前言：

        本人负责国内最大的卡车车货匹配相关业务开发，随着从事物流行业的时间增加，也逐渐形成了对于卡车领域货物运输环节的一些思考和总结。

        针对于当下，互联网的不可逆转型，对于车货匹配这种线下业务场景转变为线上业务场景的发展，做一些浅薄的介绍和梳理，希望看到本文的读者遇到错误的地方帮助指正。

诞生背景：

        改革开放以来，国内经济一路向好，原有的铁路运输已经不能满足高频，快捷，灵活的运输刚需诉求。从90年代开始，第一代养车个体户逐渐形成了庞大的体系规模。2000年伊始这一看似赚钱的好生意随着“空车配货”等广告的随处可见，走入了大众的视野，也再一次掀起了卡车司机和养大车群体的激增。

用户维度：

运输主力：

1.拥有卡车机构，包括大，中，小型运输服务公司，成规模车队，个体养车户，打工司机等。

供货主力：

1.一手货主--针对自有企业运输部门负责人或者个体户老板，定期或者不定期的采购，交付，中间运输环节中必须通过卡车物流进行货物输送。例如：大规模物流和快递公司，顺丰，菜鸟，三通一达，京东等。

2.中介（黄牛）针对于各个城市物流园区，提供货物信息展示和推荐，从小型一手货主侧得到货物运输消息，根据自有的渠道或车队进行货物消息的分发和装卸货履约运输中的搭建桥梁及全运输过程的监督和最终交付。

3.特殊，安全，危化品的大型供应企业--针对能源，化工，警用，军用等特殊服务性质的提供货物运输诉求的大型企业。例如：中石油，中石化，神华集团，万华集团等。

4.个人偶然型货主--普通人搬家，购买采暖煤炭，养牲畜采买过冬粮食，养蜂人提供蜜蜂授粉等。

行业的细分赛道：

a. 微型面包，五菱宏光等小件运输领域当前主要的赛道参与者：货拉拉，快狗打车（58）等。

b.中型4.2m左右到9.6m以下中短途运输领域当前的主要赛道参与者：货拉拉，快狗打车（58）等。当然主流的快递物流公司，邮政快递业务等也属于这个赛道，但面对的货物更多的来自于自身企业的业务产生。

c.9.6m以上中长途运输领域当前的主要赛道参与者：满帮集团（运满满/货车帮），G7，跨越物流，省省回头车等，当然也包括2019年底赛道的新入场者京驿货车。

        本文也将结合作者一直服务的9.6m以上卡车运输服务公司，对这一领域赛道的业务探索进行深入的讲解。

最早的机遇从哪里来？

        移动互联网时代伊始，外卖行业，支付行业，共享经济如火如荼，全民级别的应用层出不穷。面对传统企业跨越式的将线下场景与线上场景结合的过程中，卡车运输这种依赖物流园，依赖司机依托特定人群找活的场景出现了亟待变革的“机遇”。

        依据当时卡车司机的说法：“发车前一天早起5点就要跑到物流园，看看哪里有货要运，起得来能挑活，起的晚一点还能找到活，起的很晚那就只能等第二天了”。

        依托于这样的背景，以及普遍理解的“机遇”概念，卡车物流行业15年左右涌现了超过200家互联网模型企业，进入到了最早期的车货匹配赛道---将物流园的信息转发到各自的app端。

沉淀与乱战阶段

        前文提到了“机遇”，在那个流量为王的时代，收割线下业务获取海量用户成为了核心目标，每家公司都不遗余力的施展这各式各样的方法吸引卡车司机用户下载并注册app，比如送水，送充电宝等。但是商业模型的不匹配造成了这个看似红海的大盘子，危机四伏。例如，盈利点难以找到，切换到即时线上成交难度大等，造成了群龙混战，亏损赔钱教育市场赚吆喝的惨淡局面。

        基于这个点，本人理解为，最轻盈的实现收入规模化的方式和模型，例如 滴滴，美团，支付宝，微信支付等，他们符合：高频，低价，成交周期短这三个最关键的因素。换言之，长途物流运输过程中，平均一天一趟的结算和成交周期，每一单运输均价500-6000元不等，造成了这一个场景管控，制约，交易支付的困难和问题重重。可以说类似的模式就即将长期处于乌云密布的摸索阶段。

如何走出乌云密布的摸索阶段？

尝试！

        1.参考美国卡车物流行业，有一整套的运输管理规范，卡车工会甚至在1960年代卡车工会主席的地位和权利能够和大的州政府州长对标。由于其拥有成熟的保险，安全，监管体系那么在可信度驱使下，即便相对高昂的运输费用在货主可以承受的范围内也会形成正向循环进而促进了全美卡车物流行业的发展。

        2.参考国内大型车队模式，稳定的上下游运输安排，定期的维护、保养，交付和运输过程接近闭环可以通过效率实现近乎可以忽略的运费波动影响。

        那么仅根据以上的两个成熟样板，可以得知，在卡车物流环节中，安全、高效是最核心的竞争力。诚然，对于个体户，中介，散货主来说，这些目标过于遥不可及了。他们的核心关注点还是：司机希望多赚点钱，散户希望少花点钱，中介希望货都由我来促成。像极了早期在家门口初一或者十五赶集的场景。

技术模型适时的出现

        由于篇幅有限，在背景和演变发展史上，本文只列举少量案例作为参考也不会作为本文的核心重点。接下来我将针对所面对的问题，解决的思路提供一些介绍，侧重点还是技术角度为主。

用户信用体系管理，高效精准匹配，业务闭环模型是探索过程中创建的三个最核心的点。

用户信用体系管理：

         熟知大数据算法的人，通常会觉得算法所拥有的强大归类和识别能力。但是随着算法越来越普及也出现了“算法牢笼”这样的名词。数据可以从广度上解决平均值问题，但是无法协调好背后的人，人的尊严，例如卡车司机用户背后的一个个家庭，辛酸，疲惫等。我们的出发点依然是服务于用户，但是前期难免也会陷入一网打尽的误区。用户的信用体系，现在来看是一个极其庞大的概念，人是复杂多变的，积累的数据也会随着时间的发展呈现不同的表征。

        首先，核心思路，去除脏、乱、差服务态度的卡车司机用户，依据评价模型，货主反馈模型，客户投诉反馈方式剥离出有存在巨大缺陷的用户，并增加了使用限制，强制不可用，申诉恢复等模型管控机制。

        其次，对于中介以合作为主，但是恶意谩骂，侮辱，扣押运输费用等恶劣操作，依然是限制使用，强制不可用等管控机制。尤其对于欺骗，威胁，恐吓司机的用户配置了强大的过滤和识别功能。

        第三，随着模型的结果逐渐趋于正向，尝试更多的以鼓励的方式促进双向的成交。形成值得彼此信任的第三方信用机制平台。由于奖励机制的完善，那么也就推动着整体服务的正反馈完善。

高效精准匹配

        精准化，这个词已经在各个场合探讨过无数次。从业务模型角度，也逐渐形成了自主搜索引擎，推荐搜索引擎两大方向。结合业务模型，我们发现，在庞大的用户群体面前既要满足平均诉求又要变通单体的个性化诉求，只能够将自主搜索和推荐搜索两个方式结合才能满足。

        例如：蔬菜，水果等物资，偏向于快速，稳定即时的将货物运到目的地。废土，废纸等物资，偏向于低价，偶然性的将货物运输到目的地。

        老司机40-50周岁用户通常会围绕着自己熟悉的目的地和出发地形成一套已有的经验模式，他们更偏向于稳定的供给运输和安全走过的运输路线。新购车司机30周岁左右用户通常会更高频的保证运输的满负荷。进而也逐渐随着发展衍生出了两大重要分类：零担和整车模型。

卡车的属性

        简单的可以归类为：平板，厢式，高栏，冷藏，保暖，拖挂，高低板，危险化学品，罐车等。每种卡车类型都对应了多种可以负载的货物类型，每种货物类型随着季节变换对应了不同的卡车类型。通常这是一个专业的领域知识，中介担当更多的责任往往是识别这些变种的对应匹配关系。因此基于大数据的车型-货物-季节-地点的高度复杂模型的建立至关重要。依据已有的运输物流成交历史数据，依托海量的运输关系，形成了接近完整的模型映射，剥离了特定用户的无效信息出现。

线路的属性

        即起始地和目的地的逻辑关系。衍生出了长跑路线模型，局部和全国范围内的运力平衡模型。模型建立之后尝试性的进行了区域的运力调拨和调度尝试。这个过程中，识别出了核心的影响因素：天气，季节，节假日，离家远近等重要的影响因素。这些影响因素深度的应用于我们的推荐搜索模型之中形成了促进运输成交的关键参考指标。线路属性的可自主搜索能力，也是用户最关心的属性，大多的用户拥有常跑的上下游伙伴或朋友圈，但是他们也更不希望返程过程的空跑，即浪费了时间有浪费了燃料消耗。也由于这样的一个场景，出现了返程司机压低运输费用的情况，从经济学角度这属于劣币驱逐良币的表现，实际的运行效果上  看，造成了一定程度的恶性竞争。

时间的属性

        一些即时消费性的货物如水果等，基本都是产地即将成熟时立即装车运输到目的地，荔枝等极易损耗的货物时效性更是精确到了2-3天。一些工厂订单类的货物，预约的属性则更强，核心的参考还是履约的效率和按约完成运输和装卸。

        提供准确，公平，按需分类的匹配机制也就成为了整个车货匹配场景最核心的能力。

业务闭环

        可以理解为，物流行业生态链的完整和统一推动。ETC模型，支付模型，保险模型，抢救模型，维修模型，物流园模型，导航模型，二手车售卖模型，新车采购模型，加油模型，金融衍生品模型，安全监控模型等都是和任意一次单独的运输过程息息相关的。不仅仅是人们口中的一条龙服务，更意味着每一个模型背后，对于司机，货主，中介利益关系，遵守法律法规，道德底线的保护与约束。

后记：车货匹配--有机的推动社会的变革与发展，见证经济的晴雨，技术不是万能的，是需要依赖整个物流行业的发展而缓慢推进和演变。