編輯導讀：《外賣騎手，困在系統(tǒng)里》一文讓外賣騎手和平臺受到了各方關注，引發(fā)了網(wǎng)友對外賣平臺只追求效益不顧騎手安全的討論，一時間眾說紛紜，爭論激烈。但外賣騎手的困境，只是系統(tǒng)算法的問題嗎？本文作者對外賣平臺的價值進行了深度分析和解答，試圖從另一個角度對這個問題作出回答，與大家分享。

上周，大家都沉浸在《外賣騎手，困在系統(tǒng)中》這篇萬字長文（以下簡稱《系統(tǒng)》）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(qū)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(nèi)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。

01 從校園創(chuàng)業(yè)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(chuàng)業(yè)idea，一定排在所有大學校園創(chuàng)業(yè)idea的Top3（餓了么本身也是從校園創(chuàng)業(yè)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(jīng)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(wǎng)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(wǎng)站開發(fā)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(gòu)的Web網(wǎng)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(wǎng)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(wǎng)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(wǎng)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(lián)網(wǎng)的發(fā)展與時間的推移，可能到現(xiàn)在已經(jīng)不再是問題了。

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

02 外賣平臺的本質(zhì)：配送業(yè)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(wǎng)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(wǎng)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；

做外賣平臺創(chuàng)業(yè)的大學生們很快發(fā)現(xiàn)，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(lián)網(wǎng)創(chuàng)業(yè)者；這種模式好處是比較輕，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(lián)網(wǎng)創(chuàng)業(yè)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(jié)果來看，顯然是能夠控制配送交付質(zhì)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(jié)的那樣：

第三方外賣訂餐網(wǎng)站本質(zhì)不是網(wǎng)站，而是一個跑腿配送公司。

那么現(xiàn)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(yè)務要如何創(chuàng)造價值呢？

03 即時配送業(yè)務的優(yōu)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(chǎn)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(fā)現(xiàn)，經(jīng)過這樣調(diào)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(yōu)勢在哪呢？

我們曾經(jīng)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(diào)度，從而能夠?qū)⑷潭祭闷饋恚醋屌渌蛦T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(qū)內(nèi)不斷地接單、取餐和送餐：

這個過程中的效率改進，本質(zhì)上還是來自上面的兩種優(yōu)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(diào)度減少騎手空載率。

整個物流行業(yè)的優(yōu)化方向，也是如此。

正如前面合單案例看到的那樣，效率優(yōu)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。

04 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(yè)的規(guī)模效應，用盡可能優(yōu)化的調(diào)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(diào)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(nèi)從這113400種配送方案中找到最優(yōu)的一組，這還只是一個騎手接5單的調(diào)度任務；

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

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

而讓算法能夠完成調(diào)度的前提，就是在《系統(tǒng)》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(xù)調(diào)度算法和定價模型的核心輸入?yún)?shù)。

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(xù)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地預估，無論是高估還是低估，都會對整體配送調(diào)度方案的效率產(chǎn)生影響。

美團技術的這篇文章，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(guī)劃等）、考慮了哪些因素（如寫字樓電梯、定位地點、傳感器數(shù)據(jù)、商家歷史數(shù)據(jù)等），以及還面臨哪些挑戰(zhàn)（天氣、交通變化等）。

這里我們就不展開聊了，有興趣的朋友可以點擊上文鏈接了解。

05 兩個回應：冰火兩重天

ETA系統(tǒng)當然不是完美的，其中有很多預估不準確的badcase，也包括《系統(tǒng)》一文提到的路徑規(guī)劃問題、高峰電梯問題等。

這里面有數(shù)據(jù)采集的因素、數(shù)據(jù)稀疏的原因，也有模型本身的不足。

例如對部分商家數(shù)據(jù)的缺失，影響對商家出餐速度的預估準確性；或者系統(tǒng)可能沒有識別到騎手的騎行狀態(tài)，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(tǒng)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(guī)中矩，可圈可點?；貞l(fā)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(fā)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(fā)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(fā)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(zhì)上是態(tài)度大于內(nèi)容，不過這樣未經(jīng)深度思考的解決方案，還是不發(fā)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(guī)則上的讓步。

06 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(tài)，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(tǒng)》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(diào)度的算法優(yōu)化，那么它總歸有一個極限，而且優(yōu)化的難度會越來越高，邊際效用遞減。

同時，無論算法怎么優(yōu)化，都改變不了外賣需求的客觀分布規(guī)律，高峰期的運力緊張情況在所難免。

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(tǒng)》一文中，展示過這樣一張騎手排隊等電梯的動圖：

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(nèi)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(yōu)：

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(fā)布了無人配送平臺MAD，同時美團也投資了研發(fā)無人配送機器人的一些公司。

只不過這些并沒有體現(xiàn)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(shù)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(fā)現(xiàn)，要不要多招騎手，其實是由市場決定的。

假設現(xiàn)有其他環(huán)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(qū)，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(yè)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(shù)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(yè)務困局的紓解有賴于非外賣業(yè)務的發(fā)展，騎手接更多的單反而能夠緩解外賣高峰時的壓力。

怎么樣？這樣的結(jié)論是不是有一點反直覺？[笑]

07 我們還在擔心什么？

最后，我們還是回到最初的文章與事件。

《系統(tǒng)》一文發(fā)酵了一周，在看都有10萬+了；

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(yè)生涯的擔憂，又或者是發(fā)現(xiàn)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(jīng)濟學中的概念，反映的是一個經(jīng)濟主體的行為對另一經(jīng)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(chǎn)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(jīng)濟主體，所有這些角色都在這個經(jīng)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(chǎn)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(zhuǎn)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做出努力。

還是只是把來自交警的罰單，簡單粗暴地轉(zhuǎn)移給了騎手、城市代理商；

把發(fā)生交通事故的風險，也簡單粗暴地轉(zhuǎn)移給了保險公司？

有沒有可能，在監(jiān)測到騎手行駛數(shù)據(jù)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？

哪怕只是把它當做雇主責任險中的優(yōu)選體呢（類似車險中的零出險次年優(yōu)惠）？

08 結(jié)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(chuàng)造更多價值，讓一個零和游戲，變?yōu)橐粋€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(yè)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(yōu)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(jīng)濟學的角度出發(fā)，尋找更多元化的解決方案。

作者：青十五；公眾號：青十五，新書《策略產(chǎn)品經(jīng)理：模型與方法論》作者

本文由 @青十五 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。