所以，如果一开始后台调配系统能力更不上，就很容易出现骑手暂时接不到订单，而商家不得不“手动”通知骑手到店取餐，再通过小票的电话和地址送餐的尴尬。

数据壁垒

除了算法上数量级的差异，整个外卖送餐的事实操作流程要更加复杂。

首先，外卖系统需要通过优化设定配送费以及预计送达时间来调整订单结构。

这意味着，在接收订单之后，系统需要考虑骑手位置、在途订单情况、骑手能力、商家出餐、交付难度、天气、地理路况、未来单量等因素，在正确的时间将订单分配给最合适的骑手，并在骑手执行过程中随时预判订单超时情况并动态触发改派操作，实现订单和骑手的动态最优匹配。

而系统派单后，还要为骑手提示该商家的预计出餐时间和合理的配送线路，并通过语音方式和骑手实现高效交互；在骑手送完订单后，系统根据订单需求预测和运力分布情况，告知骑手不同商圈的运力需求情况，实现闲时的运力调度。

这其中的配送路线并不是简单的地图导航。

网约车主要在小区外主干路完成服务，没有小区内部和室内导航问题，因为复杂度不高。而外卖骑手的订单配送过程既有在室外主干道上的通行，又有上下楼取餐和交付等室内任务，需要较高精度的小区内部导航和室内定位技术。

“不管是高德地图、还是百度地图，能够提供的是从A点到B点的室外距离需要的时间。但是真正的室内地图这块，美团的数据其实是依赖外卖骑手们一单一单的跑出来的。”何仁清表示，美团外卖每天产生巨量的订单配送日志、行驶轨迹数据。

而通过对配送大数据进行分析、挖掘，会得到每个用户、楼宇、商家、骑手、地理区域的个性化信息，以及有关各地理区块骑行路径的有效数据。基于大数据平台，可以根据订单的配送需求、地理环境以及每名骑手的个性化特点来实现订单与骑手的高效动态最优匹配。

有意思的是，在美团的送餐系统里面，会特别关注骑手的是上下楼时间。何仁清透露，他甚至专门研究过骑士在去低楼层和高楼层时的时间速度，低楼层的商户如果在一个商场里的时候就快，因为骑手没有等电梯，而是乘坐扶梯。

而这些都不是一天能够积累出来的，还需要不断调优——要知道，每个商场的路径规划都有自己的特点，这直接影响了骑手去找商家的时间成本。除了上下楼时间，目前的系统还会关注骑电动车的时间。

何仁清认为，如果想要做到精确配送，必须要拿到这些数据。而这些数据需要长期的线下积累。”

　　运营壁垒

除了后台系统调配，对于骑手工作时候的安全问题也是外卖平台需要关注的重点。

相关报道: