線下交易是什么意思？如何設(shè)計(jì)線下交易匹配產(chǎn)品？

1 線下交易的特點(diǎn) 在介紹線下交易匹配系統(tǒng)之前，先明確下什么是線下交易。線下交易是相對(duì)于電商的線上交易模式而言的，在本書寫作之前，我未在其他出版物中看到過類似提法，過去O2O創(chuàng)業(yè)潮中的大部分項(xiàng)目都可以被歸為線下交易。本書的線下交易約定為用戶通過在線產(chǎn)品購(gòu)買線下服務(wù)，這些線下服務(wù)的提供者具有流動(dòng)性，且需要與用戶在線下接觸才能完成服務(wù)。在這個(gè)約定下，線下交易包含非常多的場(chǎng)景，比如外賣服務(wù)、網(wǎng)約車服務(wù)、搬家公司、保潔服務(wù)、共享單車、分時(shí)租賃等。隨著互聯(lián)網(wǎng)對(duì)于傳統(tǒng)行業(yè)的滲透和改造，線下交易所包含的行業(yè)將越來越廣泛。線下交易有很多特點(diǎn)，這些特點(diǎn)影響著線下交易匹配系統(tǒng)的構(gòu)建。 1.1 資源排他性 服務(wù)和內(nèi)容的根本不同就是服務(wù)具有排他性，主要體現(xiàn)在兩個(gè)方面。 第一，內(nèi)容沒有邊際成本，服務(wù)有邊際成本，這就導(dǎo)致服務(wù)資源是稀缺的。內(nèi)容沒有庫(kù)存，文章被一個(gè)人讀和一萬(wàn)個(gè)人讀是沒有區(qū)別的，但是服務(wù)不可以。系統(tǒng)在一個(gè)區(qū)域一個(gè)時(shí)段所能提供的服務(wù)量一定是有限的，比如每時(shí)每刻，用戶周圍可服務(wù)的共享單車就是有限的，不可能憑空多出來。每多一次服務(wù)就會(huì)多一定的成本，對(duì)于共享單車而言，這個(gè)成本是資產(chǎn)的貶值，而對(duì)于網(wǎng)約車軟件而言，還有額外的人力成本。而這些非數(shù)字化的資源也不可能像數(shù)字化資源一樣無限擴(kuò)張。 第二，人和內(nèi)容是一對(duì)多關(guān)系，人和服務(wù)是一對(duì)一關(guān)系。文章可以被好多人同時(shí)讀，商品可以同時(shí)被好多人一起下單，但是周圍的一輛車一個(gè)時(shí)刻只能服務(wù)一個(gè)用戶。這種關(guān)系也意味著不能給所有人最優(yōu)的選項(xiàng)。推薦算法計(jì)算出某篇文章適合多個(gè)用戶，就可以把這篇文章推送給這些用戶。但是系統(tǒng)如果發(fā)現(xiàn)某輛出租車適合周圍多位乘客，卻只能把這輛出租車分配給其中一位乘客。 服務(wù)資源的排他性使得線下交易匹配系統(tǒng)和內(nèi)容匹配有著本質(zhì)的區(qū)別。以提高服務(wù)效率為目的的線下交易匹配系統(tǒng)需要處理這種排他性，而大多數(shù)內(nèi)容匹配算法是基于內(nèi)容非稀缺性設(shè)計(jì)的，這就導(dǎo)致線下交易匹配系統(tǒng)算法難以借鑒已有的內(nèi)容匹配算法。 1.2 時(shí)空不匹配 線下服務(wù)的另一個(gè)特點(diǎn)就是服務(wù)能力在時(shí)空上是分散的。比如鐵路系統(tǒng)每時(shí)每刻能服務(wù)的乘客量理論上基本上保持不變，但是用戶的鐵路出行需求變化非常大。春運(yùn)時(shí)出行需求會(huì)爆發(fā)式上升，這意味著需求和服務(wù)供給在時(shí)間層面難以匹配。 春運(yùn)初期，乘客大多從大城市往中小城市遷移，春運(yùn)后期則反之。這意味著需求和服務(wù)供給也難以在空間層面匹配。幾乎所有線下服務(wù)都有需求時(shí)空分布不均的問題，比如共享單車，早高峰時(shí)段，需求方向往往是從小區(qū)到地鐵站，晚高峰時(shí)段則反之。要解決這個(gè)問題，只能以匹配高峰時(shí)段的需求量為目標(biāo)在基礎(chǔ)設(shè)施上投入資源，而這會(huì)造成資源的大量浪費(fèi)，在商業(yè)上是不合理的。 因?yàn)闀r(shí)空層面的供需難以匹配，所以在構(gòu)建線下交易匹配系統(tǒng)時(shí)往往要考慮很多問題，比如：調(diào)控需求讓高峰期需求盡可能變?。辉诠┬璨黄ヅ涞那闆r下，提供系統(tǒng)效率最高的解決方案。 1.3 系統(tǒng)公平性 線下交易匹配系統(tǒng)要考慮公平性，這里的公平性涉及用戶和服務(wù)者兩個(gè)方面，以打車為例來展開討論線下交易匹配系統(tǒng)的公平性問題。 當(dāng)運(yùn)力供給小于打車需求時(shí)，可采取以下三種方式分配服務(wù)資源：

• 排隊(duì)，按照先來后到，依次服務(wù)。
• 競(jìng)拍，給愿意出更高議價(jià)的人優(yōu)先提供服務(wù)。
• 以系統(tǒng)效率最高為目標(biāo)。

這三種方式的公平性是依次遞減的，但是系統(tǒng)效率依次遞增。在公共服務(wù)領(lǐng)域需要最大限度地考慮公平性，所以基本上采取排隊(duì)的方式，比如火車票。航空公司因是半公共服務(wù)性質(zhì)，就可以動(dòng)態(tài)調(diào)整機(jī)票價(jià)格來分配資源。而第三種方式只有在純商業(yè)的產(chǎn)品中應(yīng)用，但是考慮到用戶體驗(yàn)，一般也不會(huì)單獨(dú)使用。在設(shè)計(jì)線下交易匹配系統(tǒng)的時(shí)候，需要根據(jù)產(chǎn)品的目標(biāo)，綜合選用最合適的方案來解決公平性問題。 當(dāng)打車需求小于運(yùn)力供給時(shí)，則可以用以下方式來考慮服務(wù)者的公平性。

• 按照服務(wù)效率進(jìn)行派單，比如就近分配。
• 按照服務(wù)者的服務(wù)質(zhì)量進(jìn)行派單。

但是無論哪一種派單方式，都要盡可能保證服務(wù)者在情感上的公平感知，比如同樣的工作時(shí)長(zhǎng)和努力程度，不能因?yàn)橄到y(tǒng)分配的原因造成過大的收入差異。內(nèi)容沒有感情，服務(wù)者有感情。一個(gè)質(zhì)量不太好的內(nèi)容可以沒有閱讀量，但是服務(wù)者不能長(zhǎng)時(shí)間沒有訂單，否則他們就會(huì)流失。 需要多維度地考慮公平性，同時(shí)讓用戶理解這種公平性，這是線下交易匹配系統(tǒng)的一個(gè)重要目標(biāo)。 1.4 系統(tǒng)開放性 線下交易匹配系統(tǒng)面臨的外部環(huán)境非常復(fù)雜，不可控因素很多，例如天氣、節(jié)假日、交通狀況、市政規(guī)劃等。共享單車的用戶需求就有明顯的季節(jié)性，北方冬天幾乎沒有人騎車。即使是在春季和秋季，一旦下雨，選擇騎車出行的用戶就會(huì)減少，選擇打車出行的用戶就會(huì)增加。因?yàn)榫€下交易匹配系統(tǒng)是和現(xiàn)實(shí)世界中的服務(wù)連接的系統(tǒng)，這就導(dǎo)致系統(tǒng)要承擔(dān)現(xiàn)實(shí)世界中的不確定性，要求系統(tǒng)需要適應(yīng)各種場(chǎng)景。 當(dāng)然，線下交易匹配系統(tǒng)不僅會(huì)受到客觀因素的影響，還會(huì)受到社會(huì)因素的影響。因?yàn)榫€下交易匹配系統(tǒng)是近期才大規(guī)模興起的，通過線上手段連接線下服務(wù)這種方式，必然會(huì)對(duì)社會(huì)原有的秩序造成沖擊。怎么處理系統(tǒng)和公眾的關(guān)系，怎么處理系統(tǒng)和政策的關(guān)系，都是線下交易匹配系統(tǒng)需要考慮的問題。 以共享單車為例，單車的投放就有很高的負(fù)外部性 。大量的單車造成了對(duì)公共空間的占用，同時(shí)如果單車投放公司不處理?yè)p壞車輛，就會(huì)造成城市垃圾。在共享單車發(fā)展起來之后，市政部門就對(duì)單車的投放和回收做出限制，線下交易匹配系統(tǒng)需要針對(duì)這些公共問題和政策做出有針對(duì)性的調(diào)整。同時(shí)有部分用戶缺乏社會(huì)責(zé)任感和公德心，就會(huì)隨意停放單車、公車私用、惡意損壞單車。這就要求線下交易匹配系統(tǒng)對(duì)車的位置有追蹤和記錄，同時(shí)對(duì)使用情況有所記錄并評(píng)估每個(gè)用戶的風(fēng)險(xiǎn)。（負(fù)外部性指一些市場(chǎng)活動(dòng)會(huì)給第三方帶成不良影響，比如有的共享單車會(huì)成為城市垃圾，給社會(huì)帶來了不良影響。） 線下交易匹配系統(tǒng)的開放性就決定了系統(tǒng)需要持續(xù)迭代來適應(yīng)不斷變化的外部環(huán)境，同時(shí)也導(dǎo)致線下交易匹配系統(tǒng)比傳統(tǒng)的線上內(nèi)容匹配系統(tǒng)更加復(fù)雜。 1.5 服務(wù)敏感性 線下交易匹配系統(tǒng)大多是關(guān)于服務(wù)的系統(tǒng)，用戶對(duì)差的服務(wù)的容忍度比差的內(nèi)容更低，用戶對(duì)服務(wù)更加敏感。 一般的內(nèi)容產(chǎn)品，信息流的一個(gè)分頁(yè)下發(fā)10~20個(gè)內(nèi)容，只要有幾個(gè)內(nèi)容比較符合用戶口味，用戶就會(huì)滿意。然而服務(wù)只要有一次是差的，就會(huì)讓用戶對(duì)整個(gè)平臺(tái)產(chǎn)生極大的不信任，輕則流失，重則造成公關(guān)危機(jī)。外賣配送員和用戶發(fā)生沖突可以直接威脅用戶的安全，接送機(jī)服務(wù)遲到耽誤時(shí)間讓用戶錯(cuò)過重要安排，類似情況對(duì)用戶造成的損失可能是不可挽回的。 而這種服務(wù)的敏感性不僅體現(xiàn)在用戶側(cè)，也體現(xiàn)在服務(wù)者側(cè)。比如Uber在某動(dòng)亂地區(qū)的每一次派單，都可能讓潛在的犯罪分子威脅車輛或司機(jī)生命的安全。一旦發(fā)生這樣的問題，服務(wù)者對(duì)于平臺(tái)的信任也會(huì)降低或者直接流失。 服務(wù)的敏感性就要求線下交易匹配系統(tǒng)對(duì)于用戶和服務(wù)者雙方都要有一定的管控措施，從而保證線下交易匹配系統(tǒng)的持續(xù)發(fā)展。 2 時(shí)空價(jià)值模型 線下交易匹配系統(tǒng)模型大致可以分為兩種：用戶到達(dá)服務(wù)點(diǎn)和服務(wù)送達(dá)用戶。對(duì)于用戶到達(dá)服務(wù)點(diǎn)，信息檢索和交易匹配邏輯與線上交易匹配系統(tǒng)基本一致，區(qū)別是在召回和排序時(shí)要考慮用地理信息篩選和調(diào)權(quán)，比如到店團(tuán)購(gòu)。本章主要介紹服務(wù)送達(dá)用戶的線下交易匹配系統(tǒng)模式。 在服務(wù)送達(dá)用戶的模式中，系統(tǒng)需要對(duì)時(shí)空做出預(yù)測(cè)并進(jìn)行有針對(duì)性的調(diào)整。時(shí)空是時(shí)間和空間的集合，如果能大概了解某個(gè)時(shí)段某個(gè)地方的需求量，系統(tǒng)就可以提前安排和調(diào)度服務(wù)能力，這也是系統(tǒng)效率提升的一個(gè)主要推動(dòng)力。本節(jié)會(huì)展開討論關(guān)于時(shí)空價(jià)值模型構(gòu)建的方法。 2.1 時(shí)空價(jià)值模型的定義 服務(wù)是一種很特殊的產(chǎn)品，不像大多數(shù)實(shí)物商品那樣，可以存儲(chǔ)和運(yùn)輸。如果一個(gè)地方某類產(chǎn)品滯銷，完全可以在另一個(gè)時(shí)間點(diǎn)或者運(yùn)輸?shù)搅硪粋€(gè)地方進(jìn)行售賣。但是服務(wù)卻不是這樣的，服務(wù)永遠(yuǎn)會(huì)有一定的服務(wù)范圍，不可能超過時(shí)空范圍進(jìn)行調(diào)配。外賣配送員在2點(diǎn)到4點(diǎn)訂單很少，這段時(shí)間的服務(wù)能力無法存儲(chǔ)并在高峰期釋放，這是時(shí)間的限制；一個(gè)在北五環(huán)的快遞員也不能在結(jié)束一個(gè)配送任務(wù)后立刻出現(xiàn)在東三環(huán)，這是空間的限制。正因?yàn)檫@樣，合理的安排和調(diào)度就顯得尤為重要。 在服務(wù)有時(shí)間和空間的限制下提升交易匹配的效率，是時(shí)空價(jià)值模型需要解決的核心目標(biāo)。 時(shí)空價(jià)值模型是為了評(píng)估某個(gè)時(shí)間某個(gè)地點(diǎn)服務(wù)價(jià)值，模型的入?yún)⑹菚r(shí)間和坐標(biāo)，模型的結(jié)果代表著對(duì)于服務(wù)價(jià)值的判斷。服務(wù)價(jià)值取決于業(yè)務(wù)的導(dǎo)向，以打車為例，兩個(gè)小時(shí)的時(shí)間應(yīng)該服務(wù)一個(gè)高價(jià)值長(zhǎng)訂單還是服務(wù)三個(gè)短訂單，只有一輛車應(yīng)該服務(wù)老用戶還是服務(wù)新用戶，這就是業(yè)務(wù)判斷。當(dāng)然，這些業(yè)務(wù)判斷需要基于對(duì)不同時(shí)空的需求預(yù)估。 根據(jù)需求預(yù)測(cè)的結(jié)果調(diào)整供給，在傳統(tǒng)商業(yè)模型中非常常見，根據(jù)需求調(diào)整生產(chǎn)節(jié)奏、安排合理庫(kù)存、規(guī)劃物流網(wǎng)絡(luò)都屬于這個(gè)范疇。線下交易匹配系統(tǒng)也是類似，只是因?yàn)樵诰€下交易匹配系統(tǒng)中，需求預(yù)測(cè)需要涉及時(shí)間和空間兩個(gè)方面，從時(shí)間的一維變量變成關(guān)于時(shí)間和經(jīng)緯度的多維變量。如何構(gòu)建預(yù)測(cè)模型，并根據(jù)預(yù)測(cè)結(jié)果來進(jìn)行優(yōu)化匹配，將是我們接下來討論的重點(diǎn)。 2.2 時(shí)空理想劃分 時(shí)空是時(shí)間和空間的集合，時(shí)間是連續(xù)值，空間也是連續(xù)變化的，需求卻只是有限個(gè)點(diǎn)。連續(xù)的模型難以刻畫這個(gè)問題，因?yàn)橛邢迋€(gè)需求點(diǎn)散布在三維空間中，任意一個(gè)空間點(diǎn)中出現(xiàn)需求點(diǎn)的概率都是0。為了解決這個(gè)問題，我們需要將時(shí)空劃分為有限多個(gè)時(shí)空域，這樣就可以對(duì)每個(gè)時(shí)空域內(nèi)的需求進(jìn)行預(yù)測(cè)。 那么怎么對(duì)時(shí)空進(jìn)行劃分呢？如果忽略交通、地形、城市規(guī)劃因素，可以假設(shè)所有的區(qū)域都相同。這個(gè)問題就可以簡(jiǎn)化為一個(gè)簡(jiǎn)單的幾何問題：“如何把一個(gè)連續(xù)的二維平面劃分為多個(gè)區(qū)域”。 為了完全覆蓋地圖且區(qū)域之間不重疊，使用正多邊形來劃分城市。為了覆蓋滿二維平面，則多邊形的多個(gè)內(nèi)角可以拼合到360°。假設(shè)正N邊形可以覆蓋一個(gè)二維平面，則存在整數(shù)x使得公式（11-1）成立：

公式（11-1）的方程有三組解：

因?yàn)檫厰?shù)越多，多邊形越接近圓形，則可以取正六邊形作為劃分圖形。這也是常用的空間劃分方法。在《文明》系列經(jīng)典游戲中，世界地圖也是使用正六邊形進(jìn)行劃分的。 對(duì)空間劃分之后，時(shí)間就直接按照固定間隔劃分，比如每20分鐘作為固定間隔。通過這樣的劃分，整個(gè)時(shí)空就被劃分成了多個(gè)時(shí)空域，從而為后續(xù)的計(jì)算和統(tǒng)計(jì)打下基礎(chǔ)。 所有的理想化模型都會(huì)做一些假設(shè)，這樣的時(shí)空域劃分方法也不例外。每一個(gè)假設(shè)都意味著和實(shí)際情況有一定的出入，反復(fù)思考這些出入可能通過哪些新的假設(shè)來彌補(bǔ)，是系統(tǒng)優(yōu)化的一個(gè)重要思路。上述的劃分方法顯著的問題就是對(duì)空間的劃分過于粗暴，完全忽略了地理和交通的影響。如果一個(gè)時(shí)空域被河流穿過，就意味著這個(gè)時(shí)空域很難作為一個(gè)整體。而很多統(tǒng)一的區(qū)域也可能被劃分開，比如按照這樣的劃分方法，清華大學(xué)就很可能被劃分為多個(gè)時(shí)空域，但是顯然一個(gè)校園內(nèi)的需求更適合作為一個(gè)整體處理。為了解決這些問題，也可以探索其他的時(shí)空劃分方法。 2.3 時(shí)空聚類方法 除了六邊形時(shí)空域的理想劃分方法之外，時(shí)空聚類方法可能更貼合實(shí)際。用時(shí)空聚類方法分割的邊界一定不是完全規(guī)則的多邊形，有更強(qiáng)的適應(yīng)性；一些典型的完整區(qū)域，比如學(xué)校、酒店、醫(yī)院等，也會(huì)在一個(gè)時(shí)空域里面。 需求散落在時(shí)空中，需求分布結(jié)果包含了大量的信息，如果一個(gè)區(qū)域內(nèi)的需求比較統(tǒng)一，意味著這個(gè)區(qū)域內(nèi)部有很強(qiáng)的一致性，則需要將這些區(qū)域劃分在一個(gè)時(shí)空域里面。利用機(jī)器學(xué)習(xí)的聚類方法可以很大程度地利用這些用戶行為數(shù)據(jù)，減少劃分的誤差，提高時(shí)空價(jià)值模型的準(zhǔn)確性。 當(dāng)然，機(jī)器學(xué)習(xí)的聚類算法也會(huì)有明顯的問題，那就是需要大量的用戶需求數(shù)據(jù)。這就意味著很多創(chuàng)業(yè)公司在起步階段無法使用這樣的方法，同時(shí)有一定的開發(fā)成本。但是這并不意味著只能使用六邊形時(shí)空域的方法，大部分策略都可以用人工標(biāo)注進(jìn)行兜底。線下交易匹配系統(tǒng)需要處理的是地圖，地圖是客觀存在的，而且在一定時(shí)間內(nèi)穩(wěn)定不變，標(biāo)注后的地圖維護(hù)成本不高且可以長(zhǎng)時(shí)間使用。在人工標(biāo)注的地圖中，學(xué)校、酒店、醫(yī)院當(dāng)然就可以被劃分在一個(gè)空間域里。 這些方法也可以有機(jī)結(jié)合，比如可以使用機(jī)器學(xué)習(xí)或者六邊形時(shí)空域模型進(jìn)行初步劃分，再利用人工標(biāo)注的方法覆蓋重點(diǎn)區(qū)域。一旦將時(shí)空劃分為多個(gè)時(shí)空域之后，就可以在這些時(shí)空域內(nèi)做進(jìn)一步的需求預(yù)測(cè)。 2.4 仿真模型構(gòu)建 時(shí)空模型除了上述的將時(shí)空劃分為時(shí)空域之外，其實(shí)還可以盡可能逼近真實(shí)環(huán)境去構(gòu)建虛擬場(chǎng)景。大學(xué)時(shí)我有一段時(shí)間被《刺客信條》這一游戲深深吸引，游戲的背景設(shè)定是現(xiàn)代人可以通過虛擬系統(tǒng)回到古代場(chǎng)景中，通過在古代場(chǎng)景的戰(zhàn)斗訓(xùn)練，提升自己的刺客技能。中世紀(jì)城市在這個(gè)游戲中被構(gòu)建得栩栩如生，人物在這個(gè)虛擬的城市里完成各種任務(wù)。 其實(shí)在構(gòu)建線下交易匹配系統(tǒng)時(shí)，我們也希望有一個(gè)和真實(shí)世界盡可能一致的時(shí)空模型，里面有交通樞紐、道路，也有堵車，可以對(duì)各種匹配策略進(jìn)行測(cè)試，并且利用這些測(cè)試的結(jié)果，進(jìn)一步迭代匹配策略。通過仿真來進(jìn)行系統(tǒng)迭代的方法在各個(gè)領(lǐng)域都有所應(yīng)用，比如所有的航空航天器都需要在風(fēng)洞中做空氣動(dòng)力學(xué)實(shí)驗(yàn)來調(diào)整設(shè)計(jì)，才能最終升空。 對(duì)于線下交易匹配系統(tǒng)而言，一個(gè)成熟的仿真系統(tǒng)的好處是多方面的。線下交易匹配系統(tǒng)不能像線上內(nèi)容匹配系統(tǒng)那樣切分流量做A/B 測(cè)試。在線下交易匹配系統(tǒng)中，每一次交易都會(huì)對(duì)系統(tǒng)產(chǎn)生一定的影響。切分流量本身就意味著系統(tǒng)條件和最終上線的系統(tǒng)條件不同，部分流量條件下有提升的策略，不代表在所有流量下有效。但是線上內(nèi)容匹配則沒有這個(gè)問題，每個(gè)用戶在瀏覽內(nèi)容的時(shí)候幾乎不會(huì)對(duì)其他人的閱讀產(chǎn)生影響，小規(guī)模的測(cè)試結(jié)果和全量的基本一樣，就可以按照用戶切分流量進(jìn)行測(cè)試。不能做A/B測(cè)試的直接后果就是在匹配系統(tǒng)中，一個(gè)策略是否有效的驗(yàn)證周期會(huì)變長(zhǎng)，系統(tǒng)的效果基本上需要上線較長(zhǎng)時(shí)間才能觀察。一個(gè)成熟的仿真系統(tǒng)就能很好地解決這個(gè)問題。 成熟的仿真系統(tǒng)可以固化一段時(shí)間的用戶需求對(duì)新的匹配算法進(jìn)行測(cè)試，并且這種測(cè)試可在非常短的時(shí)間內(nèi)完成，也能直接對(duì)比不同策略的優(yōu)劣。因此，仿真系統(tǒng)還可以提升算法迭代的效率。 成熟的仿真系統(tǒng)還可以快速將大量的參數(shù)調(diào)整到最優(yōu)值。高階策略往往包含很多參數(shù)，這些參數(shù)大小一開始可以按照經(jīng)驗(yàn)和統(tǒng)計(jì)數(shù)據(jù)設(shè)定，但是后期還是需要用數(shù)據(jù)反饋來迭代，如果在真實(shí)環(huán)境中調(diào)試這些參數(shù)，時(shí)間成本之大不可想象。 成熟的仿真系統(tǒng)還可以使得用強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)算法迭代成為可能，不斷迭代算法的評(píng)估函數(shù)，把匹配算法效率迭代到極致。雖然思路是可行的，但是落地執(zhí)行還有很多問題，即使這樣，這仍舊是未來線下交易匹配系統(tǒng)的一種可能。 3 時(shí)空價(jià)值 時(shí)空劃分是為了方便評(píng)估不同時(shí)空域的價(jià)值。時(shí)空價(jià)值的計(jì)算分為兩步：第一步，需求預(yù)估；第二步，利用預(yù)估結(jié)果分析每個(gè)時(shí)空域的價(jià)值。無論在傳統(tǒng)行業(yè)還是基于互聯(lián)網(wǎng)的線下交易匹配系統(tǒng)，需求預(yù)估都是商業(yè)模式能夠運(yùn)行的基礎(chǔ)。這里以外賣為例，具體的問題是：如何預(yù)估晚上8點(diǎn)到8點(diǎn)半東直門附近寫字樓里外賣的需求，即預(yù)估晚上8點(diǎn)到8點(diǎn)半的東直門這樣一個(gè)時(shí)空域里的需求量。 3.1 時(shí)空需求預(yù)估 在傳統(tǒng)的供應(yīng)鏈需求預(yù)測(cè)中，需要挖掘兩個(gè)核心因素：趨勢(shì)和周期性。 關(guān)于趨勢(shì)的算法有移動(dòng)平均和指數(shù)平滑這兩種基本思路。在移動(dòng)平均中，下一個(gè)階段的需求值等于前一段時(shí)間的需求平均值。在指數(shù)平滑中，歷史的數(shù)據(jù)也對(duì)當(dāng)前的需求量預(yù)估產(chǎn)生影響，但是時(shí)間越遠(yuǎn)，權(quán)重越低。在指數(shù)平滑的基礎(chǔ)上，再考慮需求的周期性，即比較著名的Holt-Winters法，也被廣泛應(yīng)用在傳統(tǒng)的供應(yīng)鏈管理中。 具體到線下交易匹配系統(tǒng)中，也可以用類似的方法來擬合8點(diǎn)到8點(diǎn)半東直門附件寫字樓的需求。需要考慮周一到周日，為整個(gè)預(yù)估算法添加周期性。在具體的外賣預(yù)測(cè)中，可以將周期性變?yōu)閮深悾阂活愂枪ぷ魅眨活愂欠枪ぷ魅?。具體的預(yù)測(cè)公式可以設(shè)計(jì)如下：

其中k_x表示當(dāng)天是工作日或非工作日的權(quán)重，工作日和非工作日分別使用不同的值，這個(gè)具體數(shù)值可以用一段歷史實(shí)際數(shù)據(jù)來計(jì)算得到。x_i表示距離現(xiàn)在第i天的需求值，k_i表示距離現(xiàn)在第i天是否是工作日的權(quán)重。這個(gè)函數(shù)的時(shí)間衰減系數(shù)權(quán)重和剛好為1，如果采用別的衰減系數(shù)，則需要進(jìn)行歸一化。 基于需求預(yù)測(cè)方法的優(yōu)勢(shì)是方法簡(jiǎn)單、容易理解，但也有一定局限，那就是需要大量的歷史數(shù)據(jù)。尤其是當(dāng)時(shí)空域切割到比較小的時(shí)候，每個(gè)時(shí)空域內(nèi)累計(jì)的數(shù)據(jù)有限，難以做出有效預(yù)測(cè)。類似北京這樣的超級(jí)城市，一天可以切分為上萬(wàn)個(gè)時(shí)空域。每個(gè)時(shí)空域內(nèi)需要累計(jì)大量的需求才能預(yù)估這個(gè)時(shí)間段的外賣需求，即使如美團(tuán)和餓了么這種量級(jí)公司的數(shù)據(jù)也難以做到。這個(gè)時(shí)候就需要用更高級(jí)的算法進(jìn)行需求預(yù)測(cè)。 一個(gè)很容易理解的事實(shí)是，不同時(shí)空之前是有相互關(guān)聯(lián)的，相似的地方外賣的需求是類似的，比如寫字樓和寫字樓，小區(qū)和小區(qū)，這也意味著相似地方的數(shù)據(jù)可以相互補(bǔ)充。雖然行為數(shù)據(jù)是稀疏的，但是挖掘不同時(shí)空域之間的關(guān)聯(lián)性可以提高每個(gè)時(shí)空域預(yù)測(cè)的準(zhǔn)確性。這個(gè)問題就變成了如何利用稀疏矩陣去預(yù)測(cè)全矩陣的問題，這也是所有推薦系統(tǒng)問題的元問題。將大量的特征數(shù)據(jù)作為入?yún)?，使用SVD、決策樹等機(jī)器學(xué)習(xí)算法都可以求解，進(jìn)一步降低對(duì)原始數(shù)據(jù)的需求。 3.2 基于轉(zhuǎn)移概率的時(shí)空價(jià)值預(yù)估 無論是基于趨勢(shì)和周期性的規(guī)則預(yù)測(cè)方法，還是基于的機(jī)器學(xué)習(xí)算法的預(yù)測(cè)方法，都得利用歷史數(shù)據(jù)對(duì)未來需要進(jìn)行擬合。但是時(shí)空域內(nèi)的需求并不等價(jià)于時(shí)空域的價(jià)值。外賣因?yàn)橄薅伺渌头秶?，外賣配送員只能在一定的區(qū)域內(nèi)活動(dòng)，時(shí)空域內(nèi)的需求基本可以認(rèn)為是時(shí)空價(jià)值。但是在服務(wù)沒有范圍的行業(yè)則不是這樣，比如網(wǎng)約車行業(yè)，假設(shè)有兩個(gè)時(shí)空域：某個(gè)時(shí)空域出發(fā)的訂單很多，但是大部分需求都是趕往郊區(qū)的，而郊區(qū)訂單較少，司機(jī)只能自己空駛回到城區(qū)；另一個(gè)時(shí)空域，雖然出發(fā)的訂單相對(duì)少一些，但是需求基本上都是趕到別的熱區(qū)。對(duì)比這兩個(gè)時(shí)空域，第一個(gè)時(shí)空域的時(shí)空價(jià)值就可能低于后者。類似打車這樣的線下交易匹配系統(tǒng)，時(shí)空價(jià)值的計(jì)算需要更多策略。 基于轉(zhuǎn)移概率的時(shí)空價(jià)值是這個(gè)問題的一個(gè)直觀解法。在已經(jīng)預(yù)估出未來需求的基礎(chǔ)上，這個(gè)問題可以直接轉(zhuǎn)化為運(yùn)籌問題。這個(gè)問題的核心是轉(zhuǎn)移概率的計(jì)算。轉(zhuǎn)移概率是馬爾可夫鏈中的重要概念，若馬氏鏈由m個(gè)狀態(tài)組成，從狀態(tài)i出發(fā)，經(jīng)過一次轉(zhuǎn)移，狀態(tài)變成j的概率為轉(zhuǎn)移概率P_ij。在實(shí)際背景中怎么理解這個(gè)問題呢？ 比如8點(diǎn)到8點(diǎn)半的中關(guān)村是一個(gè)時(shí)空域，車輛會(huì)從這個(gè)時(shí)空域流轉(zhuǎn)到其他時(shí)空域，即存在轉(zhuǎn)移概率。通過對(duì)一段時(shí)間內(nèi)的訂單數(shù)據(jù)進(jìn)行追蹤，可以知道不同時(shí)空域內(nèi)的轉(zhuǎn)移概率和期望收益，也就計(jì)算得到了時(shí)空域的時(shí)空價(jià)值。比如A時(shí)空域期望有10個(gè)訂單，其中去了B時(shí)空域的訂單有5個(gè)，C時(shí)空域的訂單有3個(gè)，D時(shí)空域的訂單有2個(gè)，A分別到B、C、D時(shí)空域的價(jià)值轉(zhuǎn)移概率就是0.5、0.3、0.2。假設(shè)A、B、C、D的時(shí)空價(jià)值分別是V_A 、V_B 、V_C 、V_D，A時(shí)空域轉(zhuǎn)移到其他時(shí)空域的訂單平均收益為R_AB 、R_AC 、R_AD。那么A的時(shí)空價(jià)值就是：

基于轉(zhuǎn)移概率的方法從模型層面是可解釋的，也可以求得比較好的解，但問題也很明顯；一是要求數(shù)據(jù)量大。一個(gè)時(shí)空域內(nèi)的需求本身可能就比較少，為了計(jì)算從一個(gè)時(shí)空域到另一個(gè)的時(shí)空域的概率，就可能需要把需求量分割得更小，導(dǎo)致計(jì)算轉(zhuǎn)移概率的數(shù)據(jù)量將非常小；二是實(shí)現(xiàn)成本比較高，大量的轉(zhuǎn)移概率計(jì)算和迭代有很大的計(jì)算開銷。 3.3 基于鄰域的時(shí)空價(jià)值預(yù)估 基于鄰域的時(shí)空價(jià)值預(yù)估是我想到的一個(gè)比較簡(jiǎn)單的啟發(fā)式方法，目前還沒有實(shí)際應(yīng)用，但是從理論測(cè)算來看是一個(gè)比較簡(jiǎn)單可行的時(shí)空價(jià)值預(yù)估模型。在小數(shù)據(jù)規(guī)模下，基于鄰域的時(shí)空價(jià)值預(yù)估算法效果會(huì)好于基于轉(zhuǎn)移概率的時(shí)空價(jià)值預(yù)估方法。同樣以打車為例解釋這種算法。 每個(gè)打車需求由六個(gè)變量刻畫：起始地點(diǎn)的經(jīng)度、緯度、時(shí)間，以及結(jié)束地點(diǎn)的經(jīng)度、緯度、時(shí)間，我們可以在三維空間刻畫這個(gè)問題。經(jīng)緯度本來就可以用來描述空間位置，時(shí)間乘以平均車速就可以將時(shí)間也轉(zhuǎn)化為距離，這樣經(jīng)度、緯度、時(shí)間就在一個(gè)量綱內(nèi)，可以用歐式距離處理這個(gè)三維時(shí)空內(nèi)的距離問題。時(shí)空價(jià)值分析不外乎分析某個(gè)具體訂單的具體價(jià)值，那么一個(gè)時(shí)空域的價(jià)值就可以分解為起點(diǎn)的價(jià)值和終點(diǎn)的價(jià)值。 一個(gè)時(shí)間域作為起點(diǎn)價(jià)值，需要找到訂單終點(diǎn)距離這個(gè)時(shí)空域最近的k個(gè)訂單，計(jì)算到達(dá)時(shí)空域的成本，時(shí)空域成本越小，時(shí)空價(jià)值越高。 一個(gè)時(shí)空域作為終點(diǎn)價(jià)值，需要找到訂單起點(diǎn)距離這個(gè)時(shí)空域最近的k個(gè)訂單，計(jì)算訂單價(jià)值和趕往這些地點(diǎn)的成本。趕往訂單起始點(diǎn)的成本越低，則時(shí)空價(jià)值越高。訂單平均價(jià)值越高，則時(shí)空價(jià)值越高。這個(gè)成本不僅包含趕過去的成本，還包含司機(jī)等候的時(shí)間成本。這個(gè)過程如圖11-1所示。

圖11-1 基于鄰域的空間價(jià)值示意圖 這一方法優(yōu)勢(shì)在于能夠有效衡量稀疏需求下的時(shí)空價(jià)值，即不需要每個(gè)時(shí)空域里都有充足的訂單也可以計(jì)算時(shí)空價(jià)值。而且算法相對(duì)比較簡(jiǎn)單，也是創(chuàng)業(yè)公司可以快速上線的策略模式。針對(duì)不同的業(yè)務(wù)模式，計(jì)算成本和收益的具體方法都可以變，但是核心不變，即分別用起點(diǎn)和終點(diǎn)距離某個(gè)時(shí)空域最近的k個(gè)訂單去計(jì)算這個(gè)時(shí)空域的價(jià)值，保證無論一個(gè)時(shí)空域里有多少需求量，這個(gè)時(shí)空域的成本都可以被估算。 4 服務(wù)匹配方法 在線下交易匹配系統(tǒng)中，即使沒有估計(jì)空間價(jià)值，也可以將服務(wù)和用戶進(jìn)行匹配，服務(wù)匹配模型是整個(gè)系統(tǒng)的基礎(chǔ)。本節(jié)會(huì)詳細(xì)地介紹服務(wù)匹配方法。 4.1 匹配度的構(gòu)建 匹配度就是計(jì)算用戶需求和服務(wù)者之間的相關(guān)度，為了構(gòu)建匹配模型，需要將匹配度進(jìn)行量化。 這里仍然以打車為例。乘客在叫車時(shí)，乘客關(guān)心的是：

• 希望快速上車出發(fā)，則司機(jī)和乘客之間的距離越近就意味著司機(jī)到達(dá)越快，乘客等待時(shí)間越短；
• 希望有好的服務(wù)，則服務(wù)評(píng)分越高的司機(jī)往往更能提供優(yōu)質(zhì)的服務(wù)。

而司機(jī)則期待訂單價(jià)值越大越好，如果乘客的終點(diǎn)是熱點(diǎn)地區(qū)就會(huì)有更高的收入。 如此看來，乘客和司機(jī)的匹配度函數(shù)就應(yīng)該由接駕距離、服務(wù)質(zhì)量、訂單價(jià)值三個(gè)因子構(gòu)成，還要對(duì)每個(gè)因子進(jìn)行有效的歸一化和變形，才能讓結(jié)果符合預(yù)期。 需要強(qiáng)調(diào)的一點(diǎn)是，系統(tǒng)即便對(duì)每個(gè)乘客及其周圍的司機(jī)都有相關(guān)度計(jì)算，也不意味著所有乘客都可以得到最合適的司機(jī)。這就回到了一個(gè)乘客經(jīng)常抱怨的問題：“為什么不給我派最近的車？”即使核心函數(shù)中只有接駕距離一個(gè)因子，也不一定會(huì)給每個(gè)用戶都匹配最近的車。 具體案例如圖11-2左邊所示，距離乘客A最近的車是a，在只有A打車的情況下可以給乘客A派最近的車。但是如果同時(shí)有兩個(gè)乘客叫車，如圖11-2右邊所示，如果給乘客A分配車輛a，會(huì)導(dǎo)致B分配到的車都會(huì)比較遠(yuǎn)。 正確的做法是給乘客A分配車輛b，給乘客B分配車輛a，這樣雖然乘客A就分配不到最近的車，但是A和B都能叫到一個(gè)不太遠(yuǎn)的車，系統(tǒng)結(jié)果更優(yōu)。而實(shí)際在設(shè)計(jì)服務(wù)匹配方法中還需要考慮多種其他因素，比如服務(wù)、公平等，就更不可能給所有乘客都分配最近的車。

圖11-2 車輛分配案例 從這個(gè)例子中看出，系統(tǒng)應(yīng)該尋求的是整個(gè)系統(tǒng)的匹配度最優(yōu)化，下面會(huì)介紹可以用什么樣的方法來達(dá)到系統(tǒng)的最優(yōu)化。 4.2 二分圖匹配 二分圖是圖論中的一種特殊模型。通俗解釋，二分圖有兩類點(diǎn)，分別在兩個(gè)互不相交的子集中，同時(shí)每條邊都可以連接這兩個(gè)子集中的點(diǎn)。打車問題就是典型的二分圖問題，兩個(gè)子集分別代表司機(jī)和乘客，司機(jī)和乘客的匹配度就是連接兩個(gè)子集的邊的權(quán)重，如圖11-3所示。

圖11-3 二分圖示意圖 在二分圖中，有一個(gè)經(jīng)典問題就是如何求二分圖的最大匹配。最大匹配的定義就是任意點(diǎn)只連接一條邊，同時(shí)邊的權(quán)重最大。打車問題就是要求系統(tǒng)讓盡可能多的人叫到車，同時(shí)讓乘客和司機(jī)之間的匹配度之和最大，這也正是我們希望得到的線下交易匹配系統(tǒng)最好的結(jié)果。 值得慶幸的是，可使用貪心算法或者KM算法來解決最大匹配問題，尤其KM算法可以求得全局最優(yōu)解。只要將所有需要的因素都考慮進(jìn)KM算法中，這個(gè)算法就可以每隔一段時(shí)間（比如2s或10s）執(zhí)行一次，每次執(zhí)行均有服務(wù)者或用戶退出系統(tǒng)，也有新的服務(wù)者或用戶加入，循環(huán)執(zhí)行，不斷匹配，就可以持續(xù)實(shí)現(xiàn)服務(wù)匹配。 5 線下交易運(yùn)營(yíng) 線下交易運(yùn)營(yíng)主要指找到線下交易匹配系統(tǒng)的薄弱環(huán)節(jié)，進(jìn)行干預(yù)，在用戶側(cè)調(diào)控需求，在服務(wù)側(cè)調(diào)控供給，使得收益最大化。 5.1 用戶側(cè)運(yùn)營(yíng) 用戶側(cè)運(yùn)營(yíng)是通過運(yùn)營(yíng)來調(diào)控用戶發(fā)單的需求，通常包括兩個(gè)方面：一是調(diào)節(jié)平峰時(shí)間供需關(guān)系；另一個(gè)是定向拉新、促活和召回。 時(shí)空模型會(huì)預(yù)測(cè)出規(guī)律，比如節(jié)假日和平時(shí)、高峰期和平峰期的供需關(guān)系會(huì)有明顯的區(qū)別，運(yùn)營(yíng)可以在一定程度讓供需盡可能匹配。調(diào)控需求的主要手段是價(jià)格干預(yù)：給平峰期設(shè)置更優(yōu)惠的價(jià)格，盡可能讓需求多出現(xiàn)在平峰期；在需求特別缺少，甚至影響到服務(wù)者平均收入的時(shí)候，也可以通過優(yōu)惠活動(dòng)促進(jìn)供需匹配。 而在日常的拉新、促活和召回中，時(shí)空分析同樣有效，不同的時(shí)空域代表著不同的場(chǎng)景，在特定場(chǎng)景下的用戶價(jià)值也會(huì)有不同。以打車場(chǎng)景為例，晚上去高級(jí)消費(fèi)場(chǎng)所的一般是高消費(fèi)的高價(jià)值用戶，但是在白天通勤時(shí)間前往消費(fèi)場(chǎng)所的則可能是消費(fèi)場(chǎng)所的工作人員。根據(jù)這個(gè)規(guī)律對(duì)特定時(shí)段的可能前往高級(jí)消費(fèi)場(chǎng)所的用戶進(jìn)行留存干預(yù)會(huì)更加有效。 價(jià)格杠桿調(diào)節(jié)需求在共享單車中的實(shí)現(xiàn)案例就是紅包騎車。通過計(jì)算發(fā)現(xiàn)某些車輛在冷區(qū)無人問津，通過騎車發(fā)紅包的方式，讓用戶主動(dòng)去找這些可能停放位置不顯眼的車，提高資源的利用效率。 5.2 服務(wù)側(cè)激勵(lì) 在用戶側(cè)運(yùn)營(yíng)讓需求盡可能可控和穩(wěn)定的同時(shí)，還需要服務(wù)側(cè)激勵(lì)，讓高峰時(shí)段的供給更多。在網(wǎng)約車行業(yè)中，最常見的案例就是早晚高峰和重要節(jié)假日。一方面乘客在早晚高峰時(shí)段集中出行，需求旺盛，而另一方面，早晚高峰也意味著交通擁堵，導(dǎo)致司機(jī)服務(wù)乘客的時(shí)間更多，還未必比其他時(shí)段掙錢更多，很多司機(jī)會(huì)傾向于早高峰或者晚高峰休息。因此，為了服務(wù)更多乘客，需要服務(wù)側(cè)激勵(lì)提高司機(jī)在早晚高峰服務(wù)的意愿。通過設(shè)置合理的高峰時(shí)段的補(bǔ)貼和獎(jiǎng)勵(lì)措施，讓司機(jī)早晚高峰的辛苦得到更多的回報(bào)。重要節(jié)假日也一樣，應(yīng)該出臺(tái)對(duì)司機(jī)更有利的政策，盡可能提高司機(jī)在重要節(jié)假日的出車意愿。 服務(wù)側(cè)激勵(lì)往往成本較高，付出1元成本，司機(jī)只能得到1元的收入。通過乘客激勵(lì)的方式可以讓司機(jī)獲得更高的收入，比如給乘客10元優(yōu)惠券，乘客可能會(huì)花50~100元多打一次車，司機(jī)因此就能得到多于直接激勵(lì)的收入。在用戶需求不飽和的時(shí)間段，要提高司機(jī)收入，應(yīng)該優(yōu)先考慮提升乘客的需求；在用戶需求高度飽和的時(shí)間段，才應(yīng)該用服務(wù)側(cè)激勵(lì)提高司機(jī)的收入。 5.3 動(dòng)態(tài)調(diào)價(jià) 對(duì)打車而言：當(dāng)價(jià)格提高的時(shí)候，對(duì)價(jià)格比較敏感或者出行需求不是特別迫切的用戶可能會(huì)選擇公共交通出行或者暫時(shí)不出行，從而把服務(wù)能力留給更迫切和必要的用戶；當(dāng)價(jià)格有優(yōu)惠的時(shí)候，一些本來可以選擇公共交通或者暫時(shí)不出行的用戶，也可能因此選擇打車出行。 動(dòng)態(tài)調(diào)價(jià)的機(jī)制就是基于這個(gè)現(xiàn)象產(chǎn)生的，其核心就是計(jì)算調(diào)價(jià)的倍率。倍率主要是對(duì)某個(gè)空間未來一小段時(shí)間的供需關(guān)系的預(yù)估，這個(gè)預(yù)估主要包括兩個(gè)方面：一方面是基于過去一段時(shí)間這個(gè)時(shí)空域的供需關(guān)系對(duì)接下來這段時(shí)間的供需關(guān)系進(jìn)行預(yù)估；另一方面是通過當(dāng)前的供需關(guān)系預(yù)估因突發(fā)事件對(duì)供需關(guān)系所造成的沖擊，比如惡劣天氣。當(dāng)綜合考慮歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù)之后，如果發(fā)現(xiàn)接下來需求要遠(yuǎn)遠(yuǎn)大于供給時(shí)，就可以讓動(dòng)態(tài)調(diào)價(jià)倍率更高。動(dòng)態(tài)調(diào)價(jià)也要有一定的邊界，尤其是在國(guó)內(nèi)大家對(duì)于市場(chǎng)機(jī)制并不完全接受的情況下，就一定要做好用戶的溝通，并且設(shè)置兜底策略，需要對(duì)動(dòng)態(tài)加價(jià)設(shè)置上限，防止算法計(jì)算出的倍率過高而引發(fā)用戶的抵觸情緒。 5.4 預(yù)期可視化 無論如何調(diào)控，還是會(huì)存在供需關(guān)系無法調(diào)節(jié)的場(chǎng)景，對(duì)于用戶而言，當(dāng)周圍服務(wù)資源比較緊張的時(shí)候，系統(tǒng)需要做的就是盡可能給用戶一個(gè)確定性的預(yù)期。 給用戶一個(gè)當(dāng)前系統(tǒng)的狀態(tài)，以及預(yù)期達(dá)到的時(shí)間，這在大部分系統(tǒng)設(shè)計(jì)中都是必要的。對(duì)于高峰期的效率降低，大部分用戶都是有預(yù)期且可以理解的，但是用戶不能忍受不確定性，系統(tǒng)設(shè)計(jì)就是要盡可能消除用戶的不確定性。在打車系統(tǒng)中，告知用戶當(dāng)前的排隊(duì)位置和預(yù)期時(shí)間，快遞和外賣行業(yè)中，用戶下單時(shí)明確告知用戶預(yù)計(jì)送達(dá)時(shí)間，同時(shí)實(shí)時(shí)跟蹤整個(gè)派件過程中快遞的位置，都是消除用戶不確定性的做法。 預(yù)期可視化不僅線下交易匹配系統(tǒng)需要，所有和用戶進(jìn)行直接交互的系統(tǒng)也都需要考慮，保證用戶的確定性和可控制性是面向用戶設(shè)計(jì)的基本原則。 5.5 高價(jià)值用戶保護(hù) 當(dāng)服務(wù)資源特別稀缺時(shí)，所有用戶可被服務(wù)的概率都會(huì)降低，且都會(huì)受到調(diào)控手段的干擾。在這樣的情況下可能就需要對(duì)高價(jià)值用戶做額外的保護(hù)。 比如打車遭遇惡劣天氣不能保證所有的用戶都被接單時(shí)，就要優(yōu)先保證高級(jí)會(huì)員的體驗(yàn)。而類似價(jià)格動(dòng)態(tài)調(diào)整這樣的策略，對(duì)高價(jià)值用戶使用是不合適的。畢竟我們希望和高價(jià)值用戶建立更長(zhǎng)期的信任關(guān)系，不能用價(jià)格手段抑制這些用戶的需求。 對(duì)于高價(jià)值用戶的保護(hù)在服務(wù)業(yè)是非常常見的，比如銀行的高級(jí)會(huì)員可以免排隊(duì)，車站和機(jī)場(chǎng)的高級(jí)用戶可以提前進(jìn)站和登機(jī)。線下交易匹配系統(tǒng)本質(zhì)上也是服務(wù)業(yè)，也需要對(duì)核心用戶進(jìn)行保護(hù)。 6 線下交易的挑戰(zhàn) 線下交易是一個(gè)新的課題，在本章最后，會(huì)討論線下交易產(chǎn)業(yè)所面臨的挑戰(zhàn)。 6.1 押金模式的困境 線下交易的產(chǎn)品中用戶可能會(huì)使用系統(tǒng)的固定資產(chǎn)，而服務(wù)收取的費(fèi)用一般遠(yuǎn)小于用戶可能對(duì)系統(tǒng)的固定資產(chǎn)造成的傷害。以共享單車為例，用戶一次騎行支付費(fèi)用最低僅需要1元，但是如果用戶拿走了這輛車或者對(duì)這輛車進(jìn)行破壞性使用，那么一輛車帶來的損失可能是使用費(fèi)用的幾百倍甚至上千倍。這就意味著，對(duì)于共享單車企業(yè)而言，想要盈利的話，至少得把惡意乘客使用的比例控制在千分之一以下。為了達(dá)到這個(gè)目標(biāo)，共享單車企業(yè)想到的方法是使用押金，一旦有確定性證據(jù)證明用戶惡意用車，可以從押金中進(jìn)行抵扣。 但是押金同樣也帶來了另一個(gè)風(fēng)險(xiǎn)，那就是用戶財(cái)產(chǎn)的損失。這個(gè)行業(yè)普遍存在挪用押金的情況，甚至有些惡意企業(yè)做共享單車業(yè)務(wù)的目標(biāo)就是為了獲取用戶的押金。比如，某企業(yè)注冊(cè)用戶1600萬(wàn)，押金298元，前后投放車輛140余萬(wàn)輛，押金總金額遠(yuǎn)高于車輛資產(chǎn)成本，最終攜款倒閉，大量用戶的押金不了了之。用戶的押金應(yīng)該存放在第三方機(jī)構(gòu)，并且保證押金不貶值。 雖然押金問題非常明顯，但是押金現(xiàn)象在國(guó)內(nèi)還是普遍存在的，一個(gè)很重要的原因就是征信體系的缺失。對(duì)于企業(yè)而言，無法知道一個(gè)新用戶的信用如何，所以需要通過押金來保證企業(yè)資產(chǎn)的安全，而一個(gè)用戶即便在使用服務(wù)的過程中有惡意的行為，也不會(huì)承擔(dān)嚴(yán)重的后果。在征信體系健全的國(guó)家，一些不誠(chéng)信行為會(huì)通過征信體系傳遞到相關(guān)行業(yè)，一個(gè)逃單可能就會(huì)造成用戶申請(qǐng)貸款難、信用卡額度受限等嚴(yán)重后果，有效限制用戶的惡意行為。 除了用戶征信體系的缺失，押金模式普遍存在的另一個(gè)原因是國(guó)內(nèi)黑產(chǎn)行業(yè)的發(fā)達(dá)?；鶎舆\(yùn)營(yíng)商釋放了大量沒有綁定有效身份證的手機(jī)號(hào)，使得黑產(chǎn)行業(yè)可以廉價(jià)地獲得了大量的手機(jī)號(hào)，并利用這些手機(jī)號(hào)批量注冊(cè)大量的賬號(hào)，去各個(gè)產(chǎn)品中獲取利益，比如微博的僵尸粉、互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)用戶、電商的羊毛黨。在線下交易產(chǎn)品里，黑產(chǎn)也是如影隨形，資產(chǎn)盜竊或者使用服務(wù)后造成壞賬，都是行業(yè)面臨的嚴(yán)峻問題。 目前阿里和騰訊利用自身積累的大量用戶行為數(shù)據(jù)，分別推出了用戶的信用分，在一定程度上能夠替代押金模式。但是一旦對(duì)接阿里或者騰訊的信用分，則意味著用戶的交易行為數(shù)據(jù)會(huì)暴露給這兩家公司，也可能產(chǎn)生其他的隱患。 6.2 社會(huì)和政策的影響 線下交易行業(yè)在提供服務(wù)的同時(shí)，也在改變著社會(huì)的規(guī)則。而這樣的改變一方面可以更好地服務(wù)用戶，但是另一方面也會(huì)有負(fù)面影響。 當(dāng)網(wǎng)約車軟件出現(xiàn)之后，用戶可以方便地用手機(jī)打到車，但是同時(shí)也觸犯了傳統(tǒng)出租車公司的利益。無論在海外還是在國(guó)內(nèi)，網(wǎng)約車公司都受到了傳統(tǒng)出租車行業(yè)的抵制。除此之外，網(wǎng)約車軟件對(duì)一些特定人群并不友好。通過系統(tǒng)發(fā)單的方式，車輛減少了空駛率，但是另一方面，在路上招手叫出租車也變得幾乎不可能。對(duì)于一些不會(huì)使用網(wǎng)約車軟件的老人而言，這并不是一個(gè)好消息。這是網(wǎng)約車軟件的負(fù)面社會(huì)影響。2016年年底，國(guó)家出臺(tái)了網(wǎng)約車新政讓網(wǎng)約車市場(chǎng)規(guī)范化運(yùn)營(yíng)，對(duì)于網(wǎng)約車公司而言，新政讓規(guī)模化增加司機(jī)變得更加困難，使得運(yùn)營(yíng)成本進(jìn)一步加大。 共享單車在緩解城市交通擁堵、節(jié)能減排上有非常明顯的優(yōu)勢(shì)。但另一方面如果公司不回收廢舊車輛、用戶隨意堆放車輛，會(huì)占用公共空間和市政資源。這是共享單車的負(fù)面社會(huì)影響。而共享單車行業(yè)的激烈競(jìng)爭(zhēng)造成了大量的車輛投放，實(shí)際上已經(jīng)讓很多共享單車變成了城市垃圾。為了控制這樣的趨勢(shì)，政府也出臺(tái)了政策進(jìn)一步限制共享單車的投放。 不僅網(wǎng)約車和共享單車行業(yè)，線下交易行業(yè)有著各種問題。共享汽車可能長(zhǎng)時(shí)間占用停車位；快遞造成了很多包裝垃圾；外賣造成了一次性餐具的增長(zhǎng)。對(duì)于行業(yè)發(fā)展可能造成的社會(huì)影響，作為從業(yè)者一定要有清醒的意識(shí)，否則可能就會(huì)有政府政策出臺(tái)糾正，輕則管制，重則取締。 當(dāng)然，即使有著各種社會(huì)和政策問題，產(chǎn)品和技術(shù)本身也需要持續(xù)發(fā)展。只有讓產(chǎn)品和社會(huì)產(chǎn)生碰撞，才能讓問題暴露并解決，最終讓社會(huì)接受新的產(chǎn)品和技術(shù)，這也是社會(huì)發(fā)展的客觀規(guī)律。 6.3 供需時(shí)空分布不均 供需時(shí)空分布不均的問題是線下交易匹配系統(tǒng)要解決的核心問題。需求只要不是均勻分布，有高峰和低谷，就意味著在高峰期需求難以滿足，在平峰期服務(wù)能力過剩。為了緩解這個(gè)問題，就要求用一些杠桿盡可能讓供需匹配，可以通過浮動(dòng)定價(jià)和高峰期排隊(duì)等策略讓用戶盡可能避開高峰期發(fā)出需求，讓需求盡可能匹配服務(wù)能力；也可以通過獎(jiǎng)勵(lì)和補(bǔ)貼讓服務(wù)者多在高峰期提供服務(wù)，讓服務(wù)能力盡可能匹配需求。但是這樣的策略本質(zhì)上也僅僅是緩解供需時(shí)空不匹配的問題，無法從根本上解決這些問題。 當(dāng)然可能有人會(huì)問，為什么不提供即使在高峰期也能滿足需求的服務(wù)能力？除非提供服務(wù)能力不需要固定成本的投入，否則這在經(jīng)濟(jì)學(xué)上就是不成立的，因?yàn)檫@樣會(huì)極大地壓縮利潤(rùn)空間，甚至導(dǎo)致虧損。 供需不匹配的問題會(huì)持續(xù)存在，而對(duì)供需不匹配情況下的策略優(yōu)化，是線下交易產(chǎn)品利潤(rùn)率優(yōu)化的一個(gè)關(guān)鍵點(diǎn)，也是未來面臨的一大挑戰(zhàn)。 6.4 無法兼顧效率和業(yè)務(wù)目標(biāo) 線下交易匹配系統(tǒng)往往是非常復(fù)雜的系統(tǒng)，需要考慮的不僅僅是單純的效率，還需要考慮多個(gè)業(yè)務(wù)目標(biāo)。如何在構(gòu)建線下交易匹配系統(tǒng)時(shí)兼顧效率和業(yè)務(wù)目標(biāo)，也是一個(gè)比較大的挑戰(zhàn)。 以打車系統(tǒng)為例，前面已經(jīng)介紹了以效率為單一目標(biāo)的策略該如何設(shè)計(jì)，但這往往不是系統(tǒng)最佳的狀態(tài)。打車系統(tǒng)一個(gè)重要的業(yè)務(wù)目標(biāo)就是提升司機(jī)的服務(wù)，因此線下交易匹配系統(tǒng)就應(yīng)該提升高服務(wù)質(zhì)量司機(jī)的收入。那么，在需求少、司機(jī)多的情況下，即使一個(gè)高服務(wù)質(zhì)量的司機(jī)距離需求更遠(yuǎn)，也可以優(yōu)先指派服務(wù)質(zhì)量高的司機(jī)接單。不僅是服務(wù)，也可能有其他的業(yè)務(wù)指標(biāo)，比如為了提高新手司機(jī)的留存而給他們更高的分單優(yōu)先級(jí)。 效率也好，業(yè)務(wù)目標(biāo)也好，最終體現(xiàn)在一個(gè)共同的核心函數(shù)中。這個(gè)核心函數(shù)就需要經(jīng)過詳細(xì)的測(cè)算，不能只考慮效率，但也不可能為了業(yè)務(wù)目標(biāo)去犧牲太多效率。比如一個(gè)用戶呼叫服務(wù)，服務(wù)好的司機(jī)在5公里，服務(wù)一般的司機(jī)距離乘客1公里，那么顯然應(yīng)該優(yōu)先匹配1公里的訂單。簡(jiǎn)而言之，實(shí)現(xiàn)業(yè)務(wù)目標(biāo)一定是在滿足效率目標(biāo)的基礎(chǔ)上的。 為了達(dá)成效率和其他業(yè)務(wù)指標(biāo)的平衡，系統(tǒng)設(shè)計(jì)者需要對(duì)系統(tǒng)構(gòu)建和業(yè)務(wù)均有很深的理解，這對(duì)系統(tǒng)設(shè)計(jì)者是很大的挑戰(zhàn)。 6.5 數(shù)據(jù)挖掘和算法創(chuàng)新 當(dāng)然，線下交易匹配系統(tǒng)最大的問題還是在數(shù)據(jù)和算法上。這是一個(gè)約束很多、沒有成熟算法可以參考的系統(tǒng)。 線下交易匹配系統(tǒng)的時(shí)空域轉(zhuǎn)移數(shù)據(jù)該如何處理？它們不是商品，不是涇渭分明的多個(gè)SKU。在地理信息中包含的用戶特征信息該如何抽象出來并且被算法理解？ 當(dāng)一個(gè)區(qū)域內(nèi)只有少量需求的時(shí)候，如何從這些少量需求中挖掘出各個(gè)時(shí)空域的需求分布？怎么將地理數(shù)據(jù)的相似性作為需求預(yù)測(cè)的入?yún)ⅲ? 即使通過仿真系統(tǒng)進(jìn)行強(qiáng)化學(xué)習(xí)，構(gòu)建怎樣的模型架構(gòu)才是合理且高效的，才能讓算法在更復(fù)雜的環(huán)境中也能適用？ 如何利用這些服務(wù)能力相互協(xié)同，從而構(gòu)建將來的智慧城市？ 這些問題都沒有被很好地回答，但都是線下交易匹配系統(tǒng)需要克服的問題。本章討論的內(nèi)容，或許只是未來更先進(jìn)系統(tǒng)的腳手架。 7 小結(jié) 相比于內(nèi)容分發(fā)，線下交易匹配系統(tǒng)是互聯(lián)網(wǎng)行業(yè)面臨的新問題。因?yàn)榫€下服務(wù)的特點(diǎn)，線下交易匹配系統(tǒng)注定需要用不同的思路去探索解決方案。本章所講解的線下交易運(yùn)營(yíng)策略，以及線下交易面臨的挑戰(zhàn)，則是對(duì)當(dāng)前行業(yè)現(xiàn)狀的介紹和探討。 服務(wù)行業(yè)通過算法提升效率和體驗(yàn)，已成為基本共識(shí)。在過去的20年里，互聯(lián)網(wǎng)回答了人們應(yīng)該看到怎么樣的內(nèi)容，接下來的十幾年里，互聯(lián)網(wǎng)需要回答人們應(yīng)該享受怎樣的服務(wù)。未來我們生活在什么樣的城市中，這個(gè)城市又是怎么將數(shù)據(jù)接入互聯(lián)網(wǎng)的，而這些數(shù)據(jù)又是怎么深刻地影響了城市這一系統(tǒng)的運(yùn)行。現(xiàn)在，關(guān)于線下交易匹配系統(tǒng)的大多數(shù)問題，無論是業(yè)界還是學(xué)界，都沒能給出一個(gè)很好的答案，對(duì)于互聯(lián)網(wǎng)從業(yè)者而言，是巨大的挑戰(zhàn)，當(dāng)然也是巨大的機(jī)遇。