编辑导读：《外卖骑手，困在系统里》一文让外卖骑手和平台受到了各方关注，引发了网友对外卖平台只追求效益不顾骑手安全的讨论，一时间众说纷纭，争论激烈。但外卖骑手的困境，只是系统算法的问题吗？本文作者对外卖平台的价值进行了深度分析和解答，试图从另一个角度对这个问题作出回答，与大家分享。

上周，大家都沉浸在《外卖骑手，困在系统中》这篇万字长文（以下简称《系统》）及其余波之中。

对外卖小哥的同情、对算法的批判，对两家平台声明的支持与反对；朋友圈的表达、社区的争论，再加上各路媒体们的推波助澜。一时间百花齐放百家争鸣，好不热闹。

让包括我在内的每个人，都仿佛能以置身事外的身份指点江山，却又颇有代入感地参与其中。

如今热点退去，让我们有时间沉下心来思考一个问题：美团、饿了么这些外卖平台的价值，究竟在哪里？

回答这个问题很重要，它决定了平台存在的必要性，否则外卖平台就只是一个大家口中所说的“剥削者”，在用“算法”这种所谓的无情工具，压榨着外卖小哥们的劳动价值。

01 从校园创业开始说起

外卖平台是怎样诞生的呢？

我相信，在饿了么、美团等平台诞生以前，外卖平台这个创业idea，一定排在所有大学校园创业idea的Top3（饿了么本身也是从校园创业中走出来的成功案例）

那时校园里有许多不安分的大学生，他们可能都有过类似的经历和想法：

我上铺那头“猪”，每天都要我给他带饭；而每一层寝室甚至每个寝室，都至少有这么一头“猪”；那么，全校至少就有成百上千头“猪”；如果我做一个外卖平台，把周边的饭店、小餐馆，甚至是食堂菜单都搬到线上，一定很有市场。

想百步不如走一步，那我们就开始干吧！

搭建一个外卖网站，说简单也不简单，说难也不难：

那个年代没有成熟的公有云，网站开发可以外包，但服务器硬件、运维都得自己解决；

不过，那时大家也都还在用诺基亚，不用考虑Android版、iOS版，更不用考虑什么小程序版，只需要一个B/S架构的Web网站就可以；

运营方面，校园周边的商家就那么些，和他们谈妥合作模式后把菜单拿来，录入到网站后台；

一切准备妥当，印上那么几千份传单，在学校里扫楼塞到每个宿舍的门缝底下；

一个大学校园外卖网站就这样上线了。

当然，很快这样的一个外卖团队会开始遇到各种问题：

• 例如支付方面，那个时候在线支付方式是相当匮乏的，大部分时候还得依赖货到付款或者预充值；
• 例如用户习惯方面，许多用户还是更习惯于过去的电话预定，所以网站仍然需要准备坐席来承接这部分订单；
• 例如菜单更新方面，商户端几乎没有用电脑的习惯，菜单的更新依然需要定期地依靠运营团队线下接触来完成；

……

这些问题，随着互联网的发展与时间的推移，可能到现在已经不再是问题了。

最终留下来的，也是最棘手问题只有一个，这个问题能否解决，决定了外卖平台最终能否持续生存：配送问题。

02 外卖平台的本质：配送业务

2011年，一篇知乎回答登上了当时的知乎日报，文中描述了当年外卖网站运营的三种模式：

1. 为自家餐饮品牌提供外卖服务，例如KFC网上订餐；
2. 从事第三方配送，例如点我吧、饭易得；
3. 仅提供订购平台，配送由店家自己配送；例如129T；

做外卖平台创业的大学生们很快发现，自己陷入了两难境地：

• 要么，完全不碰即时配送（模式1&3），做一个纯粹的所谓互联网创业者；这种模式好处是比较轻，但有自己配送能力的商家少之又少，大多是大型连锁品牌，面对他们可能连见面谈判的机会都没有；
• 要么，自建即时配送体系（模式2），能够容纳更多商家餐食更丰富，但是这样一来，要么一上来就得雇佣员工，要么自己就得亲自上阵；无论如何都要重很多，把一个“性感”的互联网创业做成了不那么“性感”的“跑腿公司”。

对于用户来说，你是哪种模式并不重要，用户只是单纯地希望商家/餐食种类多、配送速度快，然后总价稍微比堂食多那么一点点就好。

我们事后从美团、饿了么等公司入局后的结果来看，显然是能够控制配送交付质量、同时解决大部分商家配送问题的模式2笑到了最后。

也正如那篇文章中，作者最后总结的那样：

第三方外卖订餐网站本质不是网站，而是一个跑腿配送公司。

那么现在问题来了，作为一个跑腿（即时）配送公司，美团、饿了么等存在的意义在哪里呢？不就是雇人送个外卖，然后从配送费里抽成、压榨配送员吗？

或者，我们提出一个更General的问题：配送业务要如何创造价值呢？

03 即时配送业务的优化

如果我没记错的话，那时麦当劳、肯德基这些专送的配送费都是固定的，20元/单。

这个配送费可真是太贵了，都赶上一个鸡腿堡+一对鸡翅了。

所以，如果要点餐的话，最好是问问室友要不要一起点，这样平摊下来每人就至多只需要10元/单的配送费了。

“20块钱的配送费太贵了，要单独点的话我肯定不点”，室友说。

然而并不是每次运气都这么好能够找到认识的人拼单，同时间下单的，有可能是隔壁老王、楼下小黑这样的陌生人。

这些新订单产生的前提，是配送费的下降，例如从20元/单降到12元/单。

这样一来，配送平台就能安排配送员两单并做一单送，并且从不抽成改为每单抽1元。

我们会发现，经过这样调度之后，配送员提升了一倍的效率；而与原来单个订单相比，配送员跑的路程不变，但各方都获得了更多利益：

如果只是这种简单的合单，麦当劳、肯德基这样的品牌商家自配送也可以做到，外卖平台的优势在哪呢？

我们曾经聊过这个话题，事实上，品牌商家的自配送模式有一个天然的缺陷，那就是返程是空载的，配送员的负载率上限就只有50%。

而平台配送模式本身决定了，配送平台有机会进行全面调度，从而能够将全程都利用起来，即让配送员返程时携带另一商家的订单进行配送：

当然，实际情况很少有像上图那样完美的情况，能够达到接近0%的空载率。大部分时候，骑手都是在身上已有多个订单的情况下，在一个片区内不断地接单、取餐和送餐：

这个过程中的效率改进，本质上还是来自上面的两种优化方向：骑手同时配送多个订单（合单）增加负载率，以及通过调度减少骑手空载率。

整个物流行业的优化方向，也是如此。

正如前面合单案例看到的那样，效率优化后各方都会从中获益，在这个过程中平台提升的效率越多，所有参与方分享的收益就越多。

04 ETA（送达时间预估）的由来

总的来说，外卖平台的作用，并不只是简单地进行利益的分配。

如果我们只是将外卖配送视为一个零和游戏，当希望增加骑手收入时，想的方案都是让用户多付配送费，或者让商家和平台补贴配送费，这样的思考方式只会让我们停滞不前。

外卖平台真正的价值，在于利用物流行业的规模效应，用尽可能优化的调度方案完成配送，挖掘和获取效率差。

而这种效率差带来的收益，实际上是由用户、商家、骑手、平台共享的。

共享的比例，则取决于骑手求职市场供需、用户与商家在外卖市场的供需、外卖平台之间竞争等各个均衡点中，每个角色所处的位置。

当然，这种调度方案是非常复杂的。

美团的首席科学家夏华夏，在今年极客公园的一次分享中举了这样一个例子：

如果一个外卖骑手，接到了5个配送订单（即5组从不同商家到不同用户的配送任务），那么这5个订单可能的配送方案就多达10!/2^5=113400种。

要在短时间内从这113400种配送方案中找到最优的一组，这还只是一个骑手接5单的调度任务；

美团外卖目前有上百万骑手，日订单突破了4000万，调度方案可能性的数量级可想而知。

这样的调度规模远远超出了人类的能力范围，因此机器与运筹优化算法当仁不让地接下了这份工作。

而让算法能够完成调度的前提，就是在《系统》一文中被诟病最多的、也是这套算法的核心部件之一：ETA（Estimated Time of Arrival，送达时间预估），即给定一个订单，预估其送达时间。

为什么说ETA如此重要？因为它不仅影响着用户体验，也是后续调度算法和定价模型的核心输入参数。

如果ETA高估了配送时间（预估时间大于实际时间），那么骑手会有一段时间的空载或载重不足；

如果ETA低估了配送时间（预估时间小于实际时间），那么不仅这一单会延迟送达，后续已分配的其他订单也受影响。

所以ETA需要对配送时间进行一个准确地预估，无论是高估还是低估，都会对整体配送调度方案的效率产生影响。

美团技术的这篇文章，详细地解答了在ETA这个模块中，都有哪些工作（例如用户地址解析、交付点聚类、路径规划等）、考虑了哪些因素（如写字楼电梯、定位地点、传感器数据、商家历史数据等），以及还面临哪些挑战（天气、交通变化等）。

这里我们就不展开聊了，有兴趣的朋友可以点击上文链接了解。

05 两个回应：冰火两重天

ETA系统当然不是完美的，其中有很多预估不准确的badcase，也包括《系统》一文提到的路径规划问题、高峰电梯问题等。

这里面有数据采集的因素、数据稀疏的原因，也有模型本身的不足。

例如对部分商家数据的缺失，影响对商家出餐速度的预估准确性；或者系统可能没有识别到骑手的骑行状态，所以按照步行推荐了一条逆行的路线等。

美团在随后的回应中没有详细解释这些原因，而是大方地承认了自己系统存在问题，并提出了多项举措进行改进。

这样的回应可以说是中规中矩，可圈可点。回应发出后，也赢得了大部分人的赞许。

不过我倒是觉得这份回应之所以被认可，更大的原因是同行衬托得好。

因为在此之前，饿了么抢先发出了一份回应：

这样的回应初看没什么问题，甚至有那么一些人性化；

但细细琢磨，这其实是一下子把“催促骑手准时送达，导致骑手安全风险增加”的帽子扣到了用户头上：

• 未来骑手要是在配送我的订单时发生安全事故，是不是就是因为我不点这个按钮导致的呢？
• 如果我点了这个按钮，那是不是骑手就先送其他单去了（反正我晚到一会儿没关系）？
• 甚至我是不是从此被打上一个“老实人”的标签，在未来点外卖的时候都排在后面配送？

……

可想而知，这样的回应发出后，是怎样被回过神的用户们骂上了热榜热搜。

虽然我们常说，公关行为本质上是态度大于内容，不过这样未经深度思考的解决方案，还是不发的好。

还是那句话，我们不能一直局限在零和游戏的思维当中。

想让骑手配送时间不那么紧绷，不能仅仅依赖用户在配送时间上的“施舍”，或者是平台在规则上的让步。

06 困局何解？

解决方案，其实并不一定局限于更好、更精准的算法。

骑手的配送时间如此紧绷，究其根本，源自外卖需求的峰谷效应，即我们之前聊过的：外卖需求真正的高峰，只是在中午和傍晚各两个小时的时间里。

在高峰期，每一个骑手都是满负荷、超负荷状态，身上都有多个订单，如果遇上恶劣天气还容易爆单，这种情况下超时在所难免；

但在闲时，骑手的配送时间就相对充裕，有时想接单都不一定有单，你甚至会看到骑手在路边刷手机。

所以，对于《系统》一文中骑手被时间追赶的情况，如果我们只关注外卖配送调度的算法优化，那么它总归有一个极限，而且优化的难度会越来越高，边际效用递减。

同时，无论算法怎么优化，都改变不了外卖需求的客观分布规律，高峰期的运力紧张情况在所难免。

只有在高峰期增加运力，才有机会缓解或改变这种状况。

有哪些方法可以增加运力呢？

《系统》一文中，展示过这样一张骑手排队等电梯的动图：

我们会看到，每个骑手都拿着自己的订单，需要配送到这个大厦的不同楼层的用户手中；

如果这时，能够有一台室内配送机器人，将这些外卖归集到一起，接下来再通过电梯或楼梯依次配送给每个用户，考虑到多人等电梯的时间损耗，这样的方案可能会更优：

这种挖掘效率差的逻辑与之前的合单也是类似的，同时从另一个角度看，这些机器人就相当于额外增加的运力，这些运力在高峰时期的效率提升会更加明显。

事实上，美团在两年前就发布了无人配送平台MAD，同时美团也投资了研发无人配送机器人的一些公司。

只不过这些并没有体现在上周的回应当中。

还有读者会问，何必弄得这么复杂？既然高峰期骑手数量这么紧张，那多招点骑手不就好了？

如果从整体去思考骑手供需的话，就会发现，要不要多招骑手，其实是由市场决定的。

假设现有其他环境变量不变（外卖单量、每单配送费等），骑手的整体收入不变，如果直接增加骑手的话，也就意味着，骑手的平均收入将会下降；

如果骑手的平均收入下降，就会有骑手退出这个工作，骑手的供需又会回到之前的均衡点。

由此可见，如果不增加骑手的整体收入，单纯地招聘骑手并不能解决高峰时期运力问题。

那么怎样增加骑手的整体收入呢？

回到之前的外卖需求分布图，在需求低谷区，我们看到了大量的闲置运力，如果这些运力能够更多地投放到其他一些非外卖的配送业务（如商超类、跑腿类，甚至是同城快递等），骑手的整体收入会得到提升。

如果骑手数量不变，整体收入提升也就意味着骑手的平均收入上升，从而让更多的人加入这份工作，直到骑手供需达到新的均衡点。

在这个过程中，运力得到了新的补充，一定程度上也能缓解高峰期的供需压力。

外卖业务困局的纾解有赖于非外卖业务的发展，骑手接更多的单反而能够缓解外卖高峰时的压力。

怎么样？这样的结论是不是有一点反直觉？[笑]

07 我们还在担心什么？

最后，我们还是回到最初的文章与事件。

《系统》一文发酵了一周，在看都有10万+了；

人们的声援究竟是一种廉价的同情，还是出于对自己未来职业生涯的担忧，又或者是发现自己职场的处境与骑手无二的共情？

我想可能三者皆有吧。

除此以外，从公共安全的角度看，我们还有一件值得关心的事情——负外部性。

什么叫负外部性？

这是一个经济学中的概念，反映的是一个经济主体的行为对另一经济主体的不利影响。

例如，水源上游的工厂排放污水，对下游居民的生活产生不利影响。

在外卖这个事情上，外卖平台、平台上的用户和商家、骑手共同组成了一个经济主体，所有这些角色都在这个经济行为中获益；但这个事情对公共交通却有越来越不利的影响，也让无关行人暴露在更大的风险之中。

负外部性的问题，没有办法仅依赖市场解决。

常见的处理办法，是政府对向社会产生这种负外部性的行为征税或者罚款，通过这种增加额外成本或成本转移的方式，敦促前者改进自己的行为，减少或消除负外部性。

但不知道外卖平台们，是否意识到了，自己作为获益一方的一部分，也是最有能力做出改变的一部分，应该为减少和消除这种负外部性做出努力。

还是只是把来自交警的罚单，简单粗暴地转移给了骑手、城市代理商；

把发生交通事故的风险，也简单粗暴地转移给了保险公司？

有没有可能，在监测到骑手行驶数据的情况下，对于不超速、不逆行、不违章的骑手给予一些奖励或补贴呢？

哪怕只是把它当做雇主责任险中的优选体呢（类似车险中的零出险次年优惠）？

08 结语

是的，我们当然可以怪罪算法。

毕竟算法不会说话，还不了嘴。

但算法本身是一个很好的工具，它能够帮助我们获取更多效率差、创造更多价值，让一个零和游戏，变为一个多方共赢的游戏。

同时，也没有哪个算法是完美的，随着它在如今工作生活中应用占比越来越高，许多缺陷也会被不断放大，哪怕是千分之几的异常率，在海量业务量的情况下也有可能是每天上万人受到影响，需要我们时刻关注和解决。

算法优化本身带来的收益，是边际递减的；

有时我们不妨看向算法之外，从经济学的角度出发，寻找更多元化的解决方案。

作者：青十五；公众号：青十五，新书《策略产品经理：模型与方法论》作者

本文由 @青十五 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。