滴滴打车已在出行商场近乎统一天下，但没有人注意到，跟打车商场简直在同一时间诞生的货运O2O商场，却仍旧还未抵达结尾。

2014年，出行范畴刚刚诞生便产生了激战。短短不到8年时间，在线打车现已遍及我国各个区域，滴滴一路过关斩将，整合了快的，拿下了uber，登上出行赛道的铁王座。

可是同样是2014年，货拉拉、满帮，58速运等货运O2O企业也在同一时间起步，可是时至今日，货运商场并没有像出行商场相同，快速规模化地在全国各地迸发。即使头部企业有了较高的商场份额，但相关于广袤的商场来说，仍旧是冰山一角。

出行向左，货运向右。为何同样是巨大商场的两条赛道，却走出了天壤之别的途径？

有媒体以为，职业服务链条的广度，以及技能的深度，是出行和货运两个工业最大的不同，而这也让让货拉拉等企业，不能像滴滴相同，依靠巨大的线下军团快速扩张。

相对应的，货运公司更多的力气，需求聚集在一个简直没有人触及到，但却需求更长时间堆集的范畴——技能。

一、物流园路旁边的货运O2O萌发

货运是一个并不亚于客运的巨大蓝海商场。

典型的深圳华强北，共有企业2.5万家，个体工商户2.6万户，从业人员20万，日均人流量达30万-50万人，高峰期可达80万人。一天内各个时间段，数不清的货品，在卡车的装载下，发往全世界。

在2013年曾经，货运司机们往往聚在物流园门口，盯着门口的黑板，在鳞次栉比的信息中，寻觅接单的时机。

这些物流园一般都有一个信息部，作业人员把用户的需求汇总在黑板上，“黑板上写着有什么样的货，多重，要找什么样的车，从哪里到哪里"。

但实际并不尽善尽美，并不是每次都能找到回程的需求。跟着跑货运越来越多，他们的收入开端下降，有时分一天接不到一两单子，许多时分几个司机坐在一同打扑克，“可是心里是很焦虑的，由于都有一家老小要养活。”

有没有一种方法，让卡车司机和货主们可以都可以更有功率地匹配起来，让货主可以方便地找到司机，让司机不必在街边"扒活"。

在这样的需求唆使下，货运O2O公司应运而生。

2013年，货拉拉建立了，2014年下半年正式进入内地商场，瞄准了广州和深圳这两个华南货运重镇。

2014年9月，58速运App正式上线，主打城市近间隔货运。

2017年，运满满和卡车帮兼并，建立满帮集团。3年后，滴滴也建立了货运公司，正式参加这个战场。

初期，许多司机也没有智能手机，为了协助产品冷启动，货运公司的产品司理们常常一同“混迹”深圳和广州郊区的大排档，跟几十位司机成为了好兄弟，压服他们运用货运软件。

就这样，货运O2O商场，踉跄起步。

二、货运离别散兵游勇，但补助行不通

可是谁都没有想到，本以为货运会是跟打车相同，可以快速规模化仿制，实际却给创业中的货运公司们泼了一场冷水。

2015年前后，许多公司都期望用客运O2O形式去处理货运问题，即烧钱补助，最高峰的时分有200多家公司都在瞄准这一商场，全体商场以每年超越20%速度在增加。

尽管出行和货运，看上去都是交通服务，但问题在于，货运的服务链条和无法处理的痛点底子不是可以经过补助处理的。

另一种是促进端到端的货运买卖——从下单、定价、预付款、货运匹配、订单追寻、承认付款结算的“闭环”渠道。

关于后者来说，遇到的技能困难远比幻想中难得多。第一个横亘在面前的便是信息化难题。

张浩是货拉拉现任CTO，曾任饿了么技能副总裁，他在承受采访时曾感叹，与其他O2O渠道比较，互联网货运的数智化还有许多作业要做。

互联网货运数智化面对的第一个应战是“车”、“货”的匹配。

打车商场，人和车都是标准化的，所以可以用同质化的手法完结每一单服务。可是，货运商场，车和货不匹配就装不下。在货拉拉渠道上，车辆大的类型就超越17种，货品就更是千奇百态。

第二个应战是路途限行。在城市路途中，许多存在着卡车限行、限高、限重、限轴重，还有一些方针要素，有些路段小货能曩昔，中货纷歧定能过，这些都需求数据，让车、货以及环境做精准的匹配。

这是都是职业遍及面对的难题。

其时，许多公司都靠巨额补助给司机维持着用户量，却没有真实取得用户。这些补助来自于风险投资基金，风投的钱是有限的，逐渐地，一些公司开端难以为继。

很快，许多公司在那场大战中稍纵即逝：咕咕速运、一号货的等公司先后折戟。

货拉拉是阅历这个赛道崎岖的典型代表。

这家公司也曾经在一段时间也被卷入了补助大潮之中，可是他们团队却以为，假如一味地给补助，其时引来许多刷单用户，不是渠道真实可以留住的人，关于渠道、关于真实的用户都是晦气的。

在隆冬下，货拉拉也到了生死存亡的时间，所以，其时的开创团队做了一个决议：停掉给用户的补助。

这个决议好像断臂求生。由于其它渠道还在给用户补助，货拉拉订单量从日均一千多单跌到了400多单，一切人的压力都很大，可是货拉拉的团队仍是信任一件事——要处理真实用户真实的痛点。

但另一面，一项在全球都算得上是无人区范畴的货运技能，开端在这家公司悄然诞生。

三、技能打破成为货运“主航道”

互联网货运公司的产品演进逻辑其实并不杂乱，那便是怎么把货运功率一步步提高至极致。实际上，物流的实质便是从A点到B点的功率游戏。

现任货拉拉产品副总监的罗肇丰是货拉拉最早的产品司理之一。据他介绍，在2014年左右，货拉拉仅是简略的信息促成渠道，功率十分低下，司机需求从海量的订单中挑到与自己车型、间隔相匹配的订单。

2015年-2016年，跟着对商场的了解加深以及司机、用户信息数据的堆集，货拉拉开端进行精准匹配，协助司机过滤掉并不合适履约的订单，提高司机效能。

2019年之后，跟着算法才干提高，产研团队强大，算法开端在货拉拉真实全面投入运用，在提高履约功率的一起也能平衡司机、用户的体会。由于算法的运用，司机在完结一单后的等单时长削减，用户也简单找到合适自己货品特性和偏好的车，极大提高了功率。

现在货拉拉的产研团队现已从两三百人到现在的挨近2000人，研制团队从一开端只要前台、中台等几个部分，现在各板块都进行了细分，并都提高了专业化程度。

2020年张浩在某次职业大会上共享了货拉拉打造的一套降本增效的技能体系，这套中台体系在货拉拉内部称之“才智大脑”，分供需，分单，营销，定价四个模块。

供需引擎猜测运力散布，需求猜测和运力猜测；

分单引擎便是在做匹配，订单来了，给哪个运力；

定价引擎拟定不同货运、不同车型价格，有时在不同路段不一起段价格不相同；

营销引擎在什么时分去做什么补助，促进需求。

这个体系在AI、大数据和地图等根底才干之上，经过自研运筹优化算法结构处理中心的资源优化装备问题。在 IoT技能之上，把一切的物流的出产元素数智化之后进行最精准的匹配。

可是，在货运的“人、车、货、路”出产元素中，人的数智化姑且简单完成，车、货、路的数智化何其困难。

货品非标，车型类别杂乱，路途限行条件杂乱、多样等等，这些都是整车货运场景特有的应战。

“不少搭档刚参加时会有些不适，由于货运场景的技能难度会让职业界的专家都难以应对。”曾经在客运O2O公司作业过的货拉拉技能总监石立臣坦言。

石立臣担任货拉拉买卖引擎和地图团队，曾是吴文俊人工智能天然科学奖一等奖取得者。在他的团队，中心主干专家有30多人，都是来自阿里、百度、美团等一线公司，算得上国内地图界的领军人物。他坦言，货运场景下“路”的数字化比幻想中难太多。

“尽管应战很大，但咱们有两项技能做到了职业抢先。”石立臣介绍到，一是车货匹配，二是装卸货点引荐。

以车货匹配为例。用户下单后，渠道根据货品特色、适配车型的运力散布，结合路况、限行等归纳要素，实实际时匹配。经过大数据的堆集和智能决议计划体系的迭代，继续提高履约功率。

在不断的技能堆集下，货拉拉在拉货、搬迁场景中,其智能分单体系日均现已能处理百万级订单与国内渠道几十万名司机之间的即时分配问题。

接下来，货拉拉将推进货品辨认与体积丈量技能，以及打造互联网货运地图全体处理方案，在货运数智化方向再进一步。

八年光景，英豪沉浮，货运困难前行。货拉拉的事例证明，在这块我国仍旧是一片蓝海的O2O商场里，只要对技能的投入和固执，才干真实拥抱它。