货拉拉CTO张浩
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。
尽管都是通过互联网来调配运力，但货运和网约车行业还是不太一样，用货拉拉CTO张浩的话说，在交易和履约方面，同城货运和出行比起来更复杂一些，最重要的原因是货运的不标准化。各种各样的车，各种各样的货，在数字化系统里面是成千上万的SKU。没有标准化服务，就很难做到规模化扩张，这和网约车领域不是一个逻辑。
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）
