【案例】美团如何用数据分析破解配送难题的？

作者：李诗怡，CDA持证人，大数据工程技术专业大三在读

在本地生活服务领域，送货速度快不快，直接关系到平台能不能在市场上站稳脚跟。美团作为行业老大，送的东西非常多，外卖、蔬菜水果、超市日用品全都送，每天订单轻松突破上千万单。但订单越来越多，传统的靠经验安排配送的办法就不行了，配送效率上不去，服务质量也跟着下降。在这种情况下，美团开始用数据分析来解决问题，重新规划配送路线，优化调度方案，把配送系统变得更智能。

一、千万订单背后的配送困境

现在点外卖的人越来越多，美团骑手几乎跑遍了城市的大街小巷。但订单多了以后，平台遇到三个大难题。每天早上 7 点到 9 点、中午 11 点到下午 2 点、傍晚 5 点到 8 点这几个吃饭高峰期，订单量会突然暴增。有些热门商圈的外卖经常超时，超时率最高达到 18%，用户投诉也跟着变多。

再就是送外卖的路线规划不太科学。以前都是靠骑手自己凭经验找路，结果很多时候跑空趟，空驶率高达 22%。这不仅浪费油费，还让本来就紧张的骑手资源更不够用。

还有订单分配也不合理。有的骑手为了多送几单，一天要跑 80 多公里，累得受不了就辞职不干了；但也有骑手因为订单太少，一天下来连一半的工作量都没完成，导致人力白白浪费。

这些问题不解决，用户点外卖体验不好，骑手也留不住，还会影响美团继续扩大业务。所以美团决定改变老办法，不再只靠经验做事，而是用大数据来智能调度，搭建一套完整的数据分析系统，从预测订单量、合并订单，到规划路线、管理骑手，把整个配送流程都优化一遍。

二、构建多维度数据体系

想让外卖配送调度更智能，第一步就得打破数据孤岛，把各种数据整合起来，再配上好用的分析工具和算法。美团搭建了一套超全面的数据系统，把订单、骑手、外部环境、商家这四大块信息都管起来，为配送优化打好基础。

数据从哪儿来？ 美团主要靠四个关键数据源，一是订单数据，记录着过去接过多少单、收货地址具体位置、顾客要求多久送到，还有外卖的种类。有了这些信息，就能给订单分类、合并；二是骑手数据，随时更新骑手在哪儿，平时送得多快、准不准，每天工作多久，有没有特殊技能，比如能不能送大件。这样派单的时候，就能找到最合适的骑手；三是外部环境数据，和高德地图合作，知道路上堵不堵车、哪里在修路；还和气象平台、电商活动日历、商圈活动信息联动，不管是下雨天、大促销，都能灵活调整；四是商家数据，分析每个商家平时出餐要多久，现在做到哪一步了，餐品制作复不复杂。这样就能减少骑手在店里等餐的时间。

用什么工具分析？ 美团开发了一套能处理海量订单的技术系统：用 Hadoop 和 Spark 这样的大数据工具，快速处理数据；借助 LSTM 神经网络和 ARIMA 模型，预测什么时候订单会变多或变少；用 AI算法规划最短路线，多目标线性规划让订单分配更均匀，遗传算法把能一起送的订单凑到一块；最后通过自己研发的可视化平台，把关键数据做成图表，配送效果怎么样，一看就清楚。

三、重构配送调度体系

美团通过大数据和智能算法，用六个步骤优化配送路线和调度安排，让配送从出问题了再解决变成 提前规划应对。

第一步提前算好订单量，安排好骑手,很多时候骑手不够用，就是因为没提前做好准备。美团用数据模型解决这个问题，把被动加派人手变成主动规划。具体怎么做呢？先收集过去一年的订单数据，再结合天气和促销活动，把数据按照行政区、商圈、网格三个层级拆分，这样数据就更细致了。然后用 LSTM 神经网络模型，以小时为单位，预测未来三天每个网格的订单数量和高峰时段。最后根据预测结果，在订单高峰前 2 小时就开始安排骑手。比如预测到某个商圈中午 12 点到 1 点订单会从平时的 300 单涨到 800 单，就马上从附近订单少的地方调 30 个骑手过去帮忙，还在商圈周围设 3 个临时取餐点，让骑手不用来回跑太远取餐，从根本上解决骑手不够用的问题。

第二步智能订单合并，让一次能送更多单,有时候骑手一趟只送一两单，效率太低了。美团用大数据算法解决这个问题，让骑手一次能送更多订单。具体怎么做呢？首先，按照送货时间要求把订单分成三类,30 分钟内必须送到的极速件，30 到 60 分钟送到的标准件，还有 60 分钟以上送到也可以的宽松件，同时记录好每个订单的收货地址。

然后，通过智能算法计算哪些订单可以合并配送。比如在同一个商圈里，收货地址距离不超过 1.5 公里，而且送货时间能凑得上的标准件和宽松件，就可以合并成一趟。不过这里有个限制条件，合并后的总送货时间不能超过最长那个订单规定时间的 1.2 倍。举个例子，如果 A 订单要求 60 分钟送到，B 订单要求 45 分钟送到，那这两个订单合并后，总送货时间不能超过 72 分钟，这样才能保证大家收到货的速度不受影响。

在某个商圈做实验后，效果特别明显,能合并配送的订单比例从 12% 提高到了 35%，骑手平均一趟能送的订单数从 1.8 单增加到 2.7 单，空车跑的情况减少了 8%，配送效率大大提升。

第三步动态规划路线,路上堵车最容易让外卖迟到。美团配送系统就像个聪明的实时导航员，每半分钟刷新一次路况和天气信息。要是某条路堵车，系统就给这条路扣分，权重乘 1.5，让它不那么容易被选中；下雨天立交桥容易打滑，也会适当降低推荐优先级，权重乘 0.8。

遇到多个订单一起配送的情况，系统会用智能算法，帮骑手规划出取餐 到送多个地址的最佳路线。而且系统还会记住骑手们的历史表现，比如发现某个骑手在某条路上骑得比别人快 15%，下次就优先推荐这条适合他的路线。

要是骑手跑着跑着，发现当前路线堵车严重，预计延误时间超过原本时长的 30%，系统马上会推送新路线。同时，外卖 APP 也会第一时间通知顾客，因为堵车，您的外卖预计晚到 5 分钟，既让配送更高效，也让顾客心里有底。

第四步合理分配订单，照顾骑手工作状态，有些骑手忙得脚不沾地，有些却半天没订单，这种情况既影响送餐速度，还容易让骑手离职。美团用大数据优化订单分配，让大家的工作量更合理。

先给每位骑手算一个忙碌度，这个数值综合考虑了他当前要跑多远、还有多少单没送、已经工作了多久，以及连续送了多少趟。算出忙碌度后，系统会用一套算法，在送餐更快、让骑手别太累、降低平台成本这三个目标之间找平衡，把新订单优先派给忙碌度最低而且离取餐点最近的骑手。

为了避免骑手过度劳累，系统还设置了保护机制，每天最多跑 100 公里，连续工作 4 小时必须休息半小时。一旦分配的订单会让骑手超过这些限制，系统就会自动拦截，不让不合理的派单发生。这样一来，既能保障骑手的权益，也能让配送服务更稳定。

第五步和商家一起提速，减少等待时间，骑手在店里干等着拿餐，会让配送速度变慢。美团用数据把商家和配送串联起来，想了个好办法。先研究每个商家过去的出餐时间，按照不同类型定个出餐小目标，快餐 15 分钟内出餐，火锅 30 分钟内搞定，还能随时查看出餐进度。

为了让商家积极配合，美团设置了奖励和惩罚，每个月出餐准时率能达到 90% 以上的商家，在平台上的排名直接往前挪 3 位，曝光量大大增加；要是连续一周出餐超时率超过 30%，高峰期接单数量就会受限，逼着商家提高出餐效率。这么做之后，商家平均出餐时间从 22 分钟缩短到 16 分钟，骑手在店里的等待时间少了快一半，给后续配送省下不少时间。

第六步指标监控迭代，持续优化方案，美团配送优化可不是一次性工程。为了把配送服务越做越好，美团用效率、成本、体验这三个关键维度，搭起了一套评估体系。具体都看哪些数据呢？

有效率方面，主要盯着平均送单时间、一次送多个订单的比例；成本方面，关注每一单的配送成本，还有骑手空跑的次数占比；还有体验方面重点看准时送到的订单比例，以及用户投诉的数量。

这些数据都会实时显示在后台系统里，做成可视化图表，就像骑手的实时成绩看板。运营团队每周都会开会分析，一旦发现问题就立刻调整。比如下雨天，某个区域订单总超时，就赶紧修改导航算法，多推荐能躲雨的路线；要是发现有的骑手一次送多单反而更慢，就重新调整拼单距离的标准，保证配送方案能灵活适应各种情况。

四、数据赋能的显著成效

经过半年时间，数据分析给美团配送带来的变化特别明显。在提高配送效率这块，以前送一单平均要花 48 分钟，现在只要 32 分钟；能合并一起送的订单多了 23%；骑手每天平均能多送 17 单，整个配送流程跑得更快了。说到省钱，每一单的配送成本降了 12%，骑手白跑的情况减少了一半，每个月光是运力成本就能省下 2000 多万，真正做到了又快又省。用户和骑手也都感受到了好处，用户体验更好，以前 100 单里有 15 单会迟到，现在只有 3.5 单；用户投诉的数量直接少了七成，大家用着更舒心。骑手们也轻松了不少，每天能少工作 1 个多小时，离职的人也少了，美团、用户和骑手三方都得了实惠。

以前靠经验办事，现在靠数据说话，美团配送的改变证明，用好数据分析就是解决配送难题的关键。这套方法不仅让美团发展得更好，也给其他生活服务平台指了条明路，在数字时代，只有学会用数据，才能把生意做得又快、又省、又贴心。

如果你也想学着用数据解决问题，比如搞用户分析、算销量，其实可以看看CDA数据分析师认证，从怎么采数据、清数据，到用 Excel、SQL、Python 做分析，都能学明白。学会了这些，不管是换工作做数据分析，还是在现在的岗位上帮公司做决策，都能用得上。

CDA数据分析师年度双十一优惠活动正式开启！我们摒弃复杂的套路，直接奉上投资未来的超级礼包，价格击穿年度底价，助你精准锁定高薪未来！

往期干货文章：

~~~~资源汇总~~~

~~~~AI工具+数据分析技能~~~~~

~~~~CDA持证人干货：数据分析从业者经验分享~~~~

【干货】零基础转行数据分析经验+ 工具使用指南，新手直接抄

~~~~数据分析重难点~~~~