news:
目前您所在位置:首頁>院校合作>思想薈萃

外賣平臺的價值在哪里?

瀏覽次數:837  日期:2020-12-18

【轉自《管理通鑒》2020年第11期 | 青十五】


  不久前,大家都沉浸在《外賣騎手,困在系統中》這篇萬字長文(以下簡稱《系統》)及其余波之中。

  對外賣小哥的同情,對算法的批判,對兩家平臺聲明的支持與反對;朋友圈的表達,社區的爭論,再加上各路媒體們的推波助瀾,一時間百花齊放百家爭鳴,好不熱鬧。

  讓包括我在內的每個人,都仿佛能以置身事外的身份指點江山,卻又頗有代入感地參與其中。如今熱點退去,讓我們有時間沉下心來思考一個問題:美團、餓了么這些外賣平臺的價值,究竟在哪里?

  回答這個問題很重要,它決定了平臺存在的必要性,否則外賣平臺就只是一個大家口中所說的“剝削者”,在用“算法”這種所謂的無情工具,壓榨著外賣小哥們的勞動價值。

  從校園創業開始說起

  外賣平臺是怎樣誕生的呢?

  我相信,在餓了么、美團等平臺誕生以前,外賣平臺這個創業idea,一定排在所有大學校園創業idea的Top3(餓了么本身也是從校園創業中走出來的成功案例)。

  那時校園里有許多不安分的大學生,他們可能都有過類似的經歷和想法:我上鋪那頭“豬”,每天都要我給他帶飯;而每一層寢室甚至每個寢室,都至少有這么一頭“豬”;那么,全校至少就有成20百上千頭“豬”;如果我做一個外賣平臺,把周邊的飯店、小餐館,甚至是食堂菜單都搬到線上,一定很有市場。

  想百步不如走一步,那我們就開始干吧!

  搭建一個外賣網站,說簡單也不簡單,說難也不難:

  那個年代沒有成熟的公有云,網站開發可以外包,但服務器硬件、運維都得自己解決;

  不過,那時大家也都還在用諾基亞,不用考慮Android版、iOS版,更不用考慮什么小程序版,只需要一個B/S架構的Web網站就可以;

  運營方面,校園周邊的商家就那么些,和他們談妥合作模式后把菜單拿來,錄入到網站后臺;

  一切準備妥當,印上那么幾千份傳單,在學校里掃樓塞到每個宿舍的門縫底下;

  一個大學校園外賣網站就這樣上線了。

  當然,很快這樣的一個外賣團隊會開始遇到各種問題:例如支付方面,那個時候在線支付方式是相當匱乏的,大部分時候還得依賴貨到付款或者預充值;

  例如用戶習慣方面,許多用戶還是更習慣于過去的電話預定,所以網站仍然需要準備坐席來承接這部分訂單;例如菜單更新方面,商戶端幾乎沒有用電腦的習慣,菜單的更新依然需要定期地依靠運營團隊線下接觸來完成;

  ……

  這些問題,隨著互聯網的發展與時間的推移,可能到現在已經不再是問題了。

  最終留下來的,也是最棘手的問題只有一個,這個問題能否解決,決定了外賣平臺最終能否持續生存:配送問題。

  外賣平臺的本質:配送業務

  2011年,一篇知乎回答登上了當時的知乎日報,文中描述了當年外賣網站運營的三種模式:

  1、為自家餐飲品牌提供外賣服務,例如KFC網上訂餐;

  2、從事第三方配送,例如點我吧、飯易得;

  3、僅提供訂購平臺,配送由店家自己配送,例如129T。

  4、做外賣平臺創業的大學生們很快發現,自己陷入了兩難境地:

  要么,完全不碰即時配送(模式1&3),做一個純粹的所謂互聯網創業者,這種模式的好處是比較輕,但有自己配送能力的商家少之又少,大多是大型連鎖品牌,面對他們可能連見面談判的機會都沒有;

  要么,自建即時配送體系(模式2),能夠容納更多商家,餐食更豐富,但是這樣一來,要么一上來就得雇傭員工,要么自己就得親自上陣,無論如何都要重很多,把一個“性感”的互聯網創業做成了不那么“性感”的“跑腿公司”。

  對于用戶來說,你是哪種模式并不重要,用戶只是單純地希望商家/餐食種類多、配送速度快,然后總價稍微比堂食多那么一點點就好。

  我們事后從美團、餓了么等公司入局后的結果來看,顯然是能夠控制配送交付質量、同時解決大部分商家配送問題的模式2笑到了最后。

  也正如那篇文章中,作者最后總結的那樣:

  第三方外賣訂餐網站本質不是網站,而是一個跑腿配送公司。

  那么,現在問題來了:作為一個跑腿(即時)配送公司,美團、餓了么等存在的意義在哪里呢?不就是雇人送個外賣,然后從配送費里抽成、壓榨配送員嗎?

  或者,我們提出一個更General的問題:配送業務要如何創造價值呢?

  即時配送業務的優化

  如果我沒記錯的話,那時麥當勞、肯德基這些專送的配送費都是固定的,20元/單。這個配送費可真是太貴了,都趕上一個雞腿堡+一對雞翅了。

  所以,如果要點餐的話,最好是問問室友要不要一起點,這樣平攤下來每人就至多只需要10元/單的配送費了。

  “20塊錢的配送費太貴了,要單獨點的話我肯定不點”,室友說。

  然而,并不是每次運氣都這么好能夠找到認識的人拼單——同時間下單的,有可能是隔壁老王、樓下小黑這樣的陌生人。

  這些新訂單產生的前提,是配送費的下降,例如從20元/單降到12元/單。

  這樣一來,配送平臺就能安排配送員兩單并做一單送,并且從不抽成改為每單抽1元。

  我們會發現,經過這樣調度之后,配送員提升了一倍的效率;而與原來單個訂單相比,配送員跑的路程不變,但各方都獲得了更多利益。

  如果只是這種簡單的合單,麥當勞、肯德基這樣的品牌商家自配送也可以做到,外賣平臺的優勢在哪呢?

  我們曾經聊過這個話題,事實上,品牌商家的自配送模式有一個天然的缺陷,那就是返程是空載的,配送員的負載率上限就只有50%。

  而平臺配送模式本身決定了,配送平臺有機會進行全面調度,從而能夠將全程都利用起來,即讓配送員返程時攜帶另一商家的訂單進行配送。

  當然,實際情況很少有像上圖那樣完美的情況,能夠達到接近0%的空載率。大部分時候,騎手都是在身上已有多個訂單的情況下,在一個片區內不斷地接單、取餐和送餐。

  這個過程中的效率改進,本質上還是來自上面的兩種優化方向:騎手同時配送多個訂單(合單)增加負載率,以及通過調度減少騎手空載率。

  整個物流行業的優化方向,也是如此。

  正如前面合單案例看到的那樣,效率優化后各方都會從中獲益,在這個過程中平臺提升的效率越多,所有參與方分享的收益就越多。

  ETA(送達時間預估)的由來

  總的來說,外賣平臺的作用,并不只是簡單地進行利益的分配。

  如果我們只是將外賣配送視為一個零和游戲,當希望增加騎手收入時,想的方案都是讓用戶多付配送費,或者讓商家和平臺補貼配送費,這樣的思考方式只會讓我們停滯不前。

  外賣平臺真正的價值,在于利用物流行業的規模效應,用盡可能優化的調度方案完成配送,挖掘和獲取效率差。

  而這種效率差帶來的收益,實際上是由用戶、商家、騎手、平臺共享的。

  共享的比例,則取決于騎手求職市場供需、用戶與商家在外賣市場的供需、外賣平臺之間競爭等各個均衡點中,每個角色所處的位置。

  當然,這種調度方案是非常復雜的。

  美團的首席科學家夏華夏,在今年極客公園的一次分享中舉了這樣一個例子:如果一個外賣騎手,接到了5個配送訂單(即5組從不同商家到不同用戶的配送任務),那么這5個訂單可能的配送方案就多達10!/2^5=113400種。

  要在短時間內從這113400種配送方案中找到最優的一組,這還只是一個騎手接5單的調度任務;

  美團外賣目前有上百萬騎手,日訂單突破了4000萬,調度方案可能性的數量級可想而知。

  這樣的調度規模遠遠超出了人類的能力范圍,因此機器與運籌優化算法當仁不讓地接下了這份工作。

  而讓算法能夠完成調度的前提,就是在《系統》一文中被詬病最多的、也是這套算法的核心部件之一:ETA(Estimated Time of Arrival,送達時間預估),即給定一個訂單,預估其送達時間。

  為什么說ETA如此重要?因為它不僅影響著用戶體驗,也是后續調度算法和定價模型的核心輸入參數。

  如果ETA高估了配送時間(預估時間大于實際時間),那么騎手會有一段時間的空載或載重不足;

  如果ETA低估了配送時間(預估時間小于實際時間),那么不僅這一單會延遲送達,后續已分配的其他訂單也受影響。

  所以ETA需要對配送時間進行一個準確的預估,無論是高估還是低估,都會對整體配送調度方案的效率產生影響。

  美團技術的《機器學習在美團配送系統的實踐:用技術還原真實世界》這篇文章,詳細地解答了在ETA這個模塊中,都有哪些工作(例如用戶地址解析、交付點聚類、路徑規劃等),考慮了哪些因素(如寫字樓電梯、定位地點、傳感器數據、商家歷史數據等),以及還面臨哪些挑戰(天氣、交通變化等)。

  這里我們就不展開聊了。

  兩個回應:冰火兩重天

  ETA系統當然不是完美的,其中有很多預估不準確的badcase,也包括路徑規劃問題、高峰電梯問題等。這里面有數據采集的因素、數據稀疏的原因,也有模型本身的不足。

  例如對部分商家數據的缺失,影響對商家出餐速度的預估準確性;或者系統可能沒有識別到騎手的騎行狀態,所以按照步行推薦了一條逆行的路線等。

  美團在隨后的回應中沒有詳細解釋這些原因,而是大方地承認了自己系統存在問題,并提出了多項舉措進行改進。這樣的回應可以說是中規中矩,可圈可點。回應發出后,也贏得了大部分人的贊許。

  不過我倒是覺得這份回應之所以被認可,更大的原因是同行襯托得好。

  因為在此之前,餓了么搶先發出了一份回應。

  這樣的回應初看沒什么問題,甚至有那么一些人性化,但細細琢磨,這其實是一下子把“催促騎手準時送達,導致騎手安全風險增加”的帽子扣到了用戶頭上:

  未來騎手要是在配送我的訂單時發生安全事故,是不是就是因為我不點這個按鈕導致的呢?

  如果我點了這個按鈕,那是不是騎手就先送其他單去了(反正我晚到一會兒沒關系)?

  甚至我是不是從此被打上一個“老實人”的標簽,在未來點外賣的時候都排在后面配送?

  ……

  可想而知,這樣的回應發出后,是怎樣被回過神的用戶們罵上了熱榜熱搜。

  雖然我們常說,公關行為本質上是態度大于內容,不過這樣未經深度思考的解決方案,還是不發的好。

  還是那句話:我們不能一直局限在零和游戲的思維當中。想讓騎手配送時間不那么緊繃,不能僅僅依賴用戶在配送時間上的“施舍”,或者是平臺在規則上的讓步。

  困局何解?

  解決方案,其實并不一定局限于更好、更精準的算法。

  騎手的配送時間如此緊繃,究其根本,源自外賣需求的峰谷效應,即我們之前聊過的:外賣需求真正的高峰,只是在中午和傍晚各兩個小時的時間里。

  在高峰期,每一個騎手都是滿負荷、超負荷狀態,身上都有多個訂單,如果遇上惡劣天氣還容易爆單,這種情況下超時在所難免;

  但在閑時,騎手的配送時間就相對充裕,有時想接單都不一定有單,你甚至會看到騎手在路邊刷手機。

  所以,對于《系統》一文中騎手被時間追趕的情況,如果我們只關注外賣配送調度的算法優化,那么它總歸有一個極限,而且優化的難度會越來越高,邊際效用遞減。

  同時,無論算法怎么優化,都改變不了外賣需求的客觀分布規律,高峰期的運力緊張情況在所難。

  只有在高峰期增加運力,才有機會緩解或改變這種狀況。

  有哪些方法可以增加運力呢?

  《系統》一文中,展示過這樣一張騎手排隊等電梯的圖片:

  我們會看到,每個騎手都拿著自己的訂單,需要配送到這個大廈的不同樓層的用戶手中;

  如果這時,能夠有一臺室內配送機器人,將這些外賣歸集到一起,接下來再通過電梯或樓梯依次配送給每個用戶,考慮到多人等電梯的時間損耗,這樣的方案可能會更優。

  這種挖掘效率差的邏輯與之前的合單也是類似的,同時從另一個角度看,這些機器人就相當于額外增加的運力,這些運力在高峰時期的效率提升會更加明顯。

  事實上,美團在兩年前就發布了無人配送平臺MAD,同時美團也投資了研發無人配送機器人的一些公司。

  只不過這些并沒有體現在上周的回應當中。

  還有讀者會問,何必弄得這么復雜?既然高峰期騎手數量這么緊張,那多招點騎手不就好了?

  如果從整體去思考騎手供需的話,就會發現:要不要多招騎手,其實是由市場決定的。

  假設現有其他環境變量不變(外賣單量、每單配送費等),騎手的整體收入不變,如果直接增加騎手的話,也就意味著騎手的平均收入將會下降;

  如果騎手的平均收入下降,就會有騎手退出這個工作,騎手的供需又會回到之前的均衡點。

  由此可見:如果不增加騎手的整體收入,單純地招聘騎手并不能解決高峰時期運力問題。

  那么,怎樣增加騎手的整體收入呢?

  回到之前的外賣需求分布圖,在需求低谷區,我們看到了大量的閑置運力,如果這些運力能夠更多地投放到其他一些非外賣的配送業務(如商超類、跑腿類,甚至是同城快遞等),騎手的整體收入會得到提升。

  如果騎手數量不變,整體收入提升也就意味著騎手的平均收入上升,從而讓更多的人加入這份工作,直到騎手供需達到新的均衡點。

  在這個過程中,運力得到了新的補充,一定程度上也能緩解高峰期的供需壓力。

  外賣業務困局的紓解有賴于非外賣業務的發展,騎手接更多的單反而能夠緩解外賣高峰時的壓力。

  我們還在擔心什么?

  最后,我們還是回到最初的文章與事件。

  人們的聲援究竟是一種廉價的同情,還是出于對自己未來職業生涯的擔憂,又或者是發現自己職場的處境與騎手無二的共情?

  我想可能三者皆有吧。除此以外,從公共安全的角度看,我們還有一件值得關心的事情——負外部性。

  什么叫負外部性?

  這是一個經濟學中的概念,反映的是一個經濟主體的行為對另一經濟主體的不利影響。

  例如,水源上游的工廠排放污水,對下游居民的生活產生不利影響。

  在外賣這個事情上,外賣平臺、平臺上的用戶和商家、騎手共同組成了一個經濟主體,所有這些角色都在這個經濟行為中獲益;但這個事情對公共交通卻有越來越不利的影響,也讓無關行人暴露在更大的風險之中。

  負外部性的問題,沒有辦法僅依賴市場解決。

  常見的處理辦法,是政府對向社會產生這種負外部性的行為征稅或者罰款,通過這種增加額外成本或成本轉移的方式,敦促前者改進自己的行為,減少或消除負外部性。

  但不知道外賣平臺們是否意識到了,自己作為獲益一方的一部分,也是最有能力做出改變的一部分,應該為減少和消除這種負外部性作出努力?

  還是只是把來自交警的罰單,簡單粗暴地轉移給了騎手、城市代理商;

  把發生交通事故的風險,也簡單粗暴地轉移給了保險公司?

  有沒有可能,在監測到騎手行駛數據的情況下,對于不超速、不逆行、不違章的騎手給予一些獎勵或補貼呢?

  哪怕只是把它當作雇主責任險中的優選體呢(類似車險中的零出險次年優惠)?

  結語

  是的,我們當然可以怪罪算法。畢竟算法不會說話,還不了嘴。但算法本身是一個很好的工具,它能夠幫助我們獲取更多效率差、創造更多價值,讓一個零和游戲,變為一個多方共贏的游戲。

  同時,也沒有哪個算法是完美的,隨著它在如今工作生活中應用占比越來越高,許多缺陷也會被不斷放大,哪怕是千分之幾的異常率,在海量業務量的情況下也有可能是每天上萬人受到影響,需要我們時刻關注和解決。

  算法優化本身帶來的收益,是邊際遞減的。

  有時我們不妨看向算法之外,從經濟學的角度出發,尋找更多元化的解決方案。


  摘自“人人都是產品經理”

訪量累計1566175
版權所有:廣州中蘭大教育發展有限公司 許可證號:粵ICP備19077348號 電子地圖聯系我們 友情鏈接管理登陸
公司地址:廣州市越秀區先烈中路100號中科院廣州分院大院內(郵編:510070) 
爱浪直播下载_爱浪直播APP_爱浪直播怎么样_爱浪直播下载安装苹果