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。
(相关资料图)
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。
（本文首发钛媒体 APP，采访 | 刘湘明，作者 | 张帅，编辑 | 盖虹达）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体 App
