滴滴打車已在出行市場近乎一統(tǒng)天下，但沒有人注意到，跟打車市場幾乎在同一時間誕生的貨運O2O市場，卻依舊還未到達終點。
2014年，出行領(lǐng)域剛剛誕生便產(chǎn)生了激戰(zhàn)。短短不到8年時間，在線打車已經(jīng)遍布中國各個區(qū)域，滴滴一路過關(guān)斬將，整合了快的，拿下了uber，登上出行賽道的鐵王座。
然而同樣是2014年，貨拉拉、滿幫，58速運等貨運O2O企業(yè)也在同一時間起步，然而時至今日，貨運市場并沒有像出行市場一樣，快速規(guī)模化地在全國各地爆發(fā)。即便頭部企業(yè)有了較高的市場份額，但相對于廣袤的市場來說，仍舊是冰山一角。
出行向左，貨運向右。為何同樣是龐大市場的兩條賽道，卻走出了截然不同的路徑？
有媒體認(rèn)為，行業(yè)服務(wù)鏈條的廣度，以及技術(shù)的深度，是出行和貨運兩個產(chǎn)業(yè)最大的不同，而這也讓讓貨拉拉等企業(yè)，不能像滴滴一樣，依賴龐大的線下軍團快速擴張。
相對應(yīng)的，貨運公司更多的力量，需要聚焦在一個幾乎沒有人觸及到，但卻需要更長時間積累的領(lǐng)域——技術(shù)。
一、物流園路邊的貨運O2O萌芽
貨運是一個并不亞于客運的龐大藍(lán)海市場。
數(shù)據(jù)顯示，中國道路貨運業(yè)從業(yè)人員達2089萬人，其中貨車司機占87.7%，而99%的司機表示自身家庭均依靠其駕駛收入為主，或者是僅有駕駛收入來源，如果加上關(guān)聯(lián)業(yè)態(tài)的從業(yè)人員，他們背后所支撐的家庭供養(yǎng)人口不下一億人。
典型的深圳華強北，共有企業(yè)2.5萬家，個體工商戶2.6萬戶，從業(yè)人員20萬，日均人流量達30萬-50萬人，高峰期可達80萬人。一天內(nèi)各個時間段，數(shù)不清的貨物，在貨車的裝載下，發(fā)往全世界。
在2013年以前，貨運司機們往往聚在物流園門口，盯著門口的黑板，在密密麻麻的信息中，尋找接單的機會。
這些物流園通常都有一個信息部，工作人員把用戶的需求匯總在黑板上，“黑板上寫著有什么樣的貨，多重，要找什么樣的車，從哪里到哪里"。
在華強北拉了10年貨的陳師傅回憶說，以前他經(jīng)常在就物流園門口去“扒活"，看到有合適的信息，就會打電話給客戶接單子。有的時候，客戶也會直接來路邊找他們。
除了線下，物流公司、司機和貨主們也會聚集在QQ群里發(fā)布信息“貨主們一般需要提前幾天聯(lián)系好司機，司機如果看到這個信息比較匹配，就會打電話聯(lián)系貨主。
“有時候我也會主動在QQ群里發(fā)消息，比如從深圳運貨來到了外地，不希望空車回來，就會提前在群里發(fā)布消息，希望能夠找到回程的需求?！标悗煾嫡f。
但現(xiàn)實并不盡如人意，并不是每次都能找到回程的需求。隨著跑貨運越來越多，他們的收入開始降低，有時候一天接不到一兩單子，許多時候幾個司機坐在一起打撲克，“但是心里是很焦慮的，因為都有一家老小要養(yǎng)活。”
有沒有一種方式，讓貨車司機和貨主們能夠都能夠更有效率地匹配起來，讓貨主能夠方便地找到司機，讓司機不用在街邊"扒活"。
在這樣的需求驅(qū)使下，貨運O2O公司應(yīng)運而生。
2013年，貨拉拉成立了，2014年下半年正式進入內(nèi)地市場，瞄準(zhǔn)了廣州和深圳這兩個華南貨運重鎮(zhèn)。
2014年9月，58速運App正式上線，主打城市短途貨運。
2017年，運滿滿和貨車幫合并，成立滿幫集團。3年后，滴滴也成立了貨運公司，正式加入這個戰(zhàn)場。
初期，許多司機也沒有智能手機，為了幫助產(chǎn)品冷啟動，貨運公司的產(chǎn)品經(jīng)理們經(jīng)常一起“混跡”深圳和廣州市郊的大排檔，跟幾十位司機成為了好兄弟，說服他們使用貨運軟件。
就這樣，貨運O2O市場，蹣跚起步。
二、貨運告別散兵游勇，但補貼行不通
然而誰都沒有想到，本以為貨運會是跟打車一樣，可以快速規(guī)?；瘡?fù)制，現(xiàn)實卻給創(chuàng)業(yè)中的貨運公司們潑了一場冷水。
2015年前后，許多公司都希望用客運O2O模式去解決貨運問題，即燒錢補貼，最高峰的時候有200多家公司都在瞄準(zhǔn)這一市場，整體市場以每年超過20%速度在增長。
雖然出行和貨運，看上去都是交通服務(wù)，但問題在于，貨運的服務(wù)鏈條和無法解決的痛點根本不是可以通過補貼解決的。
一般來說，在線貨運平臺主要有兩種：一種是簡單顯示貨運需求以及承運人與商戶聯(lián)系方式的信息發(fā)布平臺。
另一種是促進端到端的貨運交易——從下單、定價、預(yù)付款、貨運匹配、訂單追蹤、確認(rèn)付款結(jié)算的“閉環(huán)”平臺。
對于后者來說，遇到的技術(shù)困難遠(yuǎn)比想象中難得多。第一個橫亙在面前的便是信息化難題。
張浩是貨拉拉現(xiàn)任CTO，曾任餓了么技術(shù)副總裁，他在接受采訪時曾感嘆，與其他O2O平臺相比，互聯(lián)網(wǎng)貨運的數(shù)智化還有很多工作要做。
互聯(lián)網(wǎng)貨運數(shù)智化面臨的第一個挑戰(zhàn)是“車”、“貨”的匹配。
打車市場，人和車都是標(biāo)準(zhǔn)化的，所以可以用同質(zhì)化的手段完成每一單服務(wù)。然而，貨運市場，車和貨不匹配就裝不下。在貨拉拉平臺上，車輛大的類型就超過17種，貨物就更是千奇百態(tài)。
第二個挑戰(zhàn)是道路限行。在城市道路中，大量存在著貨車限行、限高、限重、限軸重，還有一些政策因素，有些路段小貨能過去，中貨不一定能過，這些都需要數(shù)據(jù)，讓車、貨以及環(huán)境做精準(zhǔn)的匹配。
這是都是行業(yè)普遍面臨的難題。
當(dāng)時，許多公司都靠巨額補貼給司機維持著用戶量，卻沒有真正獲得用戶。這些補貼來自于風(fēng)險投資基金，風(fēng)投的錢是有限的，逐漸地，一些公司開始難以為繼。
很快，大量公司在那場大戰(zhàn)中曇花一現(xiàn)：咕咕速運、一號貨的等公司先后折戟。
貨拉拉是經(jīng)歷這個賽道起伏的典型代表。
這家公司也曾經(jīng)在一段時間也被卷入了補貼大潮之中，然而他們團隊卻認(rèn)為，如果一味地給補貼，當(dāng)時引來很多刷單用戶，不是平臺真正能夠留住的人，對于平臺、對于真正的用戶都是不利的。
在寒冬下，貨拉拉也到了生死存亡的時刻，于是，當(dāng)時的創(chuàng)始團隊做了一個決定：停掉給用戶的補貼。
這個決定如同斷臂求生。因為其它平臺還在給用戶補貼，貨拉拉訂單量從日均一千多單跌到了400多單，所有人的壓力都很大，但是貨拉拉的團隊還是相信一件事——要解決真正用戶真正的痛點。
但另一面，一項在全球都算得上是無人區(qū)領(lǐng)域的貨運技術(shù)，開始在這家公司悄然誕生。
三、技術(shù)突破成為貨運“主航道”
互聯(lián)網(wǎng)貨運公司的產(chǎn)品演進邏輯其實并不復(fù)雜，那就是如何把貨運效率一步步提升至極致。實際上，物流的本質(zhì)就是從A點到B點的效率游戲。
現(xiàn)任貨拉拉產(chǎn)品副總監(jiān)的羅肇豐是貨拉拉最早的產(chǎn)品經(jīng)理之一。據(jù)他介紹，在2014年左右，貨拉拉僅是簡單的信息撮合平臺，效率非常低下，司機需要從海量的訂單中挑到與自己車型、距離相匹配的訂單。
不過，讓大家從線下打電話搬到了線上，雖說產(chǎn)品功能簡單，但已經(jīng)是對這個行業(yè)最大的破局了。
2015年-2016年，隨著對市場的了解加深以及司機、用戶信息數(shù)據(jù)的積累，貨拉拉開始進行精準(zhǔn)匹配，幫助司機過濾掉并不適合履約的訂單，提升司機效能。
2019年之后，隨著算法能力提升，產(chǎn)研團隊壯大，算法開始在貨拉拉真正全面投入使用，在提升履約效率的同時也能平衡司機、用戶的體驗。因為算法的使用，司機在完成一單后的等單時長減少，用戶也容易找到適合自己貨物特性和偏好的車，極大提高了效率。
如今貨拉拉的產(chǎn)研團隊已經(jīng)從兩三百人到現(xiàn)在的接近2000人，研發(fā)團隊從一開始只有前臺、中臺等幾個部門，現(xiàn)在各板塊都進行了細(xì)分，并都提升了專業(yè)化程度。
“技術(shù)是可以用同一套武功打天下的，而這套武功的核心在于降本增效?！?張浩在接受記者采訪時曾如是說。
2020年張浩在某次行業(yè)大會上分享了貨拉拉打造的一套降本增效的技術(shù)體系，這套中臺系統(tǒng)在貨拉拉內(nèi)部稱之“智慧大腦”，分供需，分單，營銷，定價四個模塊。
供需引擎預(yù)測運力分布，需求預(yù)測和運力預(yù)測；
分單引擎就是在做匹配，訂單來了，給哪個運力；
定價引擎制定不同貨運、不同車型價格，有時在不同路段不同時段價格不一樣；
營銷引擎在什么時候去做什么補貼，促進需求。
這個系統(tǒng)在AI、大數(shù)據(jù)和地圖等基礎(chǔ)能力之上，通過自研運籌優(yōu)化算法框架解決核心的資源優(yōu)化配置問題。在 IoT技術(shù)之上，把所有的物流的生產(chǎn)元素數(shù)智化之后進行最精準(zhǔn)的匹配。
然而，在貨運的“人、車、貨、路”生產(chǎn)元素中，人的數(shù)智化尚且容易實現(xiàn)，車、貨、路的數(shù)智化何其艱難。
貨物非標(biāo)，車型類別龐雜，道路限行條件復(fù)雜、多樣等等，這些都是整車貨運場景特有的挑戰(zhàn)。
“不少同事剛加入時會有些不適，因為貨運場景的技術(shù)難度會讓行業(yè)內(nèi)的專家都難以應(yīng)對?！痹?jīng)在客運O2O公司工作過的貨拉拉技術(shù)總監(jiān)石立臣坦言。
石立臣負(fù)責(zé)貨拉拉交易引擎和地圖團隊，曾是吳文俊人工智能自然科學(xué)獎一等獎獲得者。在他的團隊，核心骨干專家有30多人，都是來自阿里、百度、美團等一線公司，算得上國內(nèi)地圖界的領(lǐng)軍人物。他坦言，貨運場景下“路”的數(shù)字化比想象中難太多。
“雖然挑戰(zhàn)很大，但我們有兩項技術(shù)做到了行業(yè)領(lǐng)先?！笔⒊冀榻B到，一是車貨匹配，二是裝卸貨點推薦。
以車貨匹配為例。用戶下單后，平臺基于貨物特點、適配車型的運力分布，結(jié)合路況、限行等綜合因素，實現(xiàn)實時匹配。通過大數(shù)據(jù)的積累和智能決策系統(tǒng)的迭代，持續(xù)提升履約效率。
再比如裝卸貨點推薦?；谟脩舻南聠蔚刂罚扑]適合貨車裝卸貨的具體位置。通過大數(shù)據(jù)記錄、分析裝卸貨點的歷史分布，基于下單地址與路網(wǎng)的拓?fù)潢P(guān)系以及道路限行信息，通過智能推薦系統(tǒng)，給用戶推薦哪里適合停車，在哪里裝貨、哪里卸貨。
在不斷的技術(shù)積累下，貨拉拉在拉貨、搬家場景中,其智能分單系統(tǒng)日均已經(jīng)能處理百萬級訂單與國內(nèi)平臺幾十萬名司機之間的即時分配問題。
接下來，貨拉拉將推動貨物識別與體積測量技術(shù)，以及打造互聯(lián)網(wǎng)貨運地圖整體解決方案，在貨運數(shù)智化方向再進一步。
八年光景，英雄沉浮，貨運艱難前行。貨拉拉的案例證明，在這塊中國仍舊是一片藍(lán)海的O2O市場里，只有對技術(shù)的投入和執(zhí)著，才能真正擁抱它。
原創(chuàng)文章，作者：若安丶，如若轉(zhuǎn)載，請注明出處：http://2079x.cn/article/544861.html
