即时配送业务的背景及挑战在线视频

我们非常高兴有这样的一个机会

和大家做一个交流

我今天就这个主题是

叫即时配送中的人工智能

我希望通过今天这个讲座

能够给咱们在座的各位

传递两个信息

一个是我希望通过今天这个讲座

各位能够对我们

美团的即时配送业务

有一个比较全面的了解

第二个就是希望通过这个讲座

能够对我们

在把人工智能怎么样去落地

在我们这个即时配送业务里边

去落地去实施

去产生实际的业务价值

在这个上面做的一些具体实践

希望通过能够一些案例

来进行一个相对全面的介绍

我的讲座

大体上分成这么三个部分

第一个是先整体介绍一下

我们整个即时配送业务

场景是什么

中间面临的难点挑战是什么

以及我们在哪些方面

做了一些事情

第二部分是说我想挑两个案例

一个是我们的订单分配

第二个是供需平衡

这两个比较典型的场景

来做一个展开

最后再对我们这个业务

未来怎么样更好的

应用人工智能技术

提升业务价值

来做一个总结展望

第一我首先整体对美团外卖

做一个全面的介绍

就是美团外卖这个形式

我相信大家都通过各个渠道

也可能点过外卖

也可能有过一些了解

它这个业务形态

相对来说比较清晰

就是平台把各个商户的信息

他们能提供什么样的外卖

然后放在这个平台上

给用户提供

这样的一个统一入口

那么用户可以

在这个平台上去下单

去点某一个商家的外卖

然后再通过我们配送

把这个用户点的外卖

送到这个用户手中

那这样的一个业务形态

应该说虽然出现的时间不是很长

也就大概四年左右的时间

但是它的体量它的规模

一直是在快速的增长

这有一组这样的数据

就是目前累计

使用过外卖的用户数超过两个亿

基本上也覆盖了

咱们国内几乎所有的城市

这在上面有超过200万的商户

其实事实上现在是有

60多万骑手在这个平台上

每天来以送外卖来得到的收入

作为他们主要的生活来源

那么每天的单量现在是超过1800万

我们配送业务其实就是承担

怎么样去管控

优化这50多万骑手的工作

怎么样能让他们

更有效率的去完成配送

主要是这样的一个阶段

目前美团外卖

也是全球最大的外卖平台

从配送的角度美团配送

也是全球最大的

一个即时配送平台

这个地方我稍微深入地展开一下

对配送业务做一个展开

基本上即时配送其实应该说

业绩也没有特别明确的定义

一般是认为

我们在大概一到两个小时之内

完成从用户下单

到用户收到这个订单这个过程

都可以归到

即时配送这个大的范畴

一般来说这个即时配送

它是通过外卖平台来去下单

当然像早期也是说一些超市

或者说一些大的商户

像麦当劳

它是有自己的配送团队

广义的来说

像这种都可以称为是即时配送

他们的货源可以来源于外卖平台

来源于一些商超

也可以是一些个人的用户

比如像现在这个跑腿

那么这个订单

从这些货源发出来之后

会进入即时配送

这样的一个业务形态

目前简单来说

这个配送有这三类基本的形态

就是分别是自营 加盟和众包

自营顾名思义

就是自己来招聘骑手

自己来组织配送

来进行骑手的管控

加盟就是我把这个配送业务

外包给一些加盟商

再一个就是众包

众包的话就有点像滴滴

像很多众包平台一样

我们任何一个公民

都可以在上面注册成为一个骑手

这些典型的企业其实像美团

既有众包

也有自营和加盟叫美团专送

另外还有一些

这个领域的一些典型的公司

像饿了么对应的配送叫蜂鸟配送

还有像达达 闪送

还有国外还有一个叫GoJek

当然这只是一个例子

或者说这整个只是一小部分

应该说国内

包括整个全球范围之内

即时配送

都是在最近三四年里边

有大量的创业公司在蓬勃发展

当然这个也是这样的一个趋势

就是说我们的即时配送

或者说更广义来说这种物流

在早期这种即时配送平台

真正发展起来以前

基本上都是各个商家自己来组织

大一点的就是像麦当劳

它可以自己每一个店

组织那么一二十人的配送团队

但对于一些小的商家

它可能就是自己的服务员

在这个时间不是特别紧张的时候

他充当一个配送员这样的角色

但事实上随着我们基础设施

比如像智能手机

还有像需求起来之后

这一块其实是渐渐地

往一个集约化

平台化的方向去发展

因为这样的一件事情

做成一个平台

那么它整体的

一个效率和用户的体验

才能得到比较好的保障

因为这种平台物流

它自身的这种集约化规模化

具备这样的一个明显优势

那么其实这个图可以看到

这个规模是

在最近几年是快速发展

这个图显示的是

这个美团配送的日活骑手数

就是每日活跃的骑手数

就是每天所谓活跃

就是在平台上接了单

并且完成了配送这样的骑手数

这个其实

从早期2016年初一万人左右

到现在有大概50多万人

这样的一个规模

那么从这个趋势也能看到

其实未来还会在持续地快速发展

当然这种快速发展

我觉得至少有这三个方面的原因

第一个就是我们认为外卖本身

其实它的需求目前还处在

一个快速的增长的速度当中

因为就是目前美团外卖

每个月的新客数

就是第一次

进入平台点外卖的数量

仍然在数百万这样的量级

那么第二个我们外卖肯定

当然前期主要是服务于

我们的早餐午餐晚餐

但是渐渐地其实外卖也会扩品类

包括像百货 商超

甚至未来的这些电商

就传统意义上认为

是电商所涵盖的这个范围

都可以进入这个外卖的品类当中

所以说这个是一个趋势

第二个趋势是说

我不知道大家对这个新零售

有没有一些具体的研究

其实我们如果回顾

电商整个它的发展历史

我们就会看到

其实用户在这个对时效

对这种配送时效的追求

是逐步提高的

大概在七八年前

可能淘宝该开始

我们买一个东西

那个时候可能从你买

到你最终收到这个物品

大概得需要5-10天吧

这样的一个周期

那后来京东它自己来建仓

自己来负责

整个物流的整体履约过程

那么它可以推出当日达

或者是次日达

让它一下子在电商里边占据了

一个非常好的竞争优势

那么现在大家

包括各个主要的电商公司

都在做跟新零售相关的事情

其实从配送的角度

从时效的角度

他们可以做到两个小时以内

这个也是他们的目标

因为用户是越来越

对这个时效的要求是逐渐变高的

所以说像新零售

他们的一个核心点

就是要把这个仓

建到很靠近消费者的位置

那么可能以后一个北京会有

数百个到上千个这样前置仓

那么如果这样的话

我们以后

不管是在淘宝或者京东

我们下一个单那可能就会

在一到两个小时

就可以给我们送达

所以说这个也是一个趋势吧

就是说在新零售这个场景下

我们即时配送

是有它最独特的价值

再一个就是即时配送的场景

会逐渐地变得丰富

这个主要是说像C2C的一些跑腿

一些全城送

如果我出去突然忘了一个东西

我可以马上发一个跑腿

不像以前还得再回去

这样的场景是逐渐变多的

所以因为这三个方面的因素

我们认为未来的即时配送业务

会继续持续地快速发展

刚才我也提到了就是平台物流

它具有自己的优势

规模化跟集约化这样的优势

那么如果

我们放大到看整个物流行业

其实这样的一个趋势

正在改造我们整个

全中国这样的物流

各个场景的物流行业

包括像城际的整车物流

或者是同城的物流

或者是冷链

或者是针对这个纯C端的物流

我觉得这个是一个大的趋势

因为我不知道大家有没有关注过

比如说像物流

在我们国家的GDP里边的占比

大概是15%

但是像欧美

可能大概也就是8%左右

但这种差异其实一方面

是因为这个经济结构不一样

因为我们国家因为服务业的占比

还不是特别高

但是第二个方面也说明

我们在整个物流行业的集约化

规模化的程度还不够

特别是长尾

比如说像传统物流

可能最大的一家公司

它的市场份额的占比

可能也就在5%可能不到5%

所以说这是一个非常巨大的

而且在未来

又会迎来一个巨大变革的

这样的一个大行业吧

接下来我想给大家具体

深入到我们美团配送的业务里边

来介绍一下它的基本组成

就是基本上我们的这个配送

就是内部会分为很多服务形态

像快送 专送 或者全城送

这个是不同的服务类型

它背后往往会意味着

是不同的配送团队来对接的

比如说像专送我们认为

它的服务体验会更好一些

它的配送费的定价

会相对偏高一些

快送就可能质量保证会差一些

但是它的配送的成本

配送费会相对便宜一些

这个是对外的一些服务类型

那么我们自己开发的内容

就是大概包括三个部分吧

第一个是

我们要开发给骑手用的APP

就是每一个配送员每一个骑手

他用的APP怎么去接单

怎么去取货去送达

去通过各种工具

去提升自己的个人能力等等

再一个是叫运营系统

运营系统主要是

跟我们配送里边的其他参与的好

各位同学

可能平时接触的都是骑手

但是他们从骑手之上还有站长

还有加盟商还有配送经理

还有我们整个后台总部运营

各个层级

要专门开发这样的一个系统

有点像配送里边的一个ERP

可以这么去定位它

再一个就是我们可以

管它叫智能配送系统

这个主要是会强调

我们会通过一些自动化

智能化的手段

来提升整个这个业务环节的效率

那么除了这几部分之外

还有一个是跑腿服务

这个是完全是

属于配送自己组织的

第二个是海葵开放平台

就是刚才说我们的配送

这个订单

不仅仅从外卖这个平台上来

一个商铺它即便

不在这个美团外卖平台上

它也可以直接接入这个海葵

然后把它的订单发给我们

按照一个协议的价格

我们来帮它去完成配送

这是一个整体的一个配送业务

然后我接下来再从偏微观的角度

来做一个解释

就是让大家对这个配送业务

有一个具体的感觉

这地方是一个图

然后可以说我们整个配送业务

在一个城市里边

都是按照区域来组织的

可能一个北京

大约会划成上百个左右的区域

它这些区域之间不会重叠

也就是说一个商家一个饭店

它只会唯一的属于一个区域

这个是几个区域的概念

然后每一个区域

我们会交给一个配送团队

来完成这个区域内里边

所有商家的配送

那这是这个概念

然后另外一个

就是商家和这个配送范围

就是每一个商家

我们会为它划一个配送范围

所谓配送范围就是用户

必须落在这个配送范围里边

才能享受这个商家的配送服务

然后每一个商家

都会有一个自己独特的范围

这个范围的大小

会取决于很多因素

取决于它的品位

和我们为它服务的类别

还有像这个区域

自己整体对于效率的一些考虑

然后骑手会绑定到一个区域上

比如说一个

像北京的这样一个区域

大约都会有几百个骑手

然后他一天的单量

会有从一两千到一两万不等

是这样的一个体量

这样的一个规模

当然我这说的

只是一个抽象的例子

事实上像刚才说的

那个专送 快送 混合送

其实都是不一样

这个只是专送

是采用这样的一个形式

来进行组织的

但是通过这个

我觉得是比较清晰的

可以了解我们后台的配送的

这样的一个组织方式

像全国这样的一个区域

在美团配送大概会

有九千多个这样的区域

然后每一个区域

都会有自己的很多商家

有很多骑手

那可以想象整体的

这个体量是非常大的

从我们配送平台的角度

我们就会想怎么样

让这样的一个配送业务

运行得足够有效

这是摆在我们面前

一个非常关键的问题

那这个地方我就是想说明

对于配送业务来说

什么是它比较关键的部分

从一个技术的角度

从一个技术的视野来看它

那么首先

我们配送的目标非常清晰

就是希望用户的体验要好

另外就是骑手体验

和配送成本也要比较好

用户体验非常简单

我们就认为你都希望要准时

另外配送时长不要特别长

再一个配送费也不能特别高

特别高了

就超出我们可以承受的范围

骑手体验就是说

因为骑手到这个平台来

他是为了挣钱的

所以他一个最主要的诉求是说

我在你这个平台上

我一天可以挣最高的钱

那反过头来说

就是要送尽量多的订单

就是他的效率是提升

他的体验的一个非常重要的方面

但从平台的角度配送成本

其实也是跟那个骑手的效率

直接相关的

当骑手的效率越高

那我们摊到每一个订单上的

配送成本就会越低

所以可以看到就是说

达成这三个维度的目标

其实都会跟一个问题特别相关

就是怎么样提升我们配送业率

配送业务的一个整体效率

这个效率怎么来理解呢

我个人是给它抽象成是

我会认为这个配送

它其实是一个资源配置的问题

就是怎么样去实现

这个资源的最优配置

那我们这个场景下资源就是骑手

那我们的任务就是全国范围之内

各个时间在不同的时间

不同的空间里边

会有大量的订单

那所谓这个资源的最优配置

就是说在各个场景下

我们都希望这个资源能正好合适

既不多也不少

这个是资源的一个最优化配置

那解决这样的一个问题

我又给它分成三个层面

就是右边有这三个层次

就是第一个层次

是我们希望这个配送的

就是实现这个资源的最优配置

第一个层次

是我们的配送网络要比较合理

所谓配送网络

就是刚才说的一个北京

假设划为一百个区

那会怎么划比较合理

这个区域的边界该怎么选

这有点像说我们中国

有32个省级行政单位

那每一个省的边界该怎么划

划成什么样是最最合理的

有点像这个问题

但比那个要稍微简单一些

但即便如此

比如说北京

划上百个区该怎么划

每一个商家

它的配送范围该怎么定

其实也是一个挺复杂的问题

这是第一个层面

这个是一个长期的

可能划完之后会数月都不会改变

那第二个层面我们认为就是

运力和需求

就是所谓运力就是骑手

骑手的数量和我们的订单

要实现一个动态的匹配

这个动态的匹配我们认为是在

小时和周这样的一个力度

要实现一个动态的平衡

这个我下边有一些例子

比如说每一天应该是

有几个骑手需要上班

那么他每一个人

应该几点到几点上班

更普世一些的问题是这个区域

应该招多少骑手比较合理

未来的订单量会涨到多少

因为招骑手是一个挺慢的事

我们不可能在我们需要的时候

说招马上就可以招到

所以说这就需要说

我们对未来的订单

有一个准确的预测

在这个基础之上

来配置合理的骑手

所以这个是所谓的

预定需求的一个动态平衡

这样的一个层面的事情

第三个层面就是一个实时的匹配

与执行层面的优化

这个层面的一个典型问题比如说

像用户发了一个订单

那我这个订单应该分给谁

因为一个区域刚才也说了

都往往是有一二百到三四百骑手

那应该分给谁

他应该怎么送

这个其实是在这个层面

最关键的一个场景

我们认为要解决好

这三个层面的问题

你整体的资源配置

才能得到一个比较好的优化

那你整体的配送效率

才能得到提高

具体来说

其实刚才说的这三个抽象的

就是中长期的是一个网络优化

中短期的是一个

预定需求的动态平衡

实时是一个匹配

具体来说我们这把所有的问题

分成这么几大类

比如说是调度问题

我这个订单怎么样去压单

怎么样去分配

怎么样去合单还有改派

还有单量预测

再一个就是定价问题

就比如说一个订单

我们管用户收多少钱

收多少钱的配送费比较合理

那给骑手多少钱的补贴比较合理

那比如说一个商家要接入配送

我们应该管它收多少钱比较合理

等等这个都属于配送的定价

需要研究的一个场景

那底层的就是刚才说的

这种规划层面的问题

除了这三个大问题之外

我们还要研究

比如说一些交互层面的问题

像骑手我们希望他能够

提升他的安全

减少他在骑电动车的时候

看手机这样的次数

那我们要给他做一个助手

然后希望他能够

通过语音完成所有的操作

同时我们也希望能给他一些建议

这个都属于交互

还有硬件

硬件就是给配送跟骑手的装备

跟商家的装备相关的一些内容

最右边是一些智能运营

比如说服务于招聘

或者服务于说商家签约

是这样的一些场景

可以看出在整个这个即时配送

这样的一个业态里边

有很多可以归类于这种

复杂的决策问题

这样的问题比较多

比如说该分给谁

定价该定多少

该划多大

这个都属于这个问题

那这种问题它的难点

可以认为有这么几个方面

第一个它是有多个目标的

刚才也说了用户体验骑手体验

还有平台的一个关注的成本

再一个就是每一个决策点

其实它的影响因素非常多

它不是一个非常容易

可以制定决策

这样的一个问题

再一个像很多场景

它的可行方案是很多的

我们怎么样去找出

一个最佳的应对方案

再一个是规模巨大

规模巨大就是刚才说的

对于这样的一个即时配送业务

每天需要送出1800万

那如果可能一个像以前

也有这样的一个跑腿公司

或者是一个像一个饭店

它如果做的大了

它会请那么十到二十个骑手

帮他来完成配送

在这个时候体量还非常小

即便你做的好或者不好

在成本上

在体验上感知不是特别大

那么当我们这个业务体量

大到一定程度之后

其实量变就形成了一个质的变化

就是通过这个层面

反而就成为我们这个平台

最核心的竞争力

怎么样在相同体验的情况下

我们的成本比别人低

或者反过来成本一样的情况下

我们的体验比别人更好

这个是从平台的角度

面临的一个非常关键的问题

像这些问题

在应该说平台建立之初

都是靠人工来做的

或者是人工去定义

一些非常简单的规则

比如说举一个例子像订单的分配

来一单该给谁

早期都是每一个区

这九千多个区

每一个区要配一个专职的跟单员

或者叫专职的一个调度员

他的任务就是来一个订单

我要分找一个人去分

那一个区一个人

那全国九千多个区域

要额外聘九千多个人

这个成本的影响是非常大的

这个就是第一个它带来的问题

再一个

它的效果其实也很难特别好

因为人为的因素

他在考虑很多因素的时候

没法全面的去平衡各类影响

没法做很好的

利用数据做一个量化决策

再一个就是也是一个问题

就是说当你过于依赖人的话

容易滋生一些线下的腐败

比如说在分单的时候

那他会把一些好单

距离短金额高的单

分给自己比较熟的人

其实这种是难免的

但是这种恰恰又是对这个平台

对最终用户是一个很大的伤害

所以就是因为早期依赖人工

或者是依赖一些简单的规则

造成了这些问题

那我们从平台的角度

我们就寄希望于通过一些数据

通过一些人工智能的技术

来解决这些问题

实现一个更好的效率和用户体验

说到这个地方

我这可以从这个角度来讲一下

人工智能的一个简要历程

这个非常简单

早期的话就是说

在计算机刚出现的时候

可能它就是实现一些

计算和检索这样的一个功能

在当时就会感觉非常智能

但它后期

其实主要人工智能的发展

都在去研究一些

规律的分析和规律的挖掘

比如说像早期我们做一些回归

建一个用最小二乘

做一个线性拟合

然后再之比如说

我们做一些指标的预测

我都可以给它

归为规律的分析和挖掘

这样的一个类别

甚至像现在的图像识别语音识别

其实说白了

它的本质仍然是低于数据

去找到这样的一些规律

我们输入特征进去

它会把这个最终的结果

基于这个挖掘到的

一个模型去输出一个结果

这个阶段的人工智能

我认为仍然

是处于一个规律的分析

和挖掘这样的阶段

那么第三个阶段

我可以管它叫决策的建模和求解

这个其实如果大家学过

跟运筹优化相关的内容

就会有一个认识

比如说像现在像AlphaGO

比如说像动态电价

在一些平台去订机票订酒店

还有像自动驾驶

我认为都是属于这个层面的问题

那么这个是简要的

这么分成三个阶段

其实尤其是第二和第三

我认为它并不是说哪一个更好

而是说是两个不同的角度吧

应该说过去这五到十年人工智能

或者说机器学习深度学习

又重新得到公众的广泛关注

其实主要是在第二个阶段

我们在一些机器学习上

得到了一些长足的进步

像这个深度网络

它的编辑能力变得很强

这个其实是

在第二个阶段所做的突破

但是我想说的是说

如果我们在面临一些

具体的业务场景

面临一些

具体的业务问题的时候

其实往往我们面临的

都是第三类问题

第三类

就是说我们最终是要面临的

一个如何去进行

最终决策的一个问题

当然像有一些场景

比如说像早期我举一个例子

比如说像百度搜索

我们早期上百度输了一个关健词

然后它返回一系列的结果

那么可能早期它就是后台

去训练一个典型的预估模型

一个CTR

然后我看看

我给用户展示哪些内容

用户点击的概率会比较大

那它就直接把这个点击的预估的

高的这个结果反馈给最终的用户

这个是早期的一种做法

像这样的做法就是说把这个问题

转化成了一个点击的预估

因为它认为第二个阶段的决策

就直接是按照点击的预估

从头到底排个序

直接输出就可以了

但是事实上我们如果说

站在一个这样的角度来看问题

我们认为我们给用户展示什么

这其实是一个做决策的问题

我们把点击的预估这个

真正是我们最终的目标吗

这个其实也未必

因为从百度搜索的角度

不光希望这一次用户感兴趣

会比较关注

他同时也希望说以后

用户能够对这个平台进行信任

一有问题就会想到

利用百度搜索去搜

所以后期百度搜索

它也在这个方面

做一些更新的工作

就站在一个做决策的角度

我把哪些信息放在前边

能够有利于用户长期的留存

这个点我想说的就是说

如果各位以后在面临

一些实际的业务场景的时候

通过这个角度来看问题

有时候会发现从机器学习的模型

到最终的决策之间有一个GAP

这个GAP有可能比较大

但比较大的时候

我们其实是会有一些新的发现

或者发现一些新的场景新的问题

这个是一个简要的

一个人工智能的一个架构

这地方简要说一下

其实可能说的不是特别细

就是底层肯定是一个大数据

和一个并行计算的平台

在此之上

我们要做一个机器学习平台

来帮助我们的机器学习工程师

更好的去调研模型去树立特征

去训练模型去上线

这样的一个过程

再一个就是配送仿真平台

这个仿真平台主要是说我们基于

这个配送过程的一些机理模型

来建一个模拟的一个平台

在这上面

我们可以比较不同的策略

可以去为现有的策略

进行一个参数的优化

都是基于仿真来做的

还有一个是可能咱们各位同学

了解比较少的就是算法工程平台

这个平台它主要的职责是说

因为我们线上有很多个策略

每一个策略又会有不同的版本

那这样的一个平台它第一个职能

就是要管理各个场景的

各个算法版本

什么时候这个版本用在哪儿

怎么用

再一个比如说我们机器学习

都需要用到大量的特征

所有的实时特征

所有的离线特征该怎么去产生

怎么去每天稳定的运行产生数据

再一个就是A/B test

就是我们要有一个新的策略

怎么样在线上

去更好地评估这个策略

是不是比前一个策略好了

这个其实也是一个关键的问题

像我们现在面临的问题

很多时候都是我做一个策略

我不知道它是不是好

就是说像标准的

这种纯线上的应用

像搜索线上推荐都可以做一些

按用户去切分流量A/B test

但是在配送这个场景下

这个做法不是特别OK

所以说我们在怎么评估这块

其实也是一个非常头疼的问题

所以我们也专门

做了一个A/B test平台

然后更好地去发现那些

可以用来对比的区域

包括自动去产生这个评估报告

这个都是算法工程平台

要解决的问题

那在这三个平台之上

是各个主要的业务方向

像刚才提到的定价 规划 调度 预测

还有一些智能助手

那最上面是各个典型的应用场景

这个可以说就是目前在配送这块

一个整体的技术架构吧

一个层次图