📖 ZKIZ Archives

國際貨運界的Uber Flexport能否革新物流業？

輸入日期、港口、地面運輸方式等信息，便可以查看各家貨運方提供的價格與具體運行時間。甚至它還可以實時跟蹤貨運信息，自動生成分析報告，幫助用戶進行供應鏈管理。這樣聽起來是不是很棒？

要知道在此之前，完成一次國際貨運往往意味著要打無數通電話或不斷發郵件，來敲定每一運輸環節的信息，價格不透明、信息不對稱、執行環節冗長一直是國際貨運行業存在的問題。

“將運輸簡單化，節省人的時間和金錢，讓國際貨運更便宜、更簡單，讓全世界的交易更為方便。” Flexport公司的CEO RyanPetersen向第一財經表示， Flexport的創立初衷就是把想法變成現實。

Flexport致力於提供貨物運輸的在線預訂和跟蹤服務，讓客戶可以像訂飛機票一樣簡單的在線預訂貨船、卡車、貨運飛機，同時將極其複雜的國際貨運代運環節全部打通串在一起，實現全程電子化、可視化。

數據可視化

外界將Flexport比喻為貨運界的Uber，但在Ryan看來在國際貨運界做共享模式遠比Uber要複雜的多。“Uber是城市內點對點的服務，而Flexport的應用場景往往是一批貨物先通過卡車運輸至港口，再借助船運送至另一個國家，要實現不同工廠、不同倉庫、不同城市、不同運輸工具之間的無縫對接要難得多。”

在這個世界上最古老的行業，技術含量之低也許超乎你的想象。國際貨物產業鏈繁雜冗長，一家企業找到最終的運輸隊中間夾雜著三五個層級，傳統的線下交易模式，價格不透明，欺詐現象普遍，而對貨物的跟蹤往往依靠電郵寄送的電子表格。

在貨物清關的過程中，世界各地的通關手續和關稅、增值稅、消費稅等不盡相同，口岸港區、海關、航運企業等信息孤島現狀，使得貨主往往要在不同報關處對同一批貨物重複解釋，而由於流轉環節過多，有時會發生報關出現問題卻無人負責的尷尬情況。

Flexport 通過自營的方式，串聯客戶與貨運業者，根據產品量定制一個相匹配的物流服務系統，由軟件安排所有的關稅與物流作業，除此之外，通過對用戶庫存量、航線、交期要求和海關合規數據的分析，幫助用戶進一步規劃航線，將每一部分的報價呈現給用戶，並且可以實時查看貨運業務的進度及車輛位置。

Ring是一家做智能門鈴的公司，當有人敲門時，你可以在任何地方通過手機看到來訪者。一段時間Ring產品銷售大熱，公司試圖擴大生產計劃，但由於貨運代理和報關代理之間協調出現問題，導致出貨延遲。而通過Flexport軟件，從貨運到報關各個環節已經聯合打通，無需反複敲定運輸方案，“節省了一天的空運交貨時間，同時每月的貨運成本降低了15%。”Ring公司CEO James Siminoff表示。

同時借助Flexport軟件對SKU（Stock Keeping Unit 庫存量單位）的反向指導，即根據訂貨周期和裝貨量數據計劃指導客戶補貨，Ring擴大了其產品生產線，並得以將產品銷售給家得寶、百思買、沃爾瑪等這些對貨物交貨期有嚴苛要求的大型零售商。

增值服務

根據市場研究公司Pitchbook Data的數據，自2014年以來，風投公司已經向貨運代理領域的創業公司投資了超過10億美元，為此前5年的投資總額的兩倍。

Flexport也獲得由PayPal創始人Peter Thiel創辦的Founders Fund以及Google Ventures、YC、Bloomberg BETA等投資者的A輪2000萬美元融資，加上天使輪共計2690萬美元。

這個市場不乏競爭對手，海內外不少公司也在推出互聯網+物流衍生的平臺類服務，國外類似的平臺有Freightos、Dropship、Cargomatic等，同時以DHL、亞馬遜為代表的巨頭也在做相應的布局。國內國際物流B2B電商平臺“運去哪”也已獲得A輪千萬美元融資。

除去可觀的市場規模，更為充滿想象空間的是依托國際貨運所產生的增值服務。此前蘇黎世交通運輸顧問馬蒂亞斯·漢克(Matthias Hanke) 曾直言，“很多創業公司只是想給承運人和托運人牽線搭橋——它們低估了貨運代理商的增值服務。”

提供保險業務，打造供應鏈金融便是其中一環。此前針對中小外貿制造企業的供應鏈金融很難開展的原因在於，銀行難以及時跟蹤該企業的海外訂單和應收賬款等信息。

而借助互聯網平臺，發貨規模、頻次、訂單金額等可視化數據的直觀呈現和數據沈澱，讓基於供應鏈的在線保險業務成為可能。Flexport也已於一年前開放自己的API接口，希望通過與銀行、保險公司的合作，接入航運保險服務。

布局中國市場

隨著整個世界之間的聯系越來越緊密，供應鏈也延伸到世界各地，市場對運輸的需要會持續快速增長。作為制造大國，中國市場一直是Flexport看重的市場，據悉其80%運送的貨物都由中國出口，75%運往美國，25%運到歐洲和其他地區。

Ryan與中國也頗有淵源，早在17歲他和哥哥一起從中國購買東西，放到eBay上賣掉賺取利潤。其創辦的第一家公司Import Genius主要通過購買海關數據庫，提供相應的數據分析服務。正是這樣的經歷，讓Ryan發現物流行業中存在很多不必要的中間繁瑣流程，並尋找借助技術解決的方式。

目前Flexport公司有125人，中國市場除了香港的8人團隊外，近期也計劃在深圳、上海落地辦公室。“未來我們希望有100個人在中國市場。”Ryan表示。

根據海關數據顯示，2015年，全國進出口總值24.58萬億元人民幣，同比下降7%，其中出口下降1.8%，進口下降13.2%。顯然國際貨運代理粗放式增長時期已經不複存在，提質增效，降低運輸成本是必然選擇。

面對700多個客戶，每月處理4000多票訂單，Flexport一面不斷招募人才、開設新的分支機構來支撐公司的擴張，同時還要保證公司的利潤，對於創業公司而言平衡擴張與盈利之間的矛盾是最大的挑戰。

目前Flexport主要合作對象為中國的供應鏈與美國進口商。最終，Flexport希望成為軟件物流的基礎供應者，提供各類 API 服務串接，提升整體物流業的科技技術，開啟國際貨代互聯網時代。

智能家居、VR、無人機 華為跨界的路子有點兒寬

近日，一則華為進軍無人機領域的新聞被外界熱議，一家今年3月份成立的無人機公司稱，將使用基於華為海思視頻監控芯片的無人機方案。

雖然起步的生意是電信設備貿易，但近年來華為在終端等領域的發展讓外界看到了這家企業的“行業野心”。目前，除了通信業務外，華為已在多個熱門領域“冒泡”，比如智能家居、VR、遊戲、PC、雲甚至是光伏、葡萄酒貿易這樣和通信關聯度不大的產業。

“華為進入消費級無人機市場，是很慎重的。他們本來有很多顧慮，但現在沒有了。”6月底，宙心科技創始成員表示，他們基於海思芯片的影像性能，準備推出四種無人機基礎方案，面向消費級市場的高、中、低共3種，面向行業用戶1種。

不管主動或被動，華為的每次行業動作總是處於話題之中。除了無人機，華為此前進入PC、雲行業以及布局智能家居等領域的動作不可避免的引發了行業的緊張情緒。

盡管華為方面一再解釋很多業務只是和行業廠商的一次普通合作，但基於“狼性”華為的橫向擴張能力和整合速度，每一次合作還是被業內解讀為對行業的各種“顛覆”和“攪局”。

比如說在無人機領域，盡管華為並沒有公開宣布進軍無人機行業，但目前華為海思在全球視頻監控(安防攝像頭)市場已經拿下了70%的市場份額。從技術上講，海思芯片采用了一種特殊的設計架構，以減少底層運算對CPU資源的消耗，這種硬化的算子可以承載各種視覺算法，而最新一代的海思芯片，已經有超過100個算子。

可以說，如果華為願意，從技術到市場，也許距離並不遙遠。

比如在智能家居領域，華為近年來開始頻繁和家電廠商接觸，並主動開放HiLink連接協議，此舉意在從智能家居技術架構的底層連接協議做起，讓家電之間的互通變得更加簡單。華為榮耀總裁趙明對記者表示，華為希望提供操作系統和底層代碼，從而打破家電之間“不對話”的局面。

《第一財經日報》記者從華為內部了解到，智能家居市場是未來戰略布局的重要一環，華為希望該業務比例能夠在2~3年之後在提升至終端業務的30%。而在此前電視產品線則是華為為數不多的在分析和研究要不要進入的領域，從家庭的交互中心的角度來說，在手機和Pad的平臺之後，下一個平臺就是電視。

“華為一直還是控制自己介入其他領域的欲望，公司一貫的戰略和理念是你只有在一個領域深入穿插進去，才能進入無人區。無人區的意思是超越現在存在的競爭狀態。”趙明對記者說：“我們現在會做輔助類產品，把我們的產品系列、配套更完善一點，但是我們真的不會進入冰箱、空調、空氣凈化器行業，這些都有專業的廠家，它們做得很好，我們進入以後對這個行業沒有太多的貢獻。”

而為了打消合作夥伴顧慮，華為更是做出承諾，表示不碰觸傳統家電利益。

今年4月，華為副董事長兼輪值CEO郭平對《第一財經日報》記者表示，未來華為的發展依然會聚焦到管道業務上，運營商、企業以及終端業務“三駕馬車”的定位不會改變。

雖然華為對外一直在強調管道業務是華為的核心業務，但實際上面對通信市場變革時，華為的“主動變陣”才是外界對“華為跨界”噪音不斷的原因之一。

比如，運營商市場。

在通訊設備領域，運營商應該說是華為等通信設備企業的“大動脈”，直到現在也是華為三大業務中收入占比最大的業務部門。但在去年，華為宣布開始進入公有雲市場，而在公有雲市場上，除了互聯網廠商，運營商被視為最有優勢的主流玩家。

對於可能與“最佳合作夥伴”展開競爭時，華為的高層對記者表示，如果不變革，也許今天都沒有資格和運營商談網絡轉型的問題，在雲計算正在改變和重構傳統企業信息系統架構的關鍵時期，“不作為”也許比“試錯”更為可怕。

在華為看來，在雲計算領域與運營商合作依然是最佳的合作夥伴，雖然BAT等互聯網企業在雲計算市場占領先機，但只要運營商願意合作，就有機會在與互聯網企業競爭中獲得勝算。

“如果什麽都想做，那就什麽都做不成，華為進入公有雲實際上還是聚焦在基礎設施層面。”華為常務董事、戰略Marketing總裁徐文偉此前對記者表示，華為不會單打獨鬥，不會通吃整個市場，而是明確了自己的業務邊界，使更多合作夥伴和華為合作時放心。

一位華為高層對記者表示，華為一直以來的“跨界”都建立在自身業務的成長和布局上，而且更傾向於與合作夥伴一起合作開發，企業業務和終端業務更是這樣。“如果說今年我們做電視，把價格打下來，就說明對這個產業的貢獻很小，說實話是在破壞這個產業，既樹了敵又輸了行業，並且分散了自己的精力，這樣的話在哪個行業都不會做的很深。”

資本盯上航運電商 誰能成為海運界的Uber

一直處於市場低迷的海運業，也開始“觸網”了。

山東樂艙網國際物流股份有限公司(下稱“樂艙網”，838349.NEEQ)近日在全國中小企業股份轉讓系統(“新三板”)掛牌，成為國內第一家在新三板掛牌的航運電商企業。

在此之前，已經有多家航運電商企業獲得外部融資，這些電商平臺的發起人，很多是貨代老板出身，也有船公司/物流企業的直營電商，比如中遠的泛亞電商，中外運的海運訂艙網等。

樂艙網樣本

樂艙網成立於2004年，此前主要經營日本、韓國、東南亞區域間的航線，業務主要包括集裝箱租賃，供應鏈管理，航線運營等，合作的船公司超過60家，客戶超過1000家，營銷網絡主要分布的天津、青島、煙臺、上海、寧波、廈門、深圳7大港口。

從去年開始，樂艙網的CEO許昕決定要在這個傳統的不能再傳統的海運行業做出一些改變——組建海運電商平臺，整合拖車、訂艙、報關、保險，提供一站式服務。

“雖然目前海運業仍比較低迷，但包括國際貨代、集裝箱拖卡、倉儲、報關報檢等環節的國際物流行業已是一個4萬億的行業，而運轉方式卻還偏傳統，”許昕告訴《第一財經日報》記者，樂艙網想做航運電商撮合交易服務平臺，通過互聯網的方式縮短原本線下冗長的交易鏈條，縮減中間鏈條，降低企業的物流成本。

在國際航運業，原來的買賣流程是這樣的：承運方(擁有艙位和運力的物流能力方，也就是賣方)→一級貨代→二級貨代→三級貨代→有航運需求的外貿商(買方)，由於貨代眾多，並層層加價，買方和賣方的信息不透明，也浪費了不少渠道成本。

“對買家來講，他們想運價更便宜，選擇更多，更透明，信息更及時，對賣家來講他們想增加網上的銷售渠道，做增量客戶，”許昕說，而通過網上操作的系統化，是可以提高效率，降低成本的。

此次登陸新三板後，樂艙網計劃融資5000萬~8000萬人民幣，用於加大技術平臺建設、業務的擴展和運營方面的投入，以進一步整合上下遊資源。

資本蜂擁背後

樂艙網並不是海運電商行業唯一“吃螃蟹的人”。據記者了解，目前涉足航運電商的主要有4類，一是船公司的直營電商，比如中遠的泛亞電商;二是貨代公司的直營門戶電商，主要是此前從事貨代行業的公司，將自營的線路搬到線上;三是船公司的聯盟電商平臺，比如INTTRA 和CARGO SMART;四是像樂艙網這樣的第三方公共交易平臺，也是參與者最多的類型。

市場規模的巨大潛力是業者紛紛布局的主要動力。多位行業內人士就告訴記者，中國出口集裝箱規模在2014年就達到1.7億TEU，出口集裝箱運費及物流成本規模達到幾萬億美元，假設僅有1%的交易通過網上成交，就將有幾十億美元的規模;而根據中研普華國際貨運代理行業分析專家撰寫的《2014-2018年中國國際貨運代理行業全景調研與發展戰略研究咨詢報告》，我國國際貨運代理市場規模預計2014-2018年年均增長率有望超過20%，到2018年，我國國際貨運代理市場規模將超過3萬億，其中海運貨運達到2.32萬億。

據記者了解，目前大多數航運電商平臺上的交易還是免費吸引用戶階段，但由於操作習慣和固有的利益格局，目前20多家航運電商平臺真正有實質交易的只有幾家，每月的交易額只有1000-2000TEU，占據海運物流整體交易規模的萬分之一都不到。

不過，航運電商平臺依然已經成為投資熱點。從去年開始，就有多家企業獲得了千萬級的融資。

“未來的盈利模式可以是通過促成買賣雙方，向賣方收取傭金;或者推出類似誠信通產品，收取認證年費;還可以通過增值產品收費，如報關，保險，賺取差價等，”許昕告訴記者，而誰能夠盡快脫穎而出在競爭中獲得更多的用戶，誰才可能成為海運界的uber。

許昕透露，為了吸引更多用戶的註意力，樂艙網最近就推出了“運費融資”產品，“通過買賣雙方基於平臺上的交易數據為基礎，純信用無抵押無擔保，隨借隨還，主要為解決貨運代理公司無法取得銀行貸款的難題，幫助買賣雙方解決資金問題。”

特朗普將入主白宮？AI界的“章魚保羅”這麽預測

在美國總統大選日即將來臨之際，由印度企業開發的一套人工智能(AI)系統預測共和黨候選人特朗普將在今年總統大選中擊敗民主黨候選人希拉里，最終入主白宮。而此前這套人工智能系統曾準確預測美國最近三屆總統大選結果。

據CNBC報道，這個代號為“MogIA”的人工智能系統是由印度初創型企業Genic.ai的創始人桑傑夫·雷(Sanjiv Rai)於2004年研發出來的。該系統已經準確地預測出美國最近三次民主黨與共和黨的總統大選之爭，堪稱AI界的“章魚保羅”。 保羅雖然只是一只章魚，但是其因為在南非世界杯期間預測的比賽結果全部正確而一戰成名，享譽世界。 它曾在2008歐洲杯和2010南非世界杯兩屆大賽中，預測14次猜對13次、成功率為92%。

而系統本次預測的結果是，特朗普的勝率已經比2008年時的首次當選美國總統的奧巴馬高出了25%。

這套人工智能系統從谷歌、Facebook、Twitter等網站上收集了2000萬個數據點，進而對這些數據進行分析，形成了新一屆總統大選的預測結果。諸如用戶參與Twitter消息或Facebook直播視頻之類的數據都會融入到該系統的最新預測之中。

而由於美國共和黨總統候選人唐納德·特朗普侮辱女性言論視頻事件持續發酵， 目前， 據RealClearPolitics發起的一項民調顯示，希拉里仍領先特朗普5.2個百分點。希拉里和民主黨在此次大選中的勝率仍遙遙領先。

阿里聯手馬士基海運“觸網” 誰能成為海運界的Uber

一直處於市場低迷的傳統海運業，也開始集中“觸網”了。

臨近年末，全球航運巨頭馬士基航運，悄然在阿里巴巴的外貿服務平臺一達通上，推出了物流訂單直達船公司的訂單交易平臺——艙位寶，這被馬士基航運大中華區總裁丁澤娟解讀為是馬士基突破傳統訂艙業務模式，試水海運電商平臺操作。

而在此之前，已經有多家航運電商企業獲得外部融資，這些電商平臺的發起人，很多是貨代老板出身，也有船公司、物流企業的直營電商等。

馬士基航運的嘗試

傳統的海運訂艙模式下，客戶需通過貨代到莊家再到船公司進行訂艙，流程繁瑣且價格不透明，而且中小客戶在旺季往往拿不到艙位，價格也可能隨時變化。

“現行行業定價和訂艙的模式存在缺陷，價格與訂艙並不直接掛鉤，訂艙時也不能確保艙位和空箱使用。”丁澤娟告訴記者，對船公司來說，訂艙臨時取消率偏高，也導致大量浪費，馬士基希望對行業現存模式做一些嘗試性改變。

馬士基的首個試驗載體，選在了阿里巴巴的一達通平臺，針對中小企業在年底旺季中的痛點，通過艙位寶訂艙，繳納一定定金後價格是鎖定的，這完全改變了行業現行的訂艙模式。

據記者了解，此次與阿里巴巴的合作，馬士基方面並不是通過資金介入，而是作為船東提供艙位和確定定價，阿里巴巴則負責技術層面實現預付定金和交易結算，並通過阿里一拍檔平臺上的貨代客戶完成後續其他服務。艙位寶上線後已有中國的中小企業直客在平臺上完成交易。

“我們希望與第三方平臺合作的形式，實施在線定價、訂艙和付款，進而了解客戶機市場的接受度，以及馬士基航運探索數字化的可行性和潛在風險。”丁澤娟透露，除了選擇了三條航線在一達通平臺上試水，公司還在評估入駐其他第三方平臺的可能性，而之所以先選擇了一達通合作，也是看中了阿里巴巴可以通過一拍檔上中小貨代完善提箱、運輸、進港等全流程服務，畢竟訂艙只是其中的一環。

資本盯上航運電商

阿里巴巴和馬士基並不是海運電商行業唯一“吃螃蟹的人”。據記者了解，目前涉足航運電商的主要有4類，一是船公司的直營電商，比如中遠的泛亞電商;二是貨代公司的直營門戶電商，主要是此前從事貨代行業的公司，將自營的線路搬到線上;三是船公司的聯盟電商平臺，比如INTTRA 和CARGO SMART;四是像阿里巴巴、樂艙網等第三方公共交易平臺，也是參與者最多的類型。

不過，目前大多數航運電商平臺上的交易還是免費吸引用戶階段，由於操作習慣和固有的利益格局，目前20多家航運電商平臺真正有實質交易的只有幾家，每月的交易額在1000-2000TEU，占據海運物流整體交易規模的萬分之一都不到。

比如今年下半年剛剛掛牌新三板的樂艙網，目前的交易量每月超過2000TEU，交易金額在持續增長。而為了吸引更多用戶的註意力，樂艙網推出了針對供應商的純線上應收賬款保理業務，針對客戶買家的純線上信用貸款，幫助買賣雙方解決資金問題。

“未來的盈利模式可以是通過促成買賣雙方，向賣方收取傭金;或者推出類似誠信通產品，收取認證年費;還可以通過增值產品收費，如報關，保險，賺取差價等，”樂艙網CEO許昕告訴記者，而誰能夠盡快脫穎而出在競爭中獲得更多的用戶，誰才可能成為海運界的Uber。

人工智能還會賣菜，零售界的Uber如何顛覆你的菜籃子

鄭倫 2017-03-01 11:43

美國零售電商Instacart創辦於2012年，僅僅用了兩年多的時間做到估值20億美元，如今，Instacart的創始團隊又借助數據科學（ Data Science）和機器學習（Machine Learning）幫助企業優化運營，實現正現金流並逐步走向盈利。

從簡單的搬運工變得更高效，Instacart或許可以為國內的同行們提供一些參考。

模式：不僅僅是零售商的搬運工

Instacart是自身不做采購倉儲的在線零售商，Instacart與美國著名的零售商合作，把這些零售商的商品搬到線上銷售，其中包括Whole Foods、Costco、Marsh等知名連鎖零售商。消費者可以通過電腦或者手機App下單， 然後由Instacart簽約的代購者（Shopper）去指定的商店采購，在1小時內配送到消費者家中。

下圖是消費者用手機App購物的流程：

Instacart的代購者（Shopper）很像Uber的司機，他們可以是全職也可以利用閑散時間兼職。下圖是一個代購者 用App接單並完成訂單的流程：

單元經濟盈利：打破燒錢魔咒

對於這種創新的商業模式，能否盈利是最根本的問題。而早在2016年，Instacart就已經實現單元經濟效益（Unit Economics）盈利。

所謂單元經濟效益（UnitEconomics），是指在商業模型中， 能夠體現收入與成本關系的某個最小運作單元。在Instacart，這就是來自客戶的每一筆訂單，如下圖所示，在這每一筆訂單中，能夠帶來的收益有四類：送貨費、小費、產品合作方、零售合作方，而每一筆的成本來自：交易費（信用卡和保險）、購物時間和送貨時間。如果能壓縮購物時間和送貨時間，那麽，Instacart就能在單元經濟效益上盈利。

在 Instacart的單元經濟效益模型中，只要平均完成訂單時間在最大時間的70%就可以盈利，如今他們已經實現了這個目標，Instacart在2016年中實現了正現金流，並預計2017年會實現財務盈利。

精準預測的重要性

要實現盈利以及企業的良好運營，精準地預測客戶需求，並且滿足客戶需求顯得尤為重要。

Instacart每天要應對來自消費者數以萬計的訂單，這些訂單都需要在客戶指定的時間完成配送，如何把這些訂單分配給同樣數以千計的代購者，每個代購者接哪些訂單，走什麽線路去指定的零售店，在每個零售店又如何快速尋找到指定的產品，采購完後，走什麽線路去配送給每個消費者……這些都需要精準的預測和規劃。

（圖示：Instacart為代購者優化後的超市采購線路圖）

Instacart必須要為自己的預測準確率負責，如果預測準確率低，那麽結果就是客戶的訂單延誤，這不僅僅會造成履單成本的提高，也會讓客戶不滿意並造成客戶流失。

機器學習幫助提升

為了應對這些挑戰，Instacart選擇了利用數據科學（Data Science）和機器學習（Machine Learning）。

第一步，是建立大數據平臺。在Instacart，每天要處理和應對的是來自多方面的海量數據，比如，僅僅代購者每天的GPS定位信息就有1GB左右。Instacart要把這些數據分類部署，然後用RabbitMQ來處理各個數據庫之間的通訊，用PostgreSQL做生產數據庫，用Amazon Redshift做離線數據分析。

Instacart會建立多種預測模型來對客戶需求、超市購物時間、配送時間等進行預測。每個模型都會用歷史大數據進行回顧測試，去不斷的優化算法。模型每天做重複的訓練來提高預測的準確率。

當遇到惡劣天氣或突發事件時，會有偏離模型的警告，Instacart有一個監測市場變化的團隊，他們會在這個時候用自己的接口對預測進行調整。Instacart的數據科學團隊正在努力實現調整部分工作的自動化。

梯度推進模型優化配送預測時間

梯度推進模型GBM（Gradient boosting）是一種機器學習的技術，該技術可以提高現有預測模型的準確率。

比如， 在舊金山地區的Instacart辦公室，要在幾個小時之內完成數千個客戶訂單，那麽，如何給出一個最優化的方案，用最少的人力和時間去完成這些訂單呢？顯然需要更精確地去預測每個代購者每條可能路線的時間。此時，GBM模型就非常有用。更精準的預測可以讓系統用優化算法得出最優的完成訂單方案，這個方案可以比以往更快地完成客戶的訂單。

自然語言處理（NLP）提升用戶體驗

自然語言處理NLP（Natural Language Processing）實現人與計算機之間用自然語言進行有效通信的方法。在這里的用處就是分析用戶以往的采購行為，然後給用戶推薦可信的熱賣單品。

Instacart與全美數百家零售商合作，商品匯總起來，數量竟有數百萬之巨。這些產品的訂單頻次分布是長尾分布，那麽如何能夠給用戶推薦那些他們真正需要而不僅僅是熱賣的單品呢？Instacart 用NLP技術去歸納總結，然後推薦那些即使不常被購買但是對客戶有用的商品。比如某個用戶經常購買啤酒、奶粉、尿布和遊戲產品，那麽系統或許會推薦一本《一個奶爸的自我修養》給他。

也玩深度學習

Instacart也用到了深度學習（Deep Learning）技術，比如產品目錄團隊使用深度學習來進行圖片處理，以及代購者在商場某處，重新安排代購清單和線路。深度學習技術解決了以往機器學習中的很多棘手的問題，這為提升服務帶來了新的機遇。

最後，我們來看美國著名科技媒體TechCrunch對Instacart的采訪視頻，看看他們每天是如何快速處理和完成來自客戶數以萬計的訂單：

https://v.qq.com/x/page/j0377e9vska.html

文章評論

匿名用戶

發布

全部評論：10

發布

【TMT】人工智能界的蘋果：一年翻三倍的英偉達，手握著什麽秘密武器？

千方百計：會計界的上訴機制

智取大市：啤殼界的生還者