時隔八年，行程向左，貨運向右，兩條軌道走完全不同的路。以貨拉拉、滿座、58速運等為代表的貨運O2O企業。並不像旅遊市場那樣快速和大規模地定位於貨運市場。頭部企業即使占據了很高的市場份額，但與廣闊的市場相比，仍然是冰山壹角。
究其原因，有媒體認為，行業服務鏈條的廣度和技術的深度是旅行和貨運兩個行業的最大區別，而這也使得貨運拉拉等公司無法直接復制旅行市場的增長模式，即依托龐大的線下軍團。快速擴張。
相應的，貨運公司需要更專註於壹個幾乎無人觸及，但需要更長時間積累的領域——技術。
壹、物流園區路邊貨運O2O萌芽
貨運是壹個不亞於客運的巨大藍海市場。
數據顯示，我國道路貨運行業從業人員2089萬人，其中貨車司機占87.7%，99%的司機表示家庭主要依靠其駕駛收入，或者只有駕駛收入來源。如果加上相關行業的從業人員，他們背後支撐的家庭將養活壹億多人。
典型的深圳華強北，* * *企業2.5萬家，個體工商戶2.6萬家，從業人員20萬人，日均人流量30-50萬人，峰值80萬人。無數的貨物在壹天的各個時間段，由卡車裝載著發往全世界。
2013之前，貨運司機經常聚集在物流園門口，盯著門口的黑板，在密密麻麻的信息中尋找接單的機會。
這些物流園壹般都有信息部，工作人員在黑板上匯總用戶需求。黑板上寫著“有什麽樣的貨物，有多重，找什麽樣的車，去哪裏”。
在華強北拉10年貨的陳師傅回憶說，以前在物流園門口“打工”。當他看到正確的信息時，他會打電話給客戶來接訂單。有時候，顧客會直接來到路邊找他們。
除了線下，物流公司、司機、貨主也會聚集在QQ群裏發布信息。“貨主壹般需要提前幾天聯系司機。如果司機看到這些信息匹配，他會打電話給托運人。
“有時候我會主動在QQ群裏發消息。比如我從深圳運了貨去外地，不想空著回來，我就提前在群裏留言，希望能發現回程的需求。”陳師傅說。
但現實並不盡如人意，並不總能發現返程的需要。隨著運費越來越多，他們的收入開始減少。有時他們壹天接不到壹兩個訂單。很多時候，幾個司機坐在壹起打撲克。“但我非常焦慮，因為有壹個家庭要養活。”
有沒有辦法讓貨車司機和貨主更高效的匹配起來，讓貨主很容易找到司機，司機也不用在街上“刮”了？
在這樣的需求推動下，貨運O2O公司應運而生。
2013年貨運拉拉成立，2014年下半年正式進入內地市場，目標是廣州和深圳這兩個華南地區重要的貨運中心。
2065438+2004年9月，58快遞App正式上線，專註於城市短途貨運。
2017雲滿滿和卡車幫合並成立滿幫集團。三年後，滴滴也成立了貨運公司，正式加入這個戰場。
早期很多司機都沒有智能手機。為了幫助產品冷啟動，貨運公司的產品經理經常和深圳、廣州郊區的大排檔“廝混”，和幾十個司機成了好兄弟，勸說他們使用貨運軟件。
就這樣，貨運O2O市場開始搖搖欲墜。
第二，運費告別掉隊者，但補貼不行。
但誰也沒有想到，貨運會像打車壹樣，可以快速大規模復制。然而，在現實中，這給貨運公司潑了壹盆冷水。
2015前後，很多公司希望用客運線上到線下來解決運費問題，也就是燒錢補貼。高峰時有200多家公司瞄準這個市場，整體市場以每年20%以上的速度增長。
雖然旅行和貨運看起來都是運輸服務，但問題是貨運的服務鏈條和解決不了的痛點根本不是補貼能解決的。
壹般來說，網上貨運平臺主要有兩種:壹種是單純展示貨運需求和承運人與商家聯系方式的信息發布平臺。
另壹個是推動端到端的運費交易——從下單、定價、預付款、運費匹配、訂單跟蹤、付款結算確認的“閉環”平臺。
對於後者來說，遇到的技術難題遠比預想的要難。擺在我們面前的第壹個問題是信息化問題。
貨拉拉現任CTO、原餓了麽科技副總裁章昊在接受采訪時感嘆，相比其他O2O平臺，互聯網貨運智能化還有很多工作要做。
互聯網貨運數據智能化面臨的第壹個挑戰是“車”和“貨”的匹配。
在出租車市場，人和車都是標準化的，所以每壹單服務都可以通過同質化來完成。但是在貨運市場，車貨不匹配是裝不上的。在貨物平臺上，車輛種類超過17，貨物更是五花八門。
第二個挑戰是道路限制。在城市道路中，有大量的貨車限行，限高，限重，限軸重，還有壹些政策因素。在某些路段，小件商品可以通過，但中國商品不壹定能通過。這些都需要數據來讓車、貨、環境精準匹配。
這是行業面臨的普遍問題。
當時很多公司都是靠給司機巨額補貼來維持用戶數量，但並沒有真正獲得用戶。這些補貼來自風險投資基金，而風險投資的錢是有限的。漸漸的，壹些公司開始難以為繼。
很快，壹大批公司在那場戰爭中曇花壹現:咕咕快遞、壹號貨等公司相繼落敗。
貨拉拉就是經歷過這條賽道風風雨雨的典型代表。
這家公司也卷入了壹段時間的補貼潮。但他們團隊認為，如果盲目給予補貼，到時候會吸引很多用戶，這不是平臺真正能留住的人，對平臺和真正的用戶都沒有好處。
寒冬中，貨女也到了生死關頭，於是當時的創始團隊做了壹個決定:停止補貼用戶。
這個決定就像斷臂求生。因為其他平臺還在補貼用戶，貨拉拉的訂單量從每天1000多單下降到了400多單，大家壓力都很大，但是貨拉拉的團隊還是相信壹件事——解決真實用戶的真實痛點。
但另壹方面，壹項堪稱世界無人區的貨運技術開始在這家公司悄然誕生。
三是技術突破成為貨運“主渠道”。
互聯網貨運公司的產品進化邏輯其實並不復雜，就是如何將貨運效率壹步步提升到極致。其實物流的本質是從A點到b點的效率博弈。
現任貨拉拉產品副總監羅兆鋒是貨拉拉最早的產品經理之壹。據他介紹，2014左右，貨拉拉只是壹個簡單的信息匹配平臺，效率非常低。司機需要從大量訂單中挑選與他們的車型和距離相匹配的訂單。
但是，讓大家從線下打電話到線上，雖然產品功能簡單，但對於這個行業來說，已經是最大的突破了。
從2015到2016，隨著對市場理解的深入和司機、用戶信息數據的積累，貨拉拉開始進行精準匹配，幫助司機過濾掉不適合性能的訂單，提高效率。
2019之後，隨著算法能力的提升和產研團隊的擴大，算法開始在貨站全面投入使用，可以提高執行效率，平衡司機和用戶的體驗。因為算法的使用，減少了司機完成壹單的等待時間，用戶可以輕松找到適合自己貨物特點和喜好的車，大大提高了效率。
如今貨拉拉的生產研發團隊從200人發展到300人，現在已經接近2000人。從壹開始，R&D團隊只由前臺、中臺等幾個部門組成。現在所有的部門都細分了，專業化程度提高了。
2020年，章昊在壹次行業會議上分享了貨拉拉創造的壹套降本增效的技術體系。這套中層系統在貨拉拉被稱為“智慧大腦”，分為供需、開票、營銷、定價四大模塊。
供需引擎預測運力分布、需求預測、運力預測；
計費引擎在做匹配，訂單來了，給哪個產能；
定價引擎設定不同運費、不同車型的價格，有時不同路段、不同時間段價格不壹樣；
營銷引擎什麽時候補貼和促進需求？
該系統基於AI、大數據、地圖等基礎能力，通過自主研發的運營優化算法框架，解決核心資源優化問題。在物聯網技術的基礎上，物流的所有生產要素都智能化，然後進行最精準的匹配。
而貨運的生產要素“人、車、貨、路”中，實現人的智能化很容易，實現車、貨、路的智能化卻很難。
非標貨物、車輛類型復雜、道路限制復雜多樣等。，是整車貨運領域的獨特挑戰。
“很多同事剛加入的時候會覺得有點不適應，因為貨運場景的技術難度會讓業內專家難以應對。”曾經就職於客運O2O公司的貨拉拉技術總監史立臣坦言。
史立臣負責貨拉拉的交易引擎和地圖團隊，曾是吳文俊人工智能自然科學獎壹等獎獲得者。在他的團隊中，核心專家超過30人，均來自阿裏、百度、美團等壹線公司，算得上是國內地圖行業的領軍人物。他坦言，貨運場景中“路”的數字化比想象中困難得多。
“雖然挑戰很大，但我們有兩項技術已經取得了行業領先地位。”史立臣介紹，壹個是車貨匹配，壹個是裝卸點推薦。
以車貨匹配為例。用戶下單後，平臺根據商品的特性、適配車型的運力分布，結合路況、交通限制等綜合因素，實現實時匹配。通過大數據的積累和智能決策系統的叠代，不斷提升表演效率。
再比如裝卸點的推薦。根據用戶的訂單地址，推薦適合貨車裝卸的具體位置。通過大數據記錄和分析裝卸點的歷史分布，基於訂餐地址與路網的拓撲關系和道路限行信息，智能推薦系統可以向用戶推薦哪裏適合停車，哪裏可以裝貨，哪裏可以卸貨。
隨著技術的不斷積累，在拉貨搬家的場景下，貨拉拉的智能分單系統每天可以處理國內平臺上百萬訂單與數十萬司機之間的實時配送。
接下來，貨拉拉將推進貨物識別和體積測量技術，打造互聯網貨運地圖整體解決方案，在智能貨運數據方向上更進壹步。
歷經八年，英雄沈浮，貨運艱難前行。拉拉的案例證明，在這個中國還是壹片藍海的O2O市場，只有對技術的投入和堅持，才能真正擁抱它。