滴滴打車已在出行市場近乎一統天下，但沒有人注意到，跟打車市場幾乎在同一時間誕生的貨運O2O市場，卻依舊還未到達終點。

2014年，出行領域剛剛誕生便産生了激戰。短短不到8年時間，在線打車已經遍布中國各個區域，滴滴一路過關斬将，整合了快的，拿下了uber，登上出行賽道的鐵王座。

然而同樣是2014年，貨拉拉、滿幫，58速運等貨運O2O企業也在同一時間起步，然而時至今日，貨運市場并沒有像出行市場一樣，快速規模化地在全國各地爆發。即便頭部企業有了較高的市場份額，但相對于廣袤的市場來說，仍舊是冰山一角。

出行向左，貨運向右。為何同樣是龐大市場的兩條賽道，卻走出了截然不同的路徑？

有媒體認為，行業服務鍊條的廣度，以及技術的深度，是出行和貨運兩個産業最大的不同，而這也讓讓貨拉拉等企業，不能像滴滴一樣，依賴龐大的線下軍團快速擴張。

相對應的，貨運公司更多的力量，需要聚焦在一個幾乎沒有人觸及到，但卻需要更長時間積累的領域——技術。

一、物流園路邊的貨運O2O萌芽

貨運是一個并不亞于客運的龐大藍海市場。

數據顯示，中國道路貨運業從業人員達2089萬人，其中貨車司機占87.7%，而99%的司機表示自身家庭均依靠其駕駛收入為主，或者是僅有駕駛收入來源，如果加上關聯業态的從業人員，他們背後所支撐的家庭供養人口不下一億人。

典型的深圳華強北，共有企業2.5萬家，個體工商戶2.6萬戶，從業人員20萬，日均人流量達30萬-50萬人，高峰期可達80萬人。一天内各個時間段，數不清的貨物，在貨車的裝載下，發往全世界。

在2013年以前，貨運司機們往往聚在物流園門口，盯着門口的黑闆，在密密麻麻的信息中，尋找接單的機會。

這些物流園通常都有一個信息部，工作人員把用戶的需求彙總在黑闆上，“黑闆上寫着有什麼樣的貨，多重，要找什麼樣的車，從哪裡到哪裡"。

在華強北拉了10年貨的陳師傅回憶說，以前他經常在就物流園門口去“扒活"，看到有合适的信息，就會打電話給客戶接單子。有的時候，客戶也會直接來路邊找他們。

除了線下，物流公司、司機和貨主們也會聚集在QQ群裡發布信息“貨主們一般需要提前幾天聯系好司機，司機如果看到這個信息比較匹配，就會打電話聯系貨主。

“有時候我也會主動在QQ群裡發消息，比如從深圳運貨來到了外地，不希望空車回來，就會提前在群裡發布消息，希望能夠找到回程的需求。”陳師傅說。

但現實并不盡如人意，并不是每次都能找到回程的需求。随着跑貨運越來越多，他們的收入開始降低，有時候一天接不到一兩單子，許多時候幾個司機坐在一起打撲克，“但是心裡是很焦慮的，因為都有一家老小要養活。”

有沒有一種方式，讓貨車司機和貨主們能夠都能夠更有效率地匹配起來，讓貨主能夠方便地找到司機，讓司機不用在街邊"扒活"。

在這樣的需求驅使下，貨運O2O公司應運而生。

2013年，貨拉拉成立了，2014年下半年正式進入内地市場，瞄準了廣州和深圳這兩個華南貨運重鎮。

2014年9月，58速運App正式上線，主打城市短途貨運。

2017年，運滿滿和貨車幫合并，成立滿幫集團。3年後，滴滴也成立了貨運公司，正式加入這個戰場。

初期，許多司機也沒有智能手機，為了幫助産品冷啟動，貨運公司的産品經理們經常一起“混迹”深圳和廣州市郊的大排檔，跟幾十位司機成為了好兄弟，說服他們使用貨運軟件。

就這樣，貨運O2O市場，蹒跚起步。

二、貨運告别散兵遊勇，但補貼行不通

然而誰都沒有想到，本以為貨運會是跟打車一樣，可以快速規模化複制，現實卻給創業中的貨運公司們潑了一場冷水。

2015年前後，許多公司都希望用客運O2O模式去解決貨運問題，即燒錢補貼，最高峰的時候有200多家公司都在瞄準這一市場，整體市場以每年超過20%速度在增長。

雖然出行和貨運，看上去都是交通服務，但問題在于，貨運的服務鍊條和無法解決的痛點根本不是可以通過補貼解決的。

一般來說，在線貨運平台主要有兩種：一種是簡單顯示貨運需求以及承運人與商戶聯系方式的信息發布平台。

另一種是促進端到端的貨運交易——從下單、定價、預付款、貨運匹配、訂單追蹤、确認付款結算的“閉環”平台。

對于後者來說，遇到的技術困難遠比想象中難得多。第一個橫亘在面前的便是信息化難題。

張浩是貨拉拉現任CTO，曾任餓了麼技術副總裁，他在接受采訪時曾感歎，與其他O2O平台相比，互聯網貨運的數智化還有很多工作要做。

互聯網貨運數智化面臨的第一個挑戰是“車”、“貨”的匹配。

打車市場，人和車都是标準化的，所以可以用同質化的手段完成每一單服務。然而，貨運市場，車和貨不匹配就裝不下。在貨拉拉平台上，車輛大的類型就超過17種，貨物就更是千奇百态。

第二個挑戰是道路限行。在城市道路中，大量存在着貨車限行、限高、限重、限軸重，還有一些政策因素，有些路段小貨能過去，中貨不一定能過，這些都需要數據，讓車、貨以及環境做精準的匹配。

這是都是行業普遍面臨的難題。

當時，許多公司都靠巨額補貼給司機維持着用戶量，卻沒有真正獲得用戶。這些補貼來自于風險投資基金，風投的錢是有限的，逐漸地，一些公司開始難以為繼。

很快，大量公司在那場大戰中昙花一現：咕咕速運、一号貨的等公司先後折戟。

貨拉拉是經曆這個賽道起伏的典型代表。

這家公司也曾經在一段時間也被卷入了補貼大潮之中，然而他們團隊卻認為，如果一味地給補貼，當時引來很多刷單用戶，不是平台真正能夠留住的人，對于平台、對于真正的用戶都是不利的。

在寒冬下，貨拉拉也到了生死存亡的時刻，于是，當時的創始團隊做了一個決定：停掉給用戶的補貼。

這個決定如同斷臂求生。因為其它平台還在給用戶補貼，貨拉拉訂單量從日均一千多單跌到了400多單，所有人的壓力都很大，但是貨拉拉的團隊還是相信一件事——要解決真正用戶真正的痛點。

但另一面，一項在全球都算得上是無人區領域的貨運技術，開始在這家公司悄然誕生。

三、技術突破成為貨運“主航道”

互聯網貨運公司的産品演進邏輯其實并不複雜，那就是如何把貨運效率一步步提升至極緻。實際上，物流的本質就是從A點到B點的效率遊戲。

現任貨拉拉産品副總監的羅肇豐是貨拉拉最早的産品經理之一。據他介紹，在2014年左右，貨拉拉僅是簡單的信息撮合平台，效率非常低下，司機需要從海量的訂單中挑到與自己車型、距離相匹配的訂單。

不過，讓大家從線下打電話搬到了線上，雖說産品功能簡單，但已經是對這個行業最大的破局了。

2015年-2016年，随着對市場的了解加深以及司機、用戶信息數據的積累，貨拉拉開始進行精準匹配，幫助司機過濾掉并不适合履約的訂單，提升司機效能。

2019年之後，随着算法能力提升，産研團隊壯大，算法開始在貨拉拉真正全面投入使用，在提升履約效率的同時也能平衡司機、用戶的體驗。因為算法的使用，司機在完成一單後的等單時長減少，用戶也容易找到适合自己貨物特性和偏好的車，極大提高了效率。

如今貨拉拉的産研團隊已經從兩三百人到現在的接近2000人，研發團隊從一開始隻有前台、中台等幾個部門，現在各闆塊都進行了細分，并都提升了專業化程度。

“技術是可以用同一套武功打天下的，而這套武功的核心在于降本增效。” 張浩在接受記者采訪時曾如是說。

2020年張浩在某次行業大會上分享了貨拉拉打造的一套降本增效的技術體系，這套中台系統在貨拉拉内部稱之“智慧大腦”，分供需，分單，營銷，定價四個模塊。

供需引擎預測運力分布，需求預測和運力預測；

分單引擎就是在做匹配，訂單來了，給哪個運力；

定價引擎制定不同貨運、不同車型價格，有時在不同路段不同時段價格不一樣；

營銷引擎在什麼時候去做什麼補貼，促進需求。

這個系統在AI、大數據和地圖等基礎能力之上，通過自研運籌優化算法框架解決核心的資源優化配置問題。在 IoT技術之上，把所有的物流的生産元素數智化之後進行最精準的匹配。

然而，在貨運的“人、車、貨、路”生産元素中，人的數智化尚且容易實現，車、貨、路的數智化何其艱難。

貨物非标，車型類别龐雜，道路限行條件複雜、多樣等等，這些都是整車貨運場景特有的挑戰。

“不少同事剛加入時會有些不适，因為貨運場景的技術難度會讓行業内的專家都難以應對。”曾經在客運O2O公司工作過的貨拉拉技術總監石立臣坦言。

石立臣負責貨拉拉交易引擎和地圖團隊，曾是吳文俊人工智能自然科學獎一等獎獲得者。在他的團隊，核心骨幹專家有30多人，都是來自阿裡、百度、美團等一線公司，算得上國内地圖界的領軍人物。他坦言，貨運場景下“路”的數字化比想象中難太多。

“雖然挑戰很大，但我們有兩項技術做到了行業領先。”石立臣介紹到，一是車貨匹配，二是裝卸貨點推薦。

以車貨匹配為例。用戶下單後，平台基于貨物特點、适配車型的運力分布，結合路況、限行等綜合因素，實現實時匹配。通過大數據的積累和智能決策系統的疊代，持續提升履約效率。

再比如裝卸貨點推薦。基于用戶的下單地址，推薦适合貨車裝卸貨的具體位置。通過大數據記錄、分析裝卸貨點的曆史分布，基于下單地址與路網的拓撲關系以及道路限行信息，通過智能推薦系統，給用戶推薦哪裡适合停車，在哪裡裝貨、哪裡卸貨。

在不斷的技術積累下，貨拉拉在拉貨、搬家場景中,其智能分單系統日均已經能處理百萬級訂單與國内平台幾十萬名司機之間的即時分配問題。

接下來，貨拉拉将推動貨物識别與體積測量技術，以及打造互聯網貨運地圖整體解決方案，在貨運數智化方向再進一步。

八年光景，英雄沉浮，貨運艱難前行。貨拉拉的案例證明，在這塊中國仍舊是一片藍海的O2O市場裡，隻有對技術的投入和執著，才能真正擁抱它。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!