文｜深響 李壹柒

在多年前的互聯網萌芽時期，人們關于“互聯網到底有什么價值”曾有過諸多討論甚至爭辯。其中最為著名且被認可的觀點是"梅特卡夫效應"——網絡平臺中連接的節點越多、越活躍，其能產生的價值就越大。

后來互聯網的飛速發展、平臺經濟的崛起都驗證了這一判斷。但互聯網的故事遠沒有結束，當互聯網平臺連接的角色越來越多，觸及的場景越來越多， "梅特卡夫效應"似乎開始起反作用。

我們熟知的是信息繭房、大數據殺熟等話題，它們尖銳且矛盾突出，除此之外，還有更多的隱性問題：

網約車派單，怎么既滿足用戶快速用車的需求，又讓調度符合司機的利益？

搜索內容推薦，怎么既滿足用戶精準的內容需求，又滿足廣告主競價排名后的效果需求？

外賣派單，怎么協調商家、騎手、用戶？

招聘平臺上求職者和招聘者都有自己的“預期偏差”，簡歷與職位匹配怎么能達到兩邊的平衡？

我們的生活已經繞不開互聯網，平臺治理也成為了一個時代的母題：如何既有尺度又有溫度？如何探索更柔性的治理方式，去平衡生態各方利益？各方角色利益的有限游戲里，平臺怎么找到無限的解法？

三大難題：相關方多、變化多、信息少

擺在平臺面前的難題有三種，它們層層遞進、環環相扣，共同成為了橫亙在效率與人之間的隔閡。

第一是越來越多的利益相關方。

最早的互聯網并沒有打通服務端和用戶端，平臺扮演"中間商"角色。后來平臺提供的服務越來越多元，平臺上的利益體之間有了直接的連接。

網約車平臺需要權衡司機調度、用戶體驗的雙重利益。如果用戶急著用車，但身邊交通不暢，這時平臺需要根據擁堵情況，調度用戶周圍能以最快速度抵達的車輛。如遇下雨等極端天氣或者上下班高峰期，平臺更需要合理調度地區之間的司機，應對突然爆發的訂單數量，在確保消費者的出行體驗的同時，也要確保網約車司機的權益。

外賣平臺需要權衡的利益體更多，即出餐的商家、送餐的騎手、用餐的用戶，三端博弈。

第二是利益主體不光復雜，而且還在動態變化。

我們就以外賣平臺運行中常見、但用戶看不見的出餐場景為例，這一場景涉及商家、騎手、消費者三方，他們中的每個主體都有很強不確定性。

比如商家的出餐速度就有不確定性。有時突然遭遇"爆單"，有人為會議點了20杯咖啡或是大單團餐；有時堂食大爆發，門店人手都不夠；有時突然遭遇"冷門"，用戶點了菜單上很少被點的菜品，后廚的快速出餐流水線被打斷……這些經常發生的"突發情況"往往會影響商家的出餐速度。

但用戶并不清楚這一切，在用戶的潛意識里，"下單成功"即"計時開始"。這就是用戶用餐速度的利益和商家出餐速度、騎手送餐速度的利益沖突。

這個沖突在騎手身上更為集中地體現。騎手既要面對商家的出餐慢問題，又要面對用戶的用餐急的催促，加上自身配送過程中可能出現的路況、地址等不確定性問題，一個訂單出問題往往意味著其他訂單也會被影響。

而消費者的需求更是變化莫測。有人為了催促騎手而發了太多的消息，以至于讓騎手的手機死機。有人填錯了地址，讓騎手走了很多冤枉路。也有消費者在下單后又取消了訂單，但此時訂單已經送出，商家、騎手很難"心平氣和"地處理解決。

不同的角色、不停地變化，形成了更多需要平臺制定規則時需要"搞明白"的場景。

第三，平臺無法完整獲取決策所需的信息。

舉個反例會更好理解，在線地圖能夠根據不斷變化的情況來及時調整規劃。這是因為，基于互聯網、衛星和定位系統，在線地圖可以隨時獲取車輛所在的位置和目的地，并且通過汽車的GPS定位系統獲取經過該道路的每臺車的速度、方向和位置等實時路況，再將這些數據轉化成車流量信息，計算到達目的地的時間。

在這個過程中，在線地圖能夠獲得與這輛車相關的“完全信息”，不存在任何的“盲區”。

但在有的場景中，平臺獲取的信息是“不完全的”，這時它就難以像在線地圖場景中那樣，隨時調配各個利益相關方。

上文提到的外賣出餐場景就是一個例子。有的商家門店高峰期客人太多，所以外賣訂單出餐會變慢，但商家沒有在平臺中“實時上傳”這一信息，系統也無法實時自動獲取這個狀態。因此，平臺會繼續按照原來的流程進行派單，商家外賣系統里的訂單越積越多，難免造成惡性循環。這好比某一條路已經擁堵不堪，但在線地圖沒有實時獲得這一信息，還是規劃了這條擁堵的線路。

對于騎手來說，無法獲得商家備餐的“完全信息”，他們的工作也會受影響。因為當騎手按照平臺要求到店后，會發現自己負責的訂單遲遲做不出來。騎手會很糾結，如果先去取別的訂單，返回這家會不會太晚從而耽誤了時間？如果在這里干等著，其他訂單的時間也有可能超時。

多端利益體、復雜的動態變化、無法完全獲取信息形成判斷，這三大問題疊加，就形成了博弈學中最難解決的“不完全信息動態博弈”，博弈各方難以根據情況及時調整自己的動作，也會因此產生矛盾。

拆解難題：商家騎手的“經驗”和平臺的“平衡”

難題怎么解？其實在商家側、騎手側，他們會根據經驗，調整自己的策略進行權衡和應對。

一家西式快餐連鎖店的區域營運經理告訴「深響」，為了應對出餐場景的不確定性，公司內部會制定比較嚴格的出餐流程，對備貨、出餐時間都有嚴格把控。在高峰時段，商家也會增加人手以提高出餐速度。

但在這個過程中，商家也需要權衡人力成本、以及備餐時是否要準備一些比較冷門的餐品。況且西式快餐的制作流程相對簡便，如果是中餐，商家更需要在備貨時考慮菜品新鮮度的問題。

商家會基于外賣場景制定更標準化的備餐流程，經驗熟練的騎手也會形成一套基于經驗的方法論。用餐高峰時段，有的騎手會把寫字樓的訂單安排在規定時間內的最后再送，因為有的寫字樓構造復雜，找到對應地址需要花費大量時間。也有騎手表示，自己送餐時間長了，大概能摸清哪個店備餐速度慢，然后自己就會先到這個店里報告“到店取餐”，然后前往其他商家先取餐，再回來這個店里。

這種基于經驗的做法具備高度不確定性，因為經驗很難適應所有場景，它也可能會有出錯的時候。

商家、騎手難以站在高處統攬全局做決策，所以采取的解法常常有局限。但平臺站得更高，可以更有效地平衡各方利益。

對于平臺，理想狀態是，商家出完餐、騎手剛好到店取餐并在規定時間送到消費者手中。這樣，三方利益都可以得到最大化滿足。美團就基于這個邏輯，從商家出餐、配送分派和騎手取餐三個流程著手，依據事前預防和事中干預的手段來進行優化。

在商家出餐環節，美團為一些商家免費提供了硬件“出餐寶”，并運用激勵機制，鼓勵商家通過“出餐寶”進行“出餐上報”。同時，美團還會向部分出餐慢的商家推廣“出餐后調度”。

這樣，商家在出餐后可以通過“出餐寶”進行上報，告知騎手已出餐，這時騎手就可以合理安排時間，盡快到店取餐并送餐。如果是“出餐后調度”的商家，等到備餐完成后，系統才會為他們調度騎手。這就解決了工作日用餐高峰期時“人等餐”的問題，商家爆單也不必讓騎手在門店里干等，節約了很多時間。

上述舉措能夠在“事前”提高出餐、分派和取餐的效率。同時對于“事中”的場景，騎手如果到店之后發現商家無法按時出餐，也可以在App端上報“出餐慢”獲得補時，并且也可以申請把這個訂單分配給其他的騎手。此外，在用戶端的訂單詳情界面，新增了商家出餐狀態的信息，一定程度上緩解了用戶的等餐焦慮，也降低了騎手被催餐的壓力。

多方面努力下，美團重點運營商家的訂單中，騎手每單等餐時長同比下降18%，等餐時間超過10分鐘的極端情況占比同比下降27%。

出餐場景是外賣系統的其中一個環節，外賣系統中其他環節也同樣存在改進的空間。目前，美團還吸收騎手等相關方的建議，對預估到達時間、訂單分配、騎手服務評價規則等多個方面作出改善，并將平臺治理思路公開在其官方微信公眾號中。

但由于外賣平臺牽涉的利益、角色、場景都具備高度的復雜性，所以平臺連接的商家、騎手、消費者之間，依然存在復雜的博弈。

有騎手就吐槽過，某個商家的外賣訂單系統中，58號和68號的配送位置是相同的，所以平臺就會將這兩個訂單分派給同一個騎手。但商家需要按照順序來備餐，所以58號和68號的出餐又有一定時間差。在這種場景下騎手會很為難：如果要等兩個訂單都出餐再進行配送，58號的訂單很可能超時；但如果先送58號再回來取68號，往返依然需要花費不少時間，又很可能會讓68號的訂單超時。

對于商家來說，“出餐寶”也無法解決所有問題。因為有的門店員工不多，高峰期備餐、服務堂食客人就已經非常忙碌，出餐時忘記掃碼也非常常見。

還有一類是“大訂單”問題，即一家公司可能早上在某家店下單了100份餐品，但是許多門店人手不多，這樣的大訂單意味著員工很難有時間去兼顧外賣訂單、甚至門店的客人。

拉長時間線看，互聯網雖然蓬勃發展，平臺對信息數據的處理能力也在一日千里地精進，但說到底這在人們社會生活的歷史長河里仍然只是剛剛開始。

平臺對規則的優化可以提高效率，但無法替商家做飯，替騎手跑腿，替司機開車，幫你完成簡歷上的履歷。商業世界的偉大，就是在于它的混沌態，在復雜的“人”面前，技術還是太年輕。

而幸運的是，平臺與社會已經意識到了平臺規則與現實場景之間的"差距"，它未來的發展方向也愈發清晰：通過廣泛聽取各方聲音彌補決策信息的缺失，減少剛性，增加柔性，從而平衡各方利益。

回到開頭的問題，互聯網連接和效率的底色從未改變，只是在進一步服務于人的過程中，平臺還需要對自身生態治理進行不斷的優化。