正在阅读:

互联网平台的新治理逻辑:“有限游戏”的“无限解法”

扫一扫下载界面新闻APP

互联网平台的新治理逻辑:“有限游戏”的“无限解法”

让平台治理兼顾效率与“人”。

文|深响 李壹柒

在多年前的互联网萌芽时期,人们关于“互联网到底有什么价值”曾有过诸多讨论甚至争辩。其中最为著名且被认可的观点是"梅特卡夫效应"——网络平台中连接的节点越多、越活跃,其能产生的价值就越大。

后来互联网的飞速发展、平台经济的崛起都验证了这一判断。但互联网的故事远没有结束,当互联网平台连接的角色越来越多,触及的场景越来越多, "梅特卡夫效应"似乎开始起反作用。

我们熟知的是信息茧房、大数据杀熟等话题,它们尖锐且矛盾突出,除此之外,还有更多的隐性问题:

网约车派单,怎么既满足用户快速用车的需求,又让调度符合司机的利益?

搜索内容推荐,怎么既满足用户精准的内容需求,又满足广告主竞价排名后的效果需求?

外卖派单,怎么协调商家、骑手、用户?

招聘平台上求职者和招聘者都有自己的“预期偏差”,简历与职位匹配怎么能达到两边的平衡?

我们的生活已经绕不开互联网,平台治理也成为了一个时代的母题:如何既有尺度又有温度?如何探索更柔性的治理方式,去平衡生态各方利益?各方角色利益的有限游戏里,平台怎么找到无限的解法?

三大难题:相关方多、变化多、信息少

摆在平台面前的难题有三种,它们层层递进、环环相扣,共同成为了横亘在效率与人之间的隔阂。

第一是越来越多的利益相关方。

最早的互联网并没有打通服务端和用户端,平台扮演"中间商"角色。后来平台提供的服务越来越多元,平台上的利益体之间有了直接的连接。

网约车平台需要权衡司机调度、用户体验的双重利益。如果用户急着用车,但身边交通不畅,这时平台需要根据拥堵情况,调度用户周围能以最快速度抵达的车辆。如遇下雨等极端天气或者上下班高峰期,平台更需要合理调度地区之间的司机,应对突然爆发的订单数量,在确保消费者的出行体验的同时,也要确保网约车司机的权益。

外卖平台需要权衡的利益体更多,即出餐的商家、送餐的骑手、用餐的用户,三端博弈。

第二是利益主体不光复杂,而且还在动态变化。

我们就以外卖平台运行中常见、但用户看不见的出餐场景为例,这一场景涉及商家、骑手、消费者三方,他们中的每个主体都有很强不确定性。

比如商家的出餐速度就有不确定性。有时突然遭遇"爆单",有人为会议点了20杯咖啡或是大单团餐;有时堂食大爆发,门店人手都不够;有时突然遭遇"冷门",用户点了菜单上很少被点的菜品,后厨的快速出餐流水线被打断……这些经常发生的"突发情况"往往会影响商家的出餐速度。

但用户并不清楚这一切,在用户的潜意识里,"下单成功"即"计时开始"。这就是用户用餐速度的利益和商家出餐速度、骑手送餐速度的利益冲突。

这个冲突在骑手身上更为集中地体现。骑手既要面对商家的出餐慢问题,又要面对用户的用餐急的催促,加上自身配送过程中可能出现的路况、地址等不确定性问题,一个订单出问题往往意味着其他订单也会被影响。

而消费者的需求更是变化莫测。有人为了催促骑手而发了太多的消息,以至于让骑手的手机死机。有人填错了地址,让骑手走了很多冤枉路。也有消费者在下单后又取消了订单,但此时订单已经送出,商家、骑手很难"心平气和"地处理解决。

不同的角色、不停地变化,形成了更多需要平台制定规则时需要"搞明白"的场景。

第三,平台无法完整获取决策所需的信息。

举个反例会更好理解,在线地图能够根据不断变化的情况来及时调整规划。这是因为,基于互联网、卫星和定位系统,在线地图可以随时获取车辆所在的位置和目的地,并且通过汽车的GPS定位系统获取经过该道路的每台车的速度、方向和位置等实时路况,再将这些数据转化成车流量信息,计算到达目的地的时间。

在这个过程中,在线地图能够获得与这辆车相关的“完全信息”,不存在任何的“盲区”。

但在有的场景中,平台获取的信息是“不完全的”,这时它就难以像在线地图场景中那样,随时调配各个利益相关方。

上文提到的外卖出餐场景就是一个例子。有的商家门店高峰期客人太多,所以外卖订单出餐会变慢,但商家没有在平台中“实时上传”这一信息,系统也无法实时自动获取这个状态。因此,平台会继续按照原来的流程进行派单,商家外卖系统里的订单越积越多,难免造成恶性循环。这好比某一条路已经拥堵不堪,但在线地图没有实时获得这一信息,还是规划了这条拥堵的线路。

对于骑手来说,无法获得商家备餐的“完全信息”,他们的工作也会受影响。因为当骑手按照平台要求到店后,会发现自己负责的订单迟迟做不出来。骑手会很纠结,如果先去取别的订单,返回这家会不会太晚从而耽误了时间?如果在这里干等着,其他订单的时间也有可能超时。

多端利益体、复杂的动态变化、无法完全获取信息形成判断,这三大问题叠加,就形成了博弈学中最难解决的“不完全信息动态博弈”,博弈各方难以根据情况及时调整自己的动作,也会因此产生矛盾。

拆解难题:商家骑手的“经验”和平台的“平衡”

难题怎么解?其实在商家侧、骑手侧,他们会根据经验,调整自己的策略进行权衡和应对。

一家西式快餐连锁店的区域营运经理告诉「深响」,为了应对出餐场景的不确定性,公司内部会制定比较严格的出餐流程,对备货、出餐时间都有严格把控。在高峰时段,商家也会增加人手以提高出餐速度。

但在这个过程中,商家也需要权衡人力成本、以及备餐时是否要准备一些比较冷门的餐品。况且西式快餐的制作流程相对简便,如果是中餐,商家更需要在备货时考虑菜品新鲜度的问题。

商家会基于外卖场景制定更标准化的备餐流程,经验熟练的骑手也会形成一套基于经验的方法论。用餐高峰时段,有的骑手会把写字楼的订单安排在规定时间内的最后再送,因为有的写字楼构造复杂,找到对应地址需要花费大量时间。也有骑手表示,自己送餐时间长了,大概能摸清哪个店备餐速度慢,然后自己就会先到这个店里报告“到店取餐”,然后前往其他商家先取餐,再回来这个店里。

这种基于经验的做法具备高度不确定性,因为经验很难适应所有场景,它也可能会有出错的时候。

商家、骑手难以站在高处统揽全局做决策,所以采取的解法常常有局限。但平台站得更高,可以更有效地平衡各方利益。

对于平台,理想状态是,商家出完餐、骑手刚好到店取餐并在规定时间送到消费者手中。这样,三方利益都可以得到最大化满足。美团就基于这个逻辑,从商家出餐、配送分派和骑手取餐三个流程着手,依据事前预防和事中干预的手段来进行优化。

在商家出餐环节,美团为一些商家免费提供了硬件“出餐宝”,并运用激励机制,鼓励商家通过“出餐宝”进行“出餐上报”。同时,美团还会向部分出餐慢的商家推广“出餐后调度”。

这样,商家在出餐后可以通过“出餐宝”进行上报,告知骑手已出餐,这时骑手就可以合理安排时间,尽快到店取餐并送餐。如果是“出餐后调度”的商家,等到备餐完成后,系统才会为他们调度骑手。这就解决了工作日用餐高峰期时“人等餐”的问题,商家爆单也不必让骑手在门店里干等,节约了很多时间。

上述举措能够在“事前”提高出餐、分派和取餐的效率。同时对于“事中”的场景,骑手如果到店之后发现商家无法按时出餐,也可以在App端上报“出餐慢”获得补时,并且也可以申请把这个订单分配给其他的骑手。此外,在用户端的订单详情界面,新增了商家出餐状态的信息,一定程度上缓解了用户的等餐焦虑,也降低了骑手被催餐的压力。

多方面努力下,美团重点运营商家的订单中,骑手每单等餐时长同比下降18%,等餐时间超过10分钟的极端情况占比同比下降27%。

出餐场景是外卖系统的其中一个环节,外卖系统中其他环节也同样存在改进的空间。目前,美团还吸收骑手等相关方的建议,对预估到达时间、订单分配、骑手服务评价规则等多个方面作出改善,并将平台治理思路公开在其官方微信公众号中。

但由于外卖平台牵涉的利益、角色、场景都具备高度的复杂性,所以平台连接的商家、骑手、消费者之间,依然存在复杂的博弈。

有骑手就吐槽过,某个商家的外卖订单系统中,58号和68号的配送位置是相同的,所以平台就会将这两个订单分派给同一个骑手。但商家需要按照顺序来备餐,所以58号和68号的出餐又有一定时间差。在这种场景下骑手会很为难:如果要等两个订单都出餐再进行配送,58号的订单很可能超时;但如果先送58号再回来取68号,往返依然需要花费不少时间,又很可能会让68号的订单超时。

对于商家来说,“出餐宝”也无法解决所有问题。因为有的门店员工不多,高峰期备餐、服务堂食客人就已经非常忙碌,出餐时忘记扫码也非常常见。

还有一类是“大订单”问题,即一家公司可能早上在某家店下单了100份餐品,但是许多门店人手不多,这样的大订单意味着员工很难有时间去兼顾外卖订单、甚至门店的客人。

拉长时间线看,互联网虽然蓬勃发展,平台对信息数据的处理能力也在一日千里地精进,但说到底这在人们社会生活的历史长河里仍然只是刚刚开始。

平台对规则的优化可以提高效率,但无法替商家做饭,替骑手跑腿,替司机开车,帮你完成简历上的履历。商业世界的伟大,就是在于它的混沌态,在复杂的“人”面前,技术还是太年轻。

而幸运的是,平台与社会已经意识到了平台规则与现实场景之间的"差距",它未来的发展方向也愈发清晰:通过广泛听取各方声音弥补决策信息的缺失,减少刚性,增加柔性,从而平衡各方利益。

回到开头的问题,互联网连接和效率的底色从未改变,只是在进一步服务于人的过程中,平台还需要对自身生态治理进行不断的优化。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

互联网平台的新治理逻辑:“有限游戏”的“无限解法”

让平台治理兼顾效率与“人”。

文|深响 李壹柒

在多年前的互联网萌芽时期,人们关于“互联网到底有什么价值”曾有过诸多讨论甚至争辩。其中最为著名且被认可的观点是"梅特卡夫效应"——网络平台中连接的节点越多、越活跃,其能产生的价值就越大。

后来互联网的飞速发展、平台经济的崛起都验证了这一判断。但互联网的故事远没有结束,当互联网平台连接的角色越来越多,触及的场景越来越多, "梅特卡夫效应"似乎开始起反作用。

我们熟知的是信息茧房、大数据杀熟等话题,它们尖锐且矛盾突出,除此之外,还有更多的隐性问题:

网约车派单,怎么既满足用户快速用车的需求,又让调度符合司机的利益?

搜索内容推荐,怎么既满足用户精准的内容需求,又满足广告主竞价排名后的效果需求?

外卖派单,怎么协调商家、骑手、用户?

招聘平台上求职者和招聘者都有自己的“预期偏差”,简历与职位匹配怎么能达到两边的平衡?

我们的生活已经绕不开互联网,平台治理也成为了一个时代的母题:如何既有尺度又有温度?如何探索更柔性的治理方式,去平衡生态各方利益?各方角色利益的有限游戏里,平台怎么找到无限的解法?

三大难题:相关方多、变化多、信息少

摆在平台面前的难题有三种,它们层层递进、环环相扣,共同成为了横亘在效率与人之间的隔阂。

第一是越来越多的利益相关方。

最早的互联网并没有打通服务端和用户端,平台扮演"中间商"角色。后来平台提供的服务越来越多元,平台上的利益体之间有了直接的连接。

网约车平台需要权衡司机调度、用户体验的双重利益。如果用户急着用车,但身边交通不畅,这时平台需要根据拥堵情况,调度用户周围能以最快速度抵达的车辆。如遇下雨等极端天气或者上下班高峰期,平台更需要合理调度地区之间的司机,应对突然爆发的订单数量,在确保消费者的出行体验的同时,也要确保网约车司机的权益。

外卖平台需要权衡的利益体更多,即出餐的商家、送餐的骑手、用餐的用户,三端博弈。

第二是利益主体不光复杂,而且还在动态变化。

我们就以外卖平台运行中常见、但用户看不见的出餐场景为例,这一场景涉及商家、骑手、消费者三方,他们中的每个主体都有很强不确定性。

比如商家的出餐速度就有不确定性。有时突然遭遇"爆单",有人为会议点了20杯咖啡或是大单团餐;有时堂食大爆发,门店人手都不够;有时突然遭遇"冷门",用户点了菜单上很少被点的菜品,后厨的快速出餐流水线被打断……这些经常发生的"突发情况"往往会影响商家的出餐速度。

但用户并不清楚这一切,在用户的潜意识里,"下单成功"即"计时开始"。这就是用户用餐速度的利益和商家出餐速度、骑手送餐速度的利益冲突。

这个冲突在骑手身上更为集中地体现。骑手既要面对商家的出餐慢问题,又要面对用户的用餐急的催促,加上自身配送过程中可能出现的路况、地址等不确定性问题,一个订单出问题往往意味着其他订单也会被影响。

而消费者的需求更是变化莫测。有人为了催促骑手而发了太多的消息,以至于让骑手的手机死机。有人填错了地址,让骑手走了很多冤枉路。也有消费者在下单后又取消了订单,但此时订单已经送出,商家、骑手很难"心平气和"地处理解决。

不同的角色、不停地变化,形成了更多需要平台制定规则时需要"搞明白"的场景。

第三,平台无法完整获取决策所需的信息。

举个反例会更好理解,在线地图能够根据不断变化的情况来及时调整规划。这是因为,基于互联网、卫星和定位系统,在线地图可以随时获取车辆所在的位置和目的地,并且通过汽车的GPS定位系统获取经过该道路的每台车的速度、方向和位置等实时路况,再将这些数据转化成车流量信息,计算到达目的地的时间。

在这个过程中,在线地图能够获得与这辆车相关的“完全信息”,不存在任何的“盲区”。

但在有的场景中,平台获取的信息是“不完全的”,这时它就难以像在线地图场景中那样,随时调配各个利益相关方。

上文提到的外卖出餐场景就是一个例子。有的商家门店高峰期客人太多,所以外卖订单出餐会变慢,但商家没有在平台中“实时上传”这一信息,系统也无法实时自动获取这个状态。因此,平台会继续按照原来的流程进行派单,商家外卖系统里的订单越积越多,难免造成恶性循环。这好比某一条路已经拥堵不堪,但在线地图没有实时获得这一信息,还是规划了这条拥堵的线路。

对于骑手来说,无法获得商家备餐的“完全信息”,他们的工作也会受影响。因为当骑手按照平台要求到店后,会发现自己负责的订单迟迟做不出来。骑手会很纠结,如果先去取别的订单,返回这家会不会太晚从而耽误了时间?如果在这里干等着,其他订单的时间也有可能超时。

多端利益体、复杂的动态变化、无法完全获取信息形成判断,这三大问题叠加,就形成了博弈学中最难解决的“不完全信息动态博弈”,博弈各方难以根据情况及时调整自己的动作,也会因此产生矛盾。

拆解难题:商家骑手的“经验”和平台的“平衡”

难题怎么解?其实在商家侧、骑手侧,他们会根据经验,调整自己的策略进行权衡和应对。

一家西式快餐连锁店的区域营运经理告诉「深响」,为了应对出餐场景的不确定性,公司内部会制定比较严格的出餐流程,对备货、出餐时间都有严格把控。在高峰时段,商家也会增加人手以提高出餐速度。

但在这个过程中,商家也需要权衡人力成本、以及备餐时是否要准备一些比较冷门的餐品。况且西式快餐的制作流程相对简便,如果是中餐,商家更需要在备货时考虑菜品新鲜度的问题。

商家会基于外卖场景制定更标准化的备餐流程,经验熟练的骑手也会形成一套基于经验的方法论。用餐高峰时段,有的骑手会把写字楼的订单安排在规定时间内的最后再送,因为有的写字楼构造复杂,找到对应地址需要花费大量时间。也有骑手表示,自己送餐时间长了,大概能摸清哪个店备餐速度慢,然后自己就会先到这个店里报告“到店取餐”,然后前往其他商家先取餐,再回来这个店里。

这种基于经验的做法具备高度不确定性,因为经验很难适应所有场景,它也可能会有出错的时候。

商家、骑手难以站在高处统揽全局做决策,所以采取的解法常常有局限。但平台站得更高,可以更有效地平衡各方利益。

对于平台,理想状态是,商家出完餐、骑手刚好到店取餐并在规定时间送到消费者手中。这样,三方利益都可以得到最大化满足。美团就基于这个逻辑,从商家出餐、配送分派和骑手取餐三个流程着手,依据事前预防和事中干预的手段来进行优化。

在商家出餐环节,美团为一些商家免费提供了硬件“出餐宝”,并运用激励机制,鼓励商家通过“出餐宝”进行“出餐上报”。同时,美团还会向部分出餐慢的商家推广“出餐后调度”。

这样,商家在出餐后可以通过“出餐宝”进行上报,告知骑手已出餐,这时骑手就可以合理安排时间,尽快到店取餐并送餐。如果是“出餐后调度”的商家,等到备餐完成后,系统才会为他们调度骑手。这就解决了工作日用餐高峰期时“人等餐”的问题,商家爆单也不必让骑手在门店里干等,节约了很多时间。

上述举措能够在“事前”提高出餐、分派和取餐的效率。同时对于“事中”的场景,骑手如果到店之后发现商家无法按时出餐,也可以在App端上报“出餐慢”获得补时,并且也可以申请把这个订单分配给其他的骑手。此外,在用户端的订单详情界面,新增了商家出餐状态的信息,一定程度上缓解了用户的等餐焦虑,也降低了骑手被催餐的压力。

多方面努力下,美团重点运营商家的订单中,骑手每单等餐时长同比下降18%,等餐时间超过10分钟的极端情况占比同比下降27%。

出餐场景是外卖系统的其中一个环节,外卖系统中其他环节也同样存在改进的空间。目前,美团还吸收骑手等相关方的建议,对预估到达时间、订单分配、骑手服务评价规则等多个方面作出改善,并将平台治理思路公开在其官方微信公众号中。

但由于外卖平台牵涉的利益、角色、场景都具备高度的复杂性,所以平台连接的商家、骑手、消费者之间,依然存在复杂的博弈。

有骑手就吐槽过,某个商家的外卖订单系统中,58号和68号的配送位置是相同的,所以平台就会将这两个订单分派给同一个骑手。但商家需要按照顺序来备餐,所以58号和68号的出餐又有一定时间差。在这种场景下骑手会很为难:如果要等两个订单都出餐再进行配送,58号的订单很可能超时;但如果先送58号再回来取68号,往返依然需要花费不少时间,又很可能会让68号的订单超时。

对于商家来说,“出餐宝”也无法解决所有问题。因为有的门店员工不多,高峰期备餐、服务堂食客人就已经非常忙碌,出餐时忘记扫码也非常常见。

还有一类是“大订单”问题,即一家公司可能早上在某家店下单了100份餐品,但是许多门店人手不多,这样的大订单意味着员工很难有时间去兼顾外卖订单、甚至门店的客人。

拉长时间线看,互联网虽然蓬勃发展,平台对信息数据的处理能力也在一日千里地精进,但说到底这在人们社会生活的历史长河里仍然只是刚刚开始。

平台对规则的优化可以提高效率,但无法替商家做饭,替骑手跑腿,替司机开车,帮你完成简历上的履历。商业世界的伟大,就是在于它的混沌态,在复杂的“人”面前,技术还是太年轻。

而幸运的是,平台与社会已经意识到了平台规则与现实场景之间的"差距",它未来的发展方向也愈发清晰:通过广泛听取各方声音弥补决策信息的缺失,减少刚性,增加柔性,从而平衡各方利益。

回到开头的问题,互联网连接和效率的底色从未改变,只是在进一步服务于人的过程中,平台还需要对自身生态治理进行不断的优化。

本文为转载内容,授权事宜请联系原著作权人。