货拉拉 CTO 张浩:在复杂难啃的行业里,数字化行走在公平与效率两端

货拉拉 CTO 张浩

钛媒体特别专题策划《数字思考者 50 人》:探访中国 50 位独具代表的数字化思考者。我们理解的 "TechThinker" ,涵盖了中国数字化浪潮中的技术践行者、政策制定者与投资决策者。在这场长达 10 年的乘风破浪中,我们每个人都在分享技术进步的果实,却鲜有人知道结果背后的故事。我们期待通过《50 人》,还原中国数字化推进过程中的关键决策,同时也为你呈现数字思考者们的管理与经营之道。

你一定在路上见过 " 货拉拉 " ——橙色的色调,倾斜的字体,在城市川流不息的车流中,货拉拉遍及大街小巷,在货运领域扮演不可或缺的角色。

尽管都是通过互联网来调配运力,但货运和网约车行业还是不太一样,用货拉拉 CTO 张浩的话说,在交易和履约方面,同城货运和出行比起来更复杂一些,最重要的原因是货运的不标准化。各种各样的车,各种各样的货,在数字化系统里面是成千上万的 SKU。没有标准化服务,就很难做到规模化扩张,这和网约车领域不是一个逻辑。

数字化是货拉拉乃至整个货运行业的一个抓手,货拉拉对于数字化的思考和动作,也显得小心翼翼,如何兼顾公平和效率,至今仍在探索。

" 与出行和外卖相比,货运行业还远远没有到瓶颈期。数字化的红利某种程度上取决于现在科技的限制,在这种非标场景里面,希望未来 NLP、GPT 能够代替一部分人工,包括像客服、营销方面,能够进一步降低成本。" 张浩表示。

货运可能还停留在出行行业 2014 年的阶段,在货运这个复杂且难啃的行业里,数字化的价值如何体现,它又该如何确定自己的边界。近期,张浩和钛媒体联合创始人刘湘明做了一次深入沟通。

一个天然非标准化的业务

钛媒体:整个中美的物流成本差的特别多,从你的角度来看,是什么原因造成的?

张浩:一个根本性因素是人工成本;但更重要的原因是,物流场景的集约化没有得到很好地解决。例如,合同制物流占公路运输市场总额 75% 以上,在中国有成千上万家中小型车队在做,而在美国基本上由 3-5 家大型运输企业包揽,成规模后,效率上升,成本就下来了。

还有一个原因是公路运输收费差异,美国的高速公路不收费,目前中国公路运输的成本也在下降,这三个原因我觉得是最主要的。

货拉拉做的是公路运输里面很小的一块饼,用零散运力满足中小企业的非计划性需求,美国市场这种业务基本是零,跟所有零散运力的业务一样,很大程度上依赖于较低的人力成本。

钛媒体:货拉拉的数字化系统到底有多复杂?

张浩:货运的数字化是把线下的业务搬到线上来,价格是有市场价格标准的,其实履约的部分更复杂,主要是交易流程和车货匹配。

相比出行行业乘客人数明确,货运行业最大的困难是车货匹配的非标准化——车型如果细分起来大概有上万种 SKU:有各种各样规格的面包车和货车;更离奇的是货,什么货都有,有运桌子的、运水的,运动物的等等,运骆驼的我们也碰到过。这一系列非标准化就导致有时订单已经接了,钱已经付了,最后车没办法拉导致订单取消。

还有一个问题,货运在数字化基础方面比出行要差很多,譬如地图厂商对 C 端的重视远远高过对货运的重视。几年前,还经常出现地址找不到,或者偏移好几十米的情况,为此司机可能多绕几公里。相对跑腿和出行,地图基础设施对货运的支持不友好。

总结下来,货运数字化的基础设施差、车货非标,因此交易和履约会变得更加复杂。

钛媒体:回到车货匹配的话题,现在做了哪些努力解决这个问题?

张浩:坦率地说,车货匹配从技术上讲还远远没有解决,货物林林总总,形状、长度、密度都不一样,我们也尝试过用 AR 的办法,例如高端手机有深度摄像头,能够测出体积,但准确率不高。

目前最主要的还是两个方法,第一是靠产品流程,由客户提供具体信息,在信息分发时候司机自己考量一下,大概能解决 90% 的问题。

剩下的 10% 根据我们已知的车和订单情况,去进行类似的扫描,但经常不够准确,有的司机为了抢单,并没有特别仔细去看,去了之后发现不行就会取消订单。目前大型物流企业会配备相对比较完善的摄像头,能知道自己的车厢里还剩多少空间,但那些设备对普通司机来说还很贵。但普通的设备准确率又不够高,我们不能把这种技术接入系统,这块要完美解决,还是要依赖 AI 技术的进一步发展。

钛媒体:货运是物联网(IoT)里一个特别复杂的应用场景,货拉拉都做了哪些事?

张浩:货拉拉自研了 " 安心拉 " 车载 IoT 智能硬件设备,相对出行场景,货运业务特点是预付费,之后整个过程手机可以关掉,数据采集会有大量的丢失。而我们用 IoT 设备 " 安心拉 " 解决这个问题,可以不间断的收集到行程数据。

准确的车辆位置对交易效率是至关重要的,我们因此总能选到最近的司机,也就意味着做到 " 有、快、好 "," 有 " 总是有人接单," 快 " 是能够很快的响应," 好 " 是指的服务质量。

基于数据,我们有一个不错的热力图,可以告诉司机哪个地方单子会比较多,这个对新手司机尤其重要,我们可以通过热力图告诉他热点区域,提前做好调度。

数字化,在公平与效率两端

钛媒体:货拉拉的数字化分拨单系统经过了哪些迭代,其背后的逻辑是什么?

张浩:我们大概是三年前开始升级,分播单的算法和逻辑也经过好几个版本的尝试。

三年前,我们分播单模式还很简单,谁手快谁就能抢到单;大概从 2019 年开始,我们引入了一些算法模型,开始引入司机服务分机制,在考虑距离的时候,也会考虑司机的服务质量。这两年我们通过机器学习来模拟市场的供需情况,并不断的调整各个因子的权重。

钛媒体:这也是我特别关心的问题,怎么在最优效率和公平之间找到一个平衡?从算法来看它的调整难度有多大?

张浩:从技术角度不难,这其实是一个公司经营策略的问题,一边是用户,一边是司机,用户是希望价格越来越低,司机是希望单价越来越高。比如去年油价出现过 " 五连调 ",司机虽然总流水在增加,但同时物价、油价也在持续攀升,司机实际到手可支配的收入却未必与订单流水的增速相符。我们平台在中间怎么平衡?现在可能最好的办法是根据不同的供需情况做不同的方案,比如有的地区供大于求,有的地方供不应求,那我们就会进行一些调整,就跟团队管理一样,到后面都会变成精细化管理,没有一刀切的方法。

钛媒体:交通部要求维护和保障司机权益,建立一个良好的货运生态,货拉拉是怎么做的?

张浩:早年在业务高速发展中,我们一直觉得,通过技术来把蛋糕做大,是我们的最高目标,蛋糕大了,参与物流服务的每个人都能分得更多,何况我们在整个蛋糕里面还是非常小的一块。

这几年因为物价、油价的持续攀升,司机的实际可支配收入增长是放缓的,我们能做的就是不断拓展市场,提升平台单量,收入是司机最根本的。

另外我们也从其他方面给司机提供一些福利和权益,比如 2018 年我们出资成立司机关怀基金,帮扶平台上陷入困境的司机;2021 年成立司机权益保障委员会,同时对司机职业伤害保障领域进行试点;针对平台上行为分较高的司机,我们赠送免费的 " 拉货宝 ",直接保障司机在拉货过程中造成的货损或人身意外伤害。为了进一步降低货损风险,我们在全国多个城市上线了用户侧保险 " 单单保 ",用户下单时只需勾选即可投保,间接保障了司机因货损带来的风险。

钛媒体:有哪些基本要素构成了货拉拉的数字化系统?

张浩:我们经常讲到五个生产要素,就是人车货路仓,所有物流都无外乎这些要素。我们不做仓储," 人 " 的数据是最容易采集的,什么时候开始接单,在线时间多长,喜欢抢什么样的单;" 车 " 就是能装多少载重多少;" 货 " 的话,我们做的不好,基本上要靠用户自己说是什么货;" 路 ",就是数字地图,过去三年我们花了很大的力气去打造货运地图体系。

钛媒体:整个同城货运的确是一个相对低频的活动,那比较高频的客户是什么样的?

张浩:最高频的用户基本上都是专业市场里面的商铺,比如在全国最大的纺织品集散地绍兴柯桥,每天都有人进货、发货到仓库或者火车站。

除了专业市场用户之外,还有一部分小型工厂,尤其在广深,小型工厂比较发达,电子厂之类的需求也挺旺盛,这种类型跟小 B 客户差不多。

钛媒体:整个同城货运其实是一个区域性、低频、极度依赖线下的模式,而且缺乏客户的忠诚度,能够想到的规模化平台的所有不利因素都集结在这了,所以你觉得数字化的作用到底有多大?

张浩:货运这个行业,因为其同质性,很难在产品或者是技术上有什么特别大的爆点,更多是比较战术和成本。没有差异化的产品和服务,有个好处就是易守难攻,因为产品差不多,去改变用户习惯的话就需要投入非常多的资源,比如外卖平台竞争一天可能补贴几千万。所以大家在相同的资源情况下,先行者非常容易稳住优势,在行业竞争里面我们其实不担心。

货运的效率现在还是比较低的,所以我们要争取通过数字化技术,把规模做大以后降低单均成本,把价格降下来,将来肯定有一天做到可能像出行一样,再也没有人会在火车站招 " 黑车 ",因为任何一辆车服务都是一样,价格都是一样的。

关于货运的未来,与货拉拉的思考

钛媒体:利益分配机制,包括定价的这套机制,有什么调整?还是说始终是一个动态过程?

张浩:分两种,同城和跨城。同城的话,比如以前有大量的 " 黑车 " 对接家具市场,他们有一个约定俗成的价格,我们加入这个行业以后,把这个价格分成了起步价和里程价,最终定价参考了这个市场标准,但会稍微比 " 黑车 " 便宜一些。

因为只有这样,大家才从使用 " 黑车 " 逐渐变成用我们的平台,更重要的是,我们有了规模效应,时间成本还有风险都在减少,也会支撑我们价格比 " 黑车 " 能更低一些。

很难形成价格准绳的是跨城,跨城领域我们曾试图以一口价完成交易,但最后发现这招不容易奏效。因为在跨城领域里,路线起码有几百万条,很多路线可能一天都没有一单,它的数据基础是很差的,我们差不多用了两年的时间才意识到,跨城领域的价格是很难进行绝对的标准化的,所以我们现在开始尝试议价机制。同城是参考已有的行业价格,跨城尝试双方商议来定。

钛媒体:货拉拉对行业的确带来很多改变,大家也觉得这是个新的选择,但是现在好像到了瓶颈期,用户体验上升之后,下一个突破点会在什么地方?

张浩:与出行和外卖相比,货运行业还远远没有到瓶颈期。对比来说,货运可能处在出行行业 2014 年的阶段,是用户行为习惯彻底改变的前夕。数字化的红利某种程度上取决于现在科技的限制,在这种非标场景里面,希望未来 NLP ( 自然语言处理 ) 、GPT ( 生成式预训练变换模型 ) 技术应用到客服、营销等方面,进一步降低成本。

与此同时,我们也在思考,货运行业如何真正提供一个更高附加值的服务?

目前我们通过平台透明定价,对新客户或者是小商户是很有吸引力的。但中国大部分高频用户选择合同制物流或 " 熟司机 ",我们下一步要做到非常 " 标准化 ",每个司机服务质量都一样,才能把 " 熟人关系 " 给打掉。

钛媒体:最近货拉拉也在推跑腿的业务,场景更碎片化了,是不是也会对数字化系统提出更多的要求,对商务模式上也有一些新的考量?

张浩:跑腿业务的确对技术挑战会稍微更大一点。货运跟跑腿刚好相反,货运是交易起来困难,要选一个车比较难,但货装上之后,大家对时效性要求是不高的。跑腿就跟外卖类似,这个订单因为主要是 C 端用户,他对时效性的要求很高,基本不会出现货装不下的事情。

两轮车最大的困难是最后步行那一段,比如小区的某一栋房子很难找,地图里面是没有的,所以跑腿对地图还有时间预估要求会比较高,对技术的挑战会更高一些。

钛媒体:为什么要做跑腿业务?

张浩:我们原来可能有一个比较朴素的出发点,就是希望自己的车型覆盖越来越多,受到 Lalamove 的启发,我们在海外是有两轮车业务的,在东南亚比较成熟,就在想国内这边能不能做,这是一个因素。

后来我们也做了对内的用户调研,有 30% 的用户有跑腿服务需求,自然而然觉得可以去尝试一下。

钛媒体:安全方面,人货车的安全,另外还有数据安全,是不是都有很大挑战?

张浩:2021 年长沙坠车事件为我们敲响了警钟,当时我们在车上和系统上没有任何的监控能力,既不能录音也不能录像,而且恰巧那段是一个监控盲点,没有人知道发生了什么事情。

所以这几年我们也在安全方面做了很多投入,自研了 " 安心拉 " 系统,三路摄像头可以看司机的驾驶状况和货箱等,不管是监控司机的危险驾驶行为,还是辅助解决货丢货损等,都有一些帮助。

此外,货拉拉跟车订单的比例大概在 17% 左右,但我们为此还是做了很多的优化,比如说晚上 9:00 以后强制要打开录音,还有我们会强制打开摄像头,或者尽可能地去匹配有 " 安心拉 " 摄像头的司机。目前我们并不是每辆车都有摄像头,但晚间跟车的订单也会对这部分车辆做一些倾斜。

2022 年货拉拉按照国家要求成立了信息安全委员会,花了很大的力气主要解决两个问题,第一个就是隐私问题,什么时候可以收集什么样的用户数据,第二个就是数据安全问题。数据的存储规范、网络安全、办公安全、终端安全等等,我们都要严格按照国家的要求去执行。

来源:钛媒体

相关阅读