编辑导语：交易是买卖双方对有价物品及服务进行互通有无的行为，它可以是以货币为交易媒介的一种过程，也可以是以物易物；如今随着互联网的发展，交易平台也不断发展，交易的多种形式也在发展当中；本文作者分享了关于交易的定义是什么，我们一起来看一下。
鲁迅说：研究交易是世界上最有意思的事情，懂了交易，智商情商都会提高.%，烦恼也会消失%。
但问题来了，什么是交易，鲁迅没有说，今天笔者告诉你。
交易平台的核心是达成交易，交易平台为何能存在？
因为交易平台可以提高交易效率，降低交易成本，最终促成交易。
交易的定义是什么？有支付行为就算达成交易吗？
借用一位老师对交易的定义：一手交钱，一手交货，完成价值的交换。
一手交钱：货币支付是价值交换的媒介，钱是工具。
一手交货：卖方收到钱，买方拿到货，钱货两清。
从这里可以看出交易是一种互惠行为，让双方都收获了更大的价值。
要想达成价值的交换，前提需要交易双方对商品价值的衡量达成一致，即价值的确定性。
所以交易的重心在于从线下到线上，均围绕价值的确定性交换而展开。
线上涉及到的环节流程多，空间大。线上把信息流资金流物流，从时间和空间上都割裂开了。
割裂，意味着每一个环节都要有东西来保证价值的确定性，以完成目标。
为了更好达成价值的确定性，大部分交易平台都经历了：商品标准化，信息标准化，定价标准化，服务标准化，支付标准化，物流标准化。
简而言之，交易流程=消费（消费场景+商品信息+支付）&供应（商家渠道+商品供应链+物流）。
在过程中达成价值的交换，即交易。
凡是交易，必有博弈，凡有博弈，必有成本。
成本分为两part：用户的成本和平台的成本。
用户的有限理性会追求个人成本最低，平台会更看利润即投入产出比。
用户的成本按照决策流程：产生兴趣（搜寻成本）-收集信息（鉴别信息成本）-评估价值（比较成本）-做出决策（议价成本，决策成本，支付成本）-执行履约成本（时间成本、精力成本）
平台的成本按交易流程（部分参考自少楠老师）：
首先需要保证需求（买家）和供给（商家）一定数量的业务成本（业务团队业务成本和人力成本）。
尤其是保证供给的增长，之前一篇文章也聊过供给有多么重要，从数据结果看，供给可以驱动需求。
其次在于供给与需求如何有效匹配，即订单如何分发产生的研发成本与业务成本。
种类越多（如同城上的二手商品），即时性要求越高（如滴滴打车），供需越稀疏（房屋装修），其匹配难度就会越大，平台付出的交易成本越高。
先说议价成本。商品没有确定的价格时，就会有巨大的议价成本。
议价成本本身是用户的，但是会带来平台交易效率低下，需求和供给侧都会深受其苦。
所以大部分商品都做了定价（确定的价格），但也有交易场景就适用于议价。
如菜市场和小摊里的讨价还价，如果强行定价，生意不见得会更好。
再说定价。每一个你能看到的价格背后，都是平台付出了大量研究和试错才决定的最终价格。
单个商品的定价需要考虑固定成本和弹性成本。
固定成本包含商品成本、物流成本、税务成本、其它实体成本。
弹性成本包含季节性、地域性、供需变化因素、额外服务费用（如人工服务）。
有了详细成本核算后，到底用成本定价、竞品定价、消费者定价还是收益管理定价等，是具体策略。
平台本身中立，需要保障需求和供给两端的权益，同时保证公平性的原则。
在交易执行过程中有监督、预警、风控、业务规则、售后、客服等成本。属于非常重要但不紧急的业务类型。
如货拉拉的这次事件，交易过程中平台付出的监督成本太少，就容易出现大问题，不发生是%，发生就是%。
交易是不同场景下的消费行为导致的，区分交易平台的类型更有意义。
交易平台本身也是信息撮合平台，只是撮合的信息都是与交易强相关。
交易发生的前提，是平台先达成交易信息的有效分类与展示。
之后对信息如何进行匹配或者说分发，是核心。匹配的前提是标准化，分为供给和需求侧的标准化。
所以我这里倾向于按照匹配逻辑对交易平台进行分类：
①仅提供信息撮合，其它的交给供给和需求自己去谈，如相亲、招聘。
可以让需求侧主动去挑选（如淘宝），也可以让供给侧去挑选（如滴滴），也可以权利给到双方（如二手市场）。
我把这类平台分类为信息撮合类交易平台。
②提供信息撮合，还提供一定的匹配逻辑。
可以根据需求匹配供给，如抖音。也可以根据供给匹配需求，如货拉拉。
匹配的深浅度可做区分，浅的提供信息筛选，主动选择权交给供给或者需求，如滴滴的抢单模式，公众号的订阅模式。
深的直接达成平台分发，如滴滴的派单模式，抖音的算法推荐模式。
我把这类平台分类为信息分发类交易平台。
提升交易成交率的核心就在于匹配规则，即不同订单如何匹配给不同用户。
以抖音这款内容型产品举例，通过算法推荐能明显提升信息分发的效率。
抖音推荐策略基于两个维度：物以类聚（你喜欢A就可能喜欢B），人以群分（和你相似的用户喜欢A，你也可能喜欢A）。
那么对于交易平台，如何进行订单的有效分发？
有种逻辑。
这里举下滴滴的例子。
如果滴滴司机常跑A到B点，那么司机可以主动订阅这条线路，让平台常推荐从A到B点的订单。
对于同城短途来说，订阅模式可能不太靠谱，因为司机不需要稳定的线路即可养活自己。
对于长途物流来说，因里程长耗时长价格贵且司机每月所跑单量有限（基本不超过单），订阅模式倒是一种不错的模式。
理论上每笔订单的起点与上笔订单的终点一致司机运输效率最大成本最低，但现实情况下往往不可能。
所以长途司机在意的：稳定的订单量&能串起来的订单线路。
再思考深一点，司机需要的是收入，是稳定需求的订单量。
稳定的订单量需要稳定的货主和稳定的货源，而稳定的货源会导致稳定的线路。
所以订阅模式下，是我们需要稳定的供给或需求。
在内容平台，微博、微信公众号、B站的UP主其实都是订阅模式。
物理角度下，基于地理位置从近到远分发订单。
网约车有个概念叫全局最优，除了地理位置还会考虑天气、时间、区域内司机收益、司机等级、用户性别、用户偏好等。
说到底，还是地理位置为主，其它因素为辅。
本地生活类平台和陌生社交平台也常考虑基于地理位置分发信息。
前提是平台能有用户的好友，基于好友的喜好行为进行订单分发。
这条规则看似只能在内容型产品上适用，因为基于自私性原理，人只关心与自己相关的人或事。
但是在电商领域其实也适用，因为就我个人的经验，朋友买过的东西，我会更加留意。
对于物流领域，可能不太适用，因为平台本身无社交链关系。
基于用户对订单的搜索，点击，停留，完单等行为分析用户最喜欢的订单，进行推荐。
此方式最科学合理，但研发、迭代成本巨大，最初的推荐匹配度不会很高。
一般与智能算法结合来做，先人工，再智能。
有了智能，还需要人工，算法没有业务的价值观，但是人有，且需要有。
对业务的价值观是需要有的，因为只有人比机器更知道重点推什么业务更靠谱。
交易的研究是一个大课题，本文只是一个开端，笔者后期会更深入到细分的交易点去聊。
