近日，艾瑞咨詢發布《2016年中國外賣O2O行業發展報告》，報告顯示百度外賣在TOP40城市處于領先，經過兩年多的發展，百度外賣已覆蓋全國140多個大中城市，平臺注冊用戶量達到4000多萬。百度外賣承諾業界最嚴格的超時賠付規則。快速送達，這是外賣O2O的第一要務，物流必須包括在用戶體驗里。然而餐飲的物流配送遠比普通快遞服務流程要復雜，如何在用戶期望的時間內具有強烈時效性地把外賣送到用戶手中?

　　為什么要預估商戶出餐時間

　　O2O平臺存在搶單和派單兩種方式，在美團外賣、餓了么和百度外賣這三家里，百度外賣最先采用全派單系統。搶和派本身并沒有什么對錯關系，但派單是為了消除人的差異化，以更科學更智能的方式去運營。從一個系統的角度來講，肯定存在一個當前狀況系統認為的最優解，在這種情況下，通過派單可以根據系統狀態尋求最優解，以最大限度地提高效率。正是因為派單機制，所以更多的時候，百度外賣的系統需要考慮商戶的出餐時間。

　　預估用戶的出餐時間到底有什么好處呢?在百度外賣現行的調度策略V3.0中，我們可以通過分析騎士當時所有的狀況，包括他當前接了多少單，每個騎士還有多長時間能到店，商戶要多長時間可以出餐，都準確的預估出來，然后在一個合理的時間內，將訂單分配給一個全局最優的騎士。

　　通過派單機制，當騎士到店取餐時，餐正好出來，不必等待就可以立即送餐，并且送完之后，平臺會再給他派下一組單。每一組單系統都會充分的考慮用戶期望的送達時間，并且力求準時送達，這樣騎士并不需要過多的去思考或者搶單，只需根據系統執行即可。如此周而復始，像流水線一樣，把整個過程用線性去推動，這樣不論是對騎士還是平臺商戶來說都是效率最高的，商戶和用戶的體驗也會更好。

　　如何有效獲取商戶真實出餐

　　商戶的出餐時間對整個系統的運營至關重要，那么百度外賣是如何去獲取這個真實的出餐時間呢?工欲善其事，必先利其器。為此百度外賣建立了智能物流系統。智能物流系統實際上就是百度外賣的調度系統，由于需要綜合考慮商戶、用戶和送餐員等多重因素，相比于打車平臺的調度系統還要復雜若干倍。

　　送外賣不同于送人一對一的服務，如果每個騎士都是一單一單去送，效率會很低，對平臺而言成本也會很高。因此外賣都是一組單一組單去送。于是就多了一個將訂單分組的環節。百度外賣不僅要分組打包，而且要有策略地進行時間分析，以追求效益最大化，這就是百度外賣的智能物流系統，目前已經申請30項專利。這套物流系統主要分為四個部分，第一部分是自動化調度系統。首先考慮怎么去優化分組，這是尋求一個最優的解決分組，分組以后，要考慮當時商圈壓力的情況，去權衡到底是更面向效率，還是更面向體驗。

　　此外，智能物流系統還包括三個輔助系統，即仿真系統，時光機和尋寶系統。通過對歷史數據的仿真，對上線做策略優化。時光機就是利用記錄數據，去追蹤騎士的每一個結點，每一個軌跡，每一個操作，幫助做分析判斷。而尋寶系統則是通過大數據去挖掘百度外賣的價值點，從而可以更精細化地去運營，能夠更好地控制成本，把用戶體驗做的更好。

　　除了智能調度系統作為保障之外，還有平臺的后臺管理。通過監控騎士的配送質量，保證標準化的服務。百度外賣用小度騎士等工具，對騎士進行流程化的違規考核和管理。希望將每一個結點都準確及時地反映到系統上，保證面向用戶的時候是及時準確的，這是第一點;第二點是平臺的整個流程時間都是準確的，這樣有利于對騎士的調度和實施。

　　如何更準確預估商戶出餐時間

　　根據平臺積累的海量歷史數據記錄，能夠分析出餐時間的具體分布。這是最初級的粗略預估，但是隨著數據積累越來越多，分布圖可以做得越來越細膩，做出分時段更細粒度具體分析。

　　進無止境，技術本身是不存在止境和巔峰的。為了更準確的預估出餐時間，將來百度外賣會用更多維度因子考慮進行機器學習擬合曲線尋找規律。并且會將更多的維度例如送餐時間，送餐距離，商戶的出餐時間等都放在一起，通過百度獨有的深度學習實驗室，整合我們自身的數據資源，確定更多的模型，通過機器學習尋找規律。

　　目前百度外賣出餐時間預估差值是7分鐘，從外賣平臺的角度來說，百度外賣將來給用戶的送餐一定是一個合理的穩定預期，同期的情況下，百度外賣送的會越來越快，越來越準時，還能送的越來越遠。