百度外卖CTO耿艳坤：做外卖面临餐饮行业不标准问题

蓝鲸TMT网讯 6月22日消息，世界O2O博览会暨IN+2016创新大会今日召开，百度外卖CTO耿艳坤表示，做外卖面临一些餐饮行业不标准的问题，当去一个餐厅点不同餐品从时候，服务员、外卖、商户出餐时间一定是不一样的，面对这个问题，百度外卖通过百度数据分析挖掘每个用户点的不同餐品大概出餐时间是什么，再决定调度订单给哪个骑士，什么时候完成这样的配送。

以下为演讲实录：

我们百度外卖在行业内对于商户的食品安全、商户资质的审核是非常严格的，外卖这个行业的特殊性又强依赖于我们的物流，从2014年下半年开始我们自建物流体系以来，依靠百度强大的技术优势打造了智能物流系统，正是因为有强大的技术优势和智能物流系统，我们才敢于向消费者承诺业界最严格的超时赔付。既然来到这个会场跟大家做一些分享，今天主要想跟大家讲的是我们的智能物流系统，在座的大部分人都是做互联网的，O2O非常多，O2O线上线下连接很多都是离不开物流的，今天跟大家分享一下我们百度外卖的物流是什么样子、百度外卖做物流的技术究竟包括什么以及外卖做物流行业时遇到的问题是什么？

现在无论走在全国各个城市的哪条大街小巷都能看到我们的外卖骑士，每个商圈都有一个商户，同时每个POI的写字楼和住宅里面又有很多用户，高峰时期会有很多的订单同时出现，我们满大街跑的骑士需要及时的配送。如何能够保证骑士更高的效率，保证用户每个订单及时快速的送达到用户手中，是我们要解决的核心问题。外卖行业骑士的资源没有忙碌或者空闲的区别，仍然可以通过更高的订单提升我们的效率和最终的效果。

举两个例子看一下，我们在做外卖这个事情上遇到的一些餐饮行业不标准的问题，大家都知道，当去一个餐厅点不同餐品从时候，服务员也好、外卖也好，商户出餐的时间一定是不一样的，中午高峰期的时候，点餐的出餐时间就会晚，然后我们通过百度数据分析挖掘每个用户点的不同餐品大概出餐时间是什么，再决定调度这个订单给哪个骑士，什么时候完成这样的配送。

 我们外卖在做智能物流的时候，对于所有的骑士是全程监管的，我们的骑士跑在大街上每个人是不需要动脑思考的，只需要看他的手机APP，他的任务列表，去某餐厅A取三份餐送给某人再取一份餐送给某人，完全的序列化。

举一个我们星巴克代购的例子，我们在判断某一个骑士有星巴克的订单并有人在星巴克的时候，我们分析他是已经在排队还是已经要离开，然后我们再决定新来的星巴克订单是否继续派送给这名骑士，保证每个订单可以准时快速的送达到用户手中。

刚才简单地解释了一下，我们外卖遇到这些复杂的环境，带来配送的问题，带来的技术和挑战。我带大家一起回顾一下整个外卖发展历程，一开始做物流的时候外卖是纯人工调度的模式，到规模大到一定程度的时候，人工已经无法去思考判断订单该如何去分配了，最后对于骑士人均单效和平均送达结果指标都是无法保障的。很快我们在2015年初的时候推出了全自化的调度系统，2015年终做了一个大幅的改进，做了一些云端的分组，每个订单在合适的时机才会选择给某一个骑士，对于我们这个外卖行业，智能物流是一个质的飞跃。

发展到今天整个环境又变了，因为现在百度外卖做得品类、行业不仅仅只有外卖和餐饮了，我们物流面临着诸多压力。超市购有大米、有油面，两轮的电动车无法完成配送，我们现在有一些全程配送需要能够长距离运输的摩托车。在多行业、多品类以及多交通工具配送上，如何从全局实现最优的效果，是我们现在正在以及未来要解决的技术问题。

我们整个的外卖智能系统的发展，现在大屏幕上这三个字母可以说明问题了，我们解释为过去、现在和未来。所谓的过去，百度外卖非常尊重我们在风风雨雨、城市大街小巷跑的骑士，当有一个骑士认为他身上的订单任务分配不够合理的时候，我们怎么办他可能认为一个订单跑东跑西，跑的冤枉路，并不够合理，系统没有那么智能，我们怎么给他解释，在我们的智能物流体系有一个很重要的环节叫做时光机系统。当这个底单号被反馈上来的时候，我们可以快速回到那天、那时、那分、那个订单产生和分配的时候，那两个时间点还有哪些别的订单，别的骑士当下都在哪儿、什么状态，身上扛了几单的压力，我们以此来给出一个非常充分的理由。我们要保证全局效果的最优化，难免有一些局部的折中。

 除了时光机系统以外，我们比较核心的是调度跟实时监控，相当于在我们的百度外卖调度室里面有一个大屏幕，大屏幕能看到每个城市、每个商圈各个维度的实时状况，今天的单量和昨天相比是不是因为雨雪或者其他的原因有一些异常的增加或者异常的降低或者说今天骑士的上岗量，订单人均分配的压力是不是自动取一些爆单的预案，我们有一个非常完善的实时监控系统。此外，我们每天有几十上百的研发工程师在做这样的策略迭代，如何保证每一次上线都能够把我们最后想要的结果指标有提升，而不会因为某一次上线之后结果指标变得非常难看。我们有仿真系统，模拟前天、过去所有天的环境，设置障碍的环境去训练新的模型对结果指标带来新的变化，我们判断这种的策略调整是否值得上线。

 刚才给大家看过的是，我们外卖解决的实际问题是什么？也给大家举了一些例子，也看了看我们整个智能物流系统的几大组成，这已经是最优解了吗？不是的，因为之前讲的所有东西都是在一个既定环境下，也就是说，给一个考生一份试卷的时候，他在努力的把这份试卷做到一百分，刚才仅此而已。就这页PPT来讲，也是智能物流非常大的补充，我们的寻宝系统，如何能够让这个试卷的环境发生一些变化，如何让考生发现他试卷的题目里面有些不合理的或者有错题的，挑出来把它答对，这是我们要做的工作。我们商户资源遍布在大街小巷，能够覆盖足够的人群，有更多的流水订单，事实上，这对我们平台来讲一定不是最好的，我们会通过我们的寻宝系统，来分析每一个商户的用户分布在哪里，用户分布上有哪些点和物流运力的成本匹配计算是不合理的，这个时候我们系统会自动地调整这个商户的配送范围，使其可能小一点。同时我们也会帮助这个商户分析预测，在现在配送范围旁边或者几公里，一公里500米的位置还有某一个写字楼在这个写字楼上，覆盖的品类恰好是缺少你这个商户的，比如说烤串，这个时候我们判断如果把这个商户配送范围扩大，给这个用户、给商户、给平台带来什么收益，自动把商户的配送范围放大直到覆盖到我们希望它覆盖到的人群。

 其实，我们曾经在也想，每个用户在每个点上看到的商户不一定是越多越好的，他可能只希望看20个、30个就够了，我们判断哪些商户是同质的上去，POI点如果有50家小龙虾或者有50家川菜，对用户是一种潜在的干扰，我们会把这些优质的资源倾斜给优质的商户，做一些同质商户甚至说同品牌的商户，这样的一些配送范围的区分。

 讲到这里，大家能看到我们整个百度外卖在做物流，基于现在智能物流体系在做的，能够保证物流我们现在平均订单在30分钟多一点点可以送达到用户手中。我们现在在全国范围内向用户承诺超时赔付，因为有着这样的支持才有这样的底气。我们百度外卖在战略方向上一直坚持着“三步走战略”。最开始2014年的时候我们做外卖真的是在做外卖，一个高频的行业，我们切入外卖市场，有了外卖的市场，我们发展自有的物流，因为它足够高频，它能够养起一个大规模的物流团队。时至今日来讲，我们相信整个外卖行业对于大众餐饮业也好、对于大家生活的影响也罢，已经具备了很强的规模，接下来无论跨品类，我们继续做餐饮。我们未来的目标，是打造千亿级同城物流的交易平台。谢谢大家！