售票数长期低于 1 张的服务商,推动缩减排班或合并班次。

需要和服务商一起做的

要对方配合,最好带着数据去谈
  1. 推广"拆二级商户"的做法:— 已经验证有效,建议推给还是"光杆司令"的 16 家。
  2. 追回已停摆的服务商:—,问清原因(价格、排班、结算还是别家平台)。
  3. 按"周末潮汐"重排班次:把周一的车挪到周五/周日/周三,同样车次能多载人。
  4. 激活注册未运营的商户:—,系统已经开好了,人没来。