王莆中：大数据助力O2O配送服务体验升级
12月20日，由中国电子商务协会指导，中国电子商务协会物流专业委员会主办，中国电子商务物流企业联盟、中国电子商务协会互联网金融研究院承办的“2016第六届中国电子商务与物流企业家年会暨第四届中国大数据金融发展高峰论坛”在北京万豪酒店盛大开幕。相关部委、行业专家、企业代表等近1500人出席了本届年会。
美团点评副总裁/外卖事业部总经理兼配送事业部总经理王莆中出席大会并做了主题为《大数据助力O2O配送服务体验升级》的演讲。 （温馨提示：本文为速记初审稿，保证现场嘉宾原意，未经删节，或存纰漏，敬请谅解。）
美团点评副总裁/外卖事业部总经理兼配送事业部总经理王莆中
感谢介绍，我来自美团点评，其实很多朋友很困惑，原来有两家公司一家叫美团网一家叫大众点评，去年11月份两家公司正式合并了，去年年底算是一个新闻，但是可能还是有朋友不了解，我就再讲一下我们美团点评现在新公司的情况，做一个简单的介绍。
从整个世界来看O2O在中国是最火的，所以中国出现一家最大的本地生活服务平台公司，这很正常，因为我们的城市人口多，以及因为我们过去某些行业，比如像零售、电影这些行业并不发达，所以让我们做生活服务的互联网平台反而有一个跳跃式发展的机会，比如说全世界电影票的网上预定，只有在中国是做到在线化率70%，在其他国家觉得这是不可能的。中国70%的电影票通过线上卖掉，那么在这样一个环境里面，去年两家公司做了整合，现在每天的日定单量超过了1300万，包括餐饮、电影票、酒店以及其它的品类。交易额去年是1700亿，6亿用户，450万商家，以及全国280个大中小城市基本上都覆盖了。
在这个过程中，对我们触动最大的是整个生活服务业发展过程中遇到了很多基础建设的问题，所谓的基础建设，因为今天的主论坛讨论电商，物流或者快递都是电商里面非常重要的基础建设，当时没有做好现在越做越好。在这个过程中我们一边满足用户的需求，一边满足商户的需求，一边要做基础建设。对于商户，餐饮、旅游、商超等等，4个BG和子公司做六七块主要的业务，有信息的服务，点评上的茶餐厅、茶菜单，推荐、点评等等，以及团购、闪惠、营销服务，还有基础的选座服务，还有一些金融的服务，最后来服务整体的6亿用户的需求。所以大概美团点评现在是一家公司，而且是一家专门运作生活服务的公司，在这个里面整个2016年美团点评成长最快的业务是外卖业务，大家可能有一些同事有了解，外卖在2016年成长非常快，我是负责美团外卖和陪送的业务，所以现在重点讲外卖的业务。
在国外有一家美国的上市公司做外卖的，上市三年了，市值30亿美金。这家公司如果按订单量来讲一天30万单，什么概念？全球因为他也做了一些北美的生意，还有其他国家的生意，30万单远远不如我国北京市一个城市的规模，甚至不如北京市美团外卖的规模。我们在北京一天就接近50万单外卖，而他在全球也就才30万单，他的单高，7块左右，我们是60块钱人民币左右，量级差太多了，他是一家规模很小的公司，但已经是全球上市的公司里面外卖最大的。我们的业务今年开了1200个城市做外卖，今年比去年三倍的增长，订单量一天突破了800万，在11月26日的时候。中间有一半是通过美团自己控制的，配送系统、配送人员无论是全职还是兼职，通过我们自己做的定单大概有一半，400万单，是末端的配送，可能是两个很远的城市，当然也有桐城。99%的订单集中在三公里，今天我重点介绍的是外卖里面配送的业务。
下面也讲到一些数据，市占、配送员等等。美团点评这家公司进入物流这个行业，实际上一年多两年，刚刚两年，两年之前刚刚立项，当时为什么要做？为什么美团自己要做配送？从流程规划到IT系统到数据支持到人员组建，是因为当时整个市场上没有较好的配套的基础建设，说白了，这个盒饭或者是快餐或者是打包的餐，市面上的快递公司不送，顺丰的不送，顺丰现在对外卖有兴趣了，当时他们不愿意做，也是因为电商的市场每年50%的增长，大家觉得外卖不见得做起来。当时是没有基础建设我们必须自己做，这个挑战其实是用户体验的，快递晚一天也好或者晚半天也好，不会有太大的影响，送餐晚30分钟，一个小时，两个小时体验就非常糟糕了。现在80%的用户投诉来源于配送的问题，一万个订单有10单投诉的话，里面有10-8单是投诉的。我们找了很多物流公司合作。
提问：没有物流的话怎么做这个事？
王莆中：美团之前做的是高校业务，是一种特殊的配送方式，之前有麦当劳，规模很小，我们之前用的是高校的配送，商家自己组织兼职人员送，因为它特别密集，宿舍楼，实际上最密集的也就跟大学宿舍差不多，那个配送很简单。
我说一下历时，去年1月份试点启动在中关村，试了四个月我们有了基本的概念，五月份开始扩张，到了五个城市，然后速度太慢，我们开始启动加盟的模式做了半年多，大概扩了240个城市，到去年年底开了1500个站，到今年七月份一千个城市，四千个站，启动了快送的业务。整个速度还是比较快的，在我们内部来讲，因为美团本身就是一家比较讲究执行力的公司，整个配送团队这两年也有了很多的成长。这两年过来对我们来讲最挑战的就是体验的控制，规模还小，我们投入资源，不断的引进人才，添加设备可以解决。但它的难点在哪里呢？大家基本知道，第一个就是峰值的集中，万午餐和晚餐高峰期，用户的时间要求的特别苛刻，一般来讲半小时以后就会引发投诉，在你预期的半小时以后就会投诉。然后，传统的麦当劳的模式在几百万单每天的情况下它是很难发挥作用的，因为规模决定了你本身对效率的要求，如果没有那种效率可能满足不了这个要求。包括有一些安全的问题，骑手的问题等等，包括有一些具有挑战的技术问题。事实上这个就是目前主流的三种配送方式，刚刚曲老师问了，说我们之前怎么办的？之前在2015年的时候美团外卖主要的业务群体都在高校，高校用的是什么呢？邮差型的配送方案。说白了跟快递非常像，集中取件集中送件，因为高校的特点，它的用户群体都是宿舍楼，非常密集，外面美食街的餐厅也非常密集，所以他基本上一趟可以做到30-50份餐的配送，当时并不难，我们不需要提供配送解决方案，商家自己就可以解决，中午12点学生下课到宿舍一下出去两个泡沫箱，一箱子放20份饭。高校的餐品很单一，现在烤鱼也可以点，各种各样的包装不一样的保温需求，但是在高校基本上都是炒面、米粉、盒饭为主，很单一很好送。第一种方案是麦当劳新装的网络，这个很简单，麦当劳为什么能做到30分钟必达，因为每一单专人给你送，交接很快到麦当劳里面换一个箱子，直接给你送，送完之后回来，永远是单一的模式，点对点服务。最大的问题是成本太高了，麦当劳给他的供应商一单在12块钱左右，这个成本非常高，大家付了7块钱配送费他还要损失5块钱，麦当劳可以承担，为什么？客单价超过70块钱，其实是从餐品里的收入弥补供应商的亏损。
前面两种方案在一天几百万单的时候是根本做不到的，要不体验做不到，要不成本做不到，效率也差。所以这个也没有办法，最后第三种叫离散网络，有一单出来用户下单说半小时送到，我们就立马分配一个网络中间的骑手，可能是A可能是B，系统分配他来取餐，然后送到，可能不只是送它，他身上还有三五单，这些都要在非常短的时间里做判断。在整个体系流程和技术上来说主要是在这一块。那么，一年多的时间，因为今天分享的过程中踩到的一些坑和经验，第一个过程是抢单，类似于滴滴早期的出租车司机，有本事就抢，抢到了就送，抢单有一个很重要的问题，第一是盲目的，当你单子出来的时候他来不及看，只要有单他的手就一直在敲，跟早期滴滴打车出租车是一样的，有单就有奖励。一旦回归到正常反而出现挑单，这个单很远不去，放在滴滴里面就是这个地方很堵我不去，机场抢，火车站抢，那你干着急，用户需求体验很糟糕。所以第一个是抢单和站长手工派单为主，持续了几个月，在这个过程中我们慢慢摸清了行业的规律，人效的水平、骑手的速度、分配的原则等等，积累了一些经验算法和数据，第二个叫推抢结合，说白了系统已经开始有一个雏形了，大概能知道中午三百单的站里面，我们有3个骑手，每一个骑手的情况推荐什么单给他，还需要骑手抢，这样的好处是中间有一个比较好的过渡。
我们讲所有的推荐算法也好，机器学习也好，除了算法模型的改进以后积累大量的数据，这也是我们今天的主题之一，大数据，一会儿我讲在我们这里面的大数据是什么。最终到今年的三月份，我们已经全面进入到智能派单，调度的阶段。骑手只用接受任务，按照我的导航路线走就可以了，99%的情况下都是最优的，当然有的地方可能有小路，比导航路径更好，小路在地图上是没有的，可能他第一次开过去了，系统自动记录，等他到了之后把小路加入到我们的地图里面，这是人工优化的最佳实践，我们全部进行了智能的派单和调度，其实也正式进入了全部的自动调度以后，我们对整个的体验包括中间的数据环节，包括我们的人效有了更深刻的理解，我们才有可能去改进这个体验和模型。
这个形式叫超级大脑，拿了美团点评的最佳技术突破奖，这是整个集团36000人里面唯一一个技术的大奖。因为我们进入这个行业比较晚，刚刚两年，所以我们对很多非常有经验的东西并不那么熟悉，反过来讲之前美团点评是一家以技术为主的公司，我们在这个上面投入了大量的精力，我们相信在这件事情上只有大数据下支撑的技术系统才能够真正解决，我们也知道很多友商，他们之前一直在做调度，确实是手工调度，一个有经验的站长配一个有经验的调度员，这是什么概念呢？在每天一万单两万单是可以的，因为总能找到几个有能力的人，刚刚给大家看了，我们从一个站到四千个站只花了一年半，我们去哪儿找四千个优秀的站长，找不到，市面上没有，也没法短期培养。这就是我们要做超级大脑的初衷，只有这个方案才能够解决我们快速扩张的可能性，否则扩张不了，因为招不到人，培养一个人需要时间，至少需要三个月当骑手，三个月副站长，再可以成站长，我们把市面上所有的人挖过来也满足不了我们的需求，最终我们选择用超级大脑去做。
它基本的原理也很简单，跟市面上大量的机器学习的系统和依赖于大数据学习系统是类似的，但是它的关键点在于什么？我们的数据积累非常重要，系统从上线到现在大概积累了7亿个订单，每一个订单后面都是用户的需求，它的需求包括什么？我在哪儿，我点哪个地方的东西，多长时间要，餐是什么，以及最终的体验是什么样的，以及这个体验过程中由哪个配送员用什么方式做的，以及我们在这些外界因素的制约下系统制订的算法的解是什么样的，也就是7亿组信息组成的元素我们给了7亿个解，到底是不是最优解，大概是这样的概念。这个过程中讲了有140万骑手的，有很多骑手是流动的，这个骑手的身份证号我们会记住，我们大概知道他的情况。然后，骑手本身的状态，最近一段时间的状态，轨迹、速度、负载以及考虑到天气的影响，都在里面。包括天气数据，是非常关键的数据，我们买了一些天气的数据但是还不够好，中国最好的天气数据是天气网的，五公里一个小格子，北京的天气实在是不靠谱，房山和大兴差别就很大，把中国的国土面积按五公里分成网格，我们采取的是这个数据，但是我们还是发现有不准确的地方，因为天气预报，预报就不可能特别准。每一个骑手每一个站都是实时天气的采集员，能够把天气采集过来。天气对外卖的波动有多大？同比上周当天或者缓比，对我们的调度预测都有很大的影响，包括店的数据，出餐时间、地理位置等等，有的店可能开在很繁华的地方，不一定取得到。包括用户，哪些用户是挑剔的用户，也会对用户做分解，包括有注重隐私的用户。海量数据是解决最重要的输入，算法反而是其次。
这个就是我讲的算法的问题，这个里面全都是技术术语，我相信大家对这个东西也不见得每一个地方都理解到位，最核心的还是机器学习的基础的能力和方法，这个跟美团点评大的基础架构有关系。
因为有了数据、有了计算能力、有了机器学习的模型，基本上可以做到每一单在100毫秒之内给出一个解，按最简单的方法就是一个站两百个骑手，10个目标点，可能有50次方这样一个巨大的计算量，中间有很多优化的算法，因为不是技术性的论坛，不做过多的介绍。最终我们做的这些事情如何服务好商户，商户多种多样，有的做正餐，有的做汤，有的做火锅，每一块的需求都不一样，我们内部做了很多的分集，而不是通过人肉。同样服务用户，用户里面最关键的是配送时间，我们之前最开始的时候大概要40分钟，现在平均配送时长是28分钟，我认为没有必要再去优化了，我们非常快了，比如说小区便利店10-15分钟送到了，再快就没有必要了，30分钟以内就非常好了。最终我们的准时率做到98%，是指什么呢？我们预估的时间和真实时间的差别，还有2%，很简单，一部分是有不可抗力的，比如说小的交通事故、操作的失误、天气原因，突然下雨下雪，一定会有一些损失，但整体上比刚开始做的时候好太多了。
最后是我们刚刚做的事情，很多数据跟一些伙伴共享的，比如说地图，我们跟腾讯地图、高德地图都有合作，人可以走的路、地图上没有的路，贡献给他们，相信通过腾讯地图他们也可以贡献给其他的伙伴，大家也有用。包括天气，我们可能有很好的天气的数据，因为我们对实时性要求非常高。最后一点是未来的计划，刚刚曲老师也问了我们跟同城的快递公司会不会有竞争，我们做这件事情的初衷是因为市面上没有人匹配我们的解决方案，所以我们自己做了，不做的话估计现在还是以高校为主，但因为做了所以我们现在做到最大，但是这个配送体系我们做出来以后并不是只为我们服务，我们希望把它做成一个在O2O最后三公里配送的基础建设服务，至少整个的配送体系网络以大变小，我们明年开放能力给到合作伙伴，包括算法、数据、能力，这个是我们在明年的想法，谢谢大家！
相关新闻：
0条评论
网友评论
