2026-06-18 — views

Physical AI 乘客体验 — Waymo NPS、复乘率与自动驾驶满意度曲线

Waymo NPS 逾 70，乘客在第 4–7 次乘车后完成焦虑正常化。满意度指标是 AV 商业加速的领先指标。

Physical AI 基准系列第 117 篇 — Physical AI 乘客体验：Waymo NPS、复乘率、无人驾驶乘车心理，以及为何客户满意度是 AV 商业扩张的领先指标

所有单位经济、HD 地图、传感器与监管批准，最终都只有在乘客愿意使用并持续回头的前提下才真正重要。乘客满意度数据——净推荐值（NPS）、复乘率、安全感知度和支付意愿——是自动驾驶车辆服务能否达到商业可行性所需乘车量的领先指标。单位经济随规模改善，规模需要乘客，乘客在满意后才会回头。因果链条从满意度延伸到留存率、到乘车量、到经济效益、到盈利，而非反向。

Waymo One 是 2026 年中期唯一以有意义规模运营的全无人驾驶商业 AV 服务，这使得 Waymo 的乘客体验数据具有独特重要性。该公司已披露 NPS 超过 70、高评分的质性证据，以及显示首次乘车焦虑在数次乘车内正常化为习惯偏好的轶事模式。特斯拉奥斯汀监督式发布增加了第二个数据点，不过安全监督员的存在使纯无人驾驶心理测试趋于复杂。本文将客户体验作为 Physical AI 基准维度，分五个分析节段进行梳理。

第一节 — 哪些乘客体验指标对 AV 扩张至关重要

AV 行业借用了共乘平台的客户体验衡量框架，但在新技术类别的背景下，各指标的权重有所不同。Uber 司机 4.9 颗星评分代表执行质量；Waymo 的 4.9 颗星评分则传递更深层的信息——乘客足够信任自动驾驶系统完成了行程，并对结果感到满意。情感负载不同，意味着各指标预测的事项也不同。

指标	重要性	衡量方式	扩张意涵
净推荐值（NPS）	NPS = 推荐者比例减去贬低者比例；分数超过 50 表示强劲的口碑增长潜力	乘车后调查（0–10 分：9–10 为推荐者，0–6 为贬低者）	高 NPS 意味着有机增长；低 NPS 需要昂贵的营销来弥补流失
复乘率	30 天内再次乘车的乘客比例；是真实产品市场契合度的最强信号	乘客账户的世代分析	低复乘率（30% 以下）= 只是新奇需求；高复乘率（60% 以上）= 习惯性使用取代 Uber/Lyft
安全感知分数	乘客在乘车时的主观安全感（1–10），有别于客观安全统计数据	乘车后调查	恐惧/不适感限制了可触及市场规模；即使技术上安全的系统，若乘客感到不安全也无法商业成功
支付意愿（WTP）溢价	愿意支付超过 Uber/Lyft 费用的乘客比例；揭示新奇感以外的价值主张	价格敏感度调查 / 定价实验的显示性偏好	WTP 溢价超过 0% 表示 AV 具有价值主张；超过 20% 代表可防御的定价策略
等待时间接受度	乘客在改用 Uber/Lyft 之前愿意接受的最长等待时间	调查加行为数据（N 分钟时的取消率）	车队密度决定等待时间；乘客等待容忍度决定最低所需车队密度
乘车评分	乘车后的星级评分（1–5）；整体满意度的综合指标	标准共乘评分界面	平均低于 4.5 颗星表示系统性问题；高于 4.8 颗星足以与最佳 Uber/Lyft 司机竞争

复乘率值得作为最重要的单一指标特别强调。首次试乘可能受到新奇感、同伴压力或社交媒体好奇心的驱动——这些都无法预测长期需求。30 天内再次乘车的乘客是做出了有意识的回头选择。第五次乘车的乘客正在建立行为模式。习惯性用户产生可预测的收入、播下口碑的种子，并创造使车队优化成为可能的乘车密度。扩张建立在习惯性用户而非首次尝试者身上。

第二节 — Waymo 乘客满意度数据（已披露及估计值）

Waymo 对乘客满意度指标选择性地保持透明，披露了 NPS 和质性满意度指标，同时保留了具体复乘率和详细调查数据。可用数据，加上从已披露乘车量和车队规模推断的信息，描绘出一幅整体积极的图景——尽管数据缺口相当大，完整故事尚不可见。

数据点	数值	来源 / 信心度
Waymo NPS（已报告）	超过 70（在 Waymo 博客文章和媒体报道中已报告）	Waymo 在多种场合公开引用 NPS 超过 70；超过 70 属世界级水准（苹果约 72，特斯拉巅峰期约 96）
复乘率	未披露；从增长的乘车量推断习惯性使用	每周 15 万次以上乘车加上约 70 万名注册用户，暗示习惯性使用（估计值）
乘客评分	Waymo 称乘客给予 5 颗星评分的比例很高；具体数字未公开披露	质性披露；确切数字未公开
安全感知	Waymo 调查显示乘客在数次乘车后感觉比坐人类司机车辆更安全（已报告）	首次乘车会引发焦虑；到第三次乘车时，许多乘客更偏好无人驾驶（轶事报告）
支付意愿	Waymo One 定价与 Uber Black（高端层）相当；乘客接受此定价	显示性偏好：在 Uber Black 定价水准上的持续需求 = 对品质溢价的支付意愿
等待时间	旧金山：地围内约 5–8 分钟（估计值）；凤凰城：非高峰期可能更快（估计值）	地围内的车队密度决定等待时间；Waymo 未披露平均预计到达时间
口碑驱动因素	首次乘车后的社交媒体分享是已记录的模式；“第一次坐 Waymo”是观看次数达数百万次的社交媒体类型（估计值）	有机营销价值显著；新奇感驱动初次试用

NPS 超过 70 的数据是最重要的已披露数据点。作为对照：NPS 分数具有行业相对性，交通服务的得分通常低于科技产品。业界研究估计 Uber 的 NPS 历史上在 30–50 范围内。交通背景下的 NPS 超过 70 表明 Waymo 乘客不仅仅是满意——他们是热情的倡导者。在 NPS 70 的情况下，平均每位乘客会向两名以上的人介绍他们的体验，这意味着 Waymo 的有机营销功能在大多数交通服务无需大量付费获客支出就能达到的水准上运作。

第三节 — 无人驾驶乘车心理曲线

AV 乘客体验质性研究中最一致的发现是，焦虑遵循可预测的正常化曲线。首次乘车时感到焦虑的乘客，在第三或第四次乘车时变得习惯，而习惯性用户往往表示相比人类驾驶的替代方案，他们更偏好无人驾驶体验。这一曲线对扩张具有重要意涵：首次乘车体验的重要性被大大高估，首次乘客留存为第二次、第三次乘车决定了习惯转换率，而通常被引用为采用障碍的”AV 焦虑”很大程度上是短暂的首次乘车现象，而非对无人驾驶车辆持久的偏好抵制。

乘车次数	典型乘客情感弧线	行为信号
第 1 次	高度焦虑；持续观察方向盘；频繁查看应用程序/屏幕；安全到达时感到宽慰	舒适度分数低；高度关注技术显示
第 2–3 次	焦虑减轻；开始信任系统；注意到车辆驾驶保守且平稳	舒适度分数上升；白指节行为减少
第 4–6 次	体验正常化；开始放松、使用手机、像乘客一样向窗外张望	乘客开始表现得像正常后座乘客
第 7 次及以后	完全正常化；乘客偏好无司机互动、整洁、一致的行为、没有尴尬对话	习惯性偏好转变：“我宁愿坐 Waymo 也不坐 Uber”
商业意涵	度过 1–3 次乘车焦虑阶段的乘客更可能成为习惯性用户	首次乘车体验是最关键的 UX 时刻；Waymo 平稳、保守的驾驶风格为此曲线优化
特斯拉 Robotaxi 差异	奥斯汀监督式发布包含安全监督员；人类的存在使纯无人驾驶心理测试略显复杂	特斯拉移除安全监督员后，真正的无人驾驶心理曲线才会浮现

Waymo 的运营驾驶风格——保守、平稳、可预测——似乎针对此心理曲线进行了校准。车辆很少以激进加速或急刹车让乘客感到意外。这种保守主义偶尔表现为次优的驾驶行为，但从乘客满意度角度来看，这是正确的设计选择：从未体验过惊吓时刻的乘客，比体验过一次激烈刹车的乘客更有可能进行第二次乘车。

第四节 — Waymo 与 Uber/Lyft 体验比较

AV 的价值主张并非简单的”相同乘车，无司机”。体验在多个维度上与共乘不同，使 AV 对某些乘客群体具有优势，对其他群体则处于劣势。理解优势/劣势地图的维度分解，对于预测哪些乘客群体将转化为习惯性 AV 用户、哪些将继续选择人类驾驶替代方案，具有重要意义。

体验维度	Waymo One	Uber/Lyft（典型）	AV 优势 / 劣势
一致性	每次乘车体验相同——相同的车辆行为、清洁标准、预设静音	因司机而异；质量不可预测	AV 优势：一致性是 NPS 的强力驱动因素
隐私性	无司机 = 无社交互动、无被监视感、完全的车厢内隐私	司机在场；部分乘客感到被监视	AV 优势：偏好隐私的乘客强烈偏好 AV
安全感（主观）	无分心司机；无路怒症；无司机疲劳	司机质量差异极大	正常化后 AV 具优势；首次乘车（焦虑）时处于劣势
路线控制	AV 遵循最优路线；司机无法操纵	部分乘客不信任司机的路线选择	AV 在路线透明度方面具优势
沟通	仅限应用程序；出现问题时无人类司机可沟通	可向司机寻求帮助（空调、音乐、停车）	AV 劣势：有特殊需求（医疗、无障碍）的乘客可能感到支持不足
无障碍性	Waymo 车队中有轮椅无障碍车辆（改装版捷豹 I-PACE）	各异；Uber WAV 选项存在但供应有限	相当；Waymo 已主动处理
小费文化	无小费（无司机可付小费）	小费提示增加摩擦和社交压力	AV 优势：不喜欢小费的乘客偏好 AV
车厢体验	车辆整洁；品牌化内饰；Waymo 应用程序集成	因司机的车况而异	AV 在清洁/品牌标准方面具优势

一致性维度可能是被最低估的 AV NPS 驱动因素。人类驾驶共乘中低 NPS 的主要来源是司机质量的差异。Waymo 完全消除了这种差异。每次 Waymo 乘车都提供相同的驾驶风格、相同的车辆状况、相同的车厢清洁度、相同的预设静音、相同的温度范围。对于体验过共乘司机质量极端情况的乘客而言，AV 的可预测性本身就具有内在价值。

第五节 — 为何乘客满意度预测扩张速度

乘客满意度指标与商业扩张速度之间的联系比表面上更为直接。满意度驱动留存率；留存率驱动乘车量；乘车量驱动单位经济；单位经济驱动车队扩张投资；车队扩张改善覆盖范围和等待时间；覆盖范围和等待时间驱动试用转化。这条链条上的每个环节都源于满意度，这使得 NPS 和复乘率成为商业成功的领先指标，而非滞后衡量标准。

机制	运作方式	扩张意涵
NPS 驱动有机增长	NPS 70 以上意味着平均每位乘客向 2 人以上介绍其体验；每个世代为下一个播种	在 NPS 70 的情况下，Waymo 只需最少的付费营销——口碑驱动试用
复乘率驱动收入可预测性	每月乘车 3 次以上的乘客每月产生约 35–45 美元收入（估计值，按平均每次 12 美元计）；10 万名习惯性乘客 = 每月 350 万–450 万美元的月经常性收入（估计值）	可预测的月经常性收入使车队扩张投资决策成为可能
安全感知驱动监管	监管机构对 AV 批准的接受度与公众接受度相关联；高 NPS 为扩张许可创造政治环境	乘客热爱 Waymo 的城市，更有可能批准扩张和竞争对手进入
价格敏感度驱动利润率	强烈偏好 AV 的乘客（高 NPS）表现出较低的价格敏感度；使 Waymo 能够以质量而非成本匹配的方式在 Uber/Lyft 以上定价	定价能力 = 无需单位经济革命的更快盈利路径
扩张公式	高 NPS × 高复乘率 × 不断增长的车队 = 复利式乘车量增长	这就是为何 2026 年中期每周 15 万次，若乘客满意度保持不变，到 2027 年底可能变为每周 50 万次（估计值）

监管反馈回路值得特别关注。AV 扩张许可在很大程度上是政治过程，而政治过程回应选民情绪。乘客热爱 Waymo 的城市——他们发布”第一次坐 Waymo”视频、向朋友推荐服务、在社区活动中谈论它——为市政官员批准扩大运营区域和竞争对手进入创造了政治环境。NPS 不仅仅是客户满意度指标；它是监管资产。高满意度创造了使地理扩张成为可能的社会许可。

注意： 所有标记为”（估计值）“的数据均源自截至 2026 年中期的公开可用信息、工程估算和行业报告。Waymo 未公开披露详细的乘客满意度细分数据，超出其公开沟通中引用的 NPS 数字；估算和推断均为方向性判断。本文不构成投资建议。