有幸获得公司给的参加Qcon的半天会议的机会，这次我参加的是第一天上午的会议。三个参加的主要topic中，满帮集团的这个分享应该是给我收获较多的一个。所以下面分享一些收获的知识点：
1.我们平时消费的商品，其实其中10%-20%都是物流费用。比如一盘青椒炒肉丝 = 青椒 + 肉丝 = 青椒 + 猪肉（整猪 + 饲料） = 种子 + 肥料 + 农药 + 整猪 + 饲料种子 + 饲料植物所需肥料和农药 （肥料和农药加工又需要煤炭矿石化工原料等）... 标准的农产品物流占比一般在70%以上。2017年公路运输费用8.0万亿，物流总成费用12.1万亿，占GDP14.6%。
2.小而散的运输者是中国公路干线物流的主体，生活艰苦，工作超负荷，载重平均超重150%
3.车货匹配场景：
在这个模型中主要对象分为三方面：车（司机基本属性，挖掘属性，兴趣，常跑路线，车辆，位置）；货（货主基本属性，路线，品类，重量/体积，装卸，位置）；环境（天气，供需，价格，当地出产，季节，口岸）
根据货主和司机的浏览，点击，电话和成交记录预测其可能关注的司机和货主。
中心指标：反馈率和成交率 间接指标：空驶率，反馈（成交）时长，月使用次数和里程（用户黏度）
所用技术与算法：FFM，XGBOOST，Deep learning，分类算法（LR，RDT，GBDT，NN...）
4.整车调度和推荐：
根据车货信息生成矩阵计算车货匹配分数，分数为正则说明车大于货，反之货大于车。然后向周围辐射寻找多余的车和货。
5.基于深度学习的车货匹配
因为没有涉及过深度学习，所以这一部分没有很听明白。这部分是根据司机点击或接受过的货源，深度学习他可能喜欢的，可以运载的未浏览过的货源，以完成车货匹配。
（这里的减少碳排放主要是比如空车返回的无谓消耗）
6.另外还介绍了满帮的其他几种及技术的简单模型或者设计思路：
希望这些内容能为我们公司做类似产品提供一些可供参考的思路。
