O2O货运平台车货撮合策略优化思路探析

王洪艳

摘要：随着大数据、云计算、移动互联等信息技术的迅速发展，物流公共信息平台由PC端逐渐向APP转型，O2O货运平台成为公路物流信息平台新形式。为了提升进O2O货运平台的效率，促进可持续发展，提出结合当前平台用户潜在需求，进一步优化车货撮合策略的思路，并从扩展指标体系，优化匹配模型、完善个性化推荐及丰富配套机制等方面进行分析。该研究将为改善平台用户体验，增加平台用户黏性，提升平台核心竞争力奠定理论基础。

关键词：O2O；货运平台；车货撮合

中图分类号：F74文献标识码：Adoi：10.19311/j.cnki.16723198.2017.29.019

1引言

近两年，在O2O货运平台遍地开花的背景下，业界专家学者也对O2O货运平台的也展开了广泛研究，归结起来，目前我国O2O货运平台在发展中存在的问题集中在：平台功能差异性较弱、信息来源的管理与控制不够、信息撮合效率不高、诚信机制不完善等方面。O2O货运平台作为一种典型的物流公共信息平台，高效对接货主与车主之间的供求信息，降低车辆的闲置和空驶，是其最直接最核心的功能。但是目前有关平台运营机制和技术手段的相关研究较多，车货匹配与撮合优化方面的相关研究相对较少。在当前互联网+背景下的O2O货运平台，应如何借助互联网思维和大数据优势，提高车货撮合效率，是提升平台的核心竞争力、增加用户黏性的重要途径，也是平台智能化、专业化面临的主要问题之一，对该问题的研究和探索，具有重要的理论意义和应用价值。

2车货撮合问题描述

车货撮合的过程从本质上看是个信息匹配的过程。信息匹配是指将给出的提问与集合中己存储的记录进行相似性比较，利用信息技术，根据一定的匹配标准选出有关信息，该过程属于信息检索的主要环节。而车货撮合就是利用信息匹配技术，将物流公共信息平台的车源信息与货源信息按照“供需呼应”的原则，把合适的信息检索结果反馈给车主或货主，以便进行业务对接。

为保证车货撮合方案的最优，货运平台车货撮合策略的一般按照如下方式设计：首先，系统将发布的车源信息和货源信息按照材料、车型、 载重和体积等硬性指标进行筛选；然后将符合筛选条件的信息根据成本、信息资源利用率、资质水平和信誉水平等指标进行匹配方案排序；最后系统选择匹配程度较高的方案推荐给车主和货主等物流企业用户，供车主和货主进行业务对接与确认。

3车货撮合问题解决的一般路径

在解决车货撮合问题的实现方式上， 主要有“被动检索”和“主动推荐”两种方式。

“被动检索”是货运平台最早的车货匹配方式，车主或货主通过平台PC端或APP，在货运平台上输入始发地、目的地、车型等关键属性词，通过信息检索出满足需求的所有结果，然后，根据自身经验和偏好进行对比，选择货运交易方。由于使用搜索关键词在很多时候并不能很好的表示用户需求，所以，在这种方式下，用户在得到检索结果后，还需要人工排除掉大量不匹配的候选交易方。对于可供选择方，也需要大量的时间通过经验判断、沟通交流和对比分析后才能确定最终交易方。因此，这种方式下，整个过程所需用户时间成本较高，而效率较低。针对这种情况，有学者提出通过语义检索技术，建立车源和货源信息语义知识模型， 借助其语义推理能力，提升检索准确率，但是由于知识语义建模与推理过程较为复杂等原因， 语义检索的方式在实际应用中实现难度较大，目前在应用中还较为少见。

“主动推荐”本质上是互联网个性化信息推送技术的在货运平台的应用。在“主动推荐”方式下，平台根据通过一系列表示用户需求的指标，计算信息的用户需求匹配度，主动将相关车源或货源信息推荐给用户。该方式在实现过程中，首先要对信息推送主体的车主和货主进行车货评价指标体系的构建，然后把车货信息匹配初级筛选结果根据评价指标和匹配模型进行信息的匹配程度计算和综合排序，最后把综合排序得分较高的检索结果推荐给相关用户。该方式在一定程度上提升了货运平台的智能性，体现了目前货运平台的发展趋势。

4车货撮合策略的优化需求与对策分析

虽然目前很多配载型货运平臺也把重点集中在车货撮合这一个核心功能上，也开发了一定的主动推荐功能，但是，在目前智慧物流的导向下，在移动互联、大数据技术等技术的迅速发展的背景下，为更好的为平台用户提供服务，更好的整合和利用平台资源，货运平台的车货撮合策略需一步开发和完善。经过广泛调研，笔者认为对当前的O2O货运平台的车货撮合策略可以在以下几个方面进行的优化和改进。

4.1扩展匹配指标体系

从货主的角度来看，其最为关注的关键指标为：价格、时间、服务质量、企业信用、准时率、货损货差率。车主和货主是平台最为关键的两大主体，但由于其物流需求不同，所以在选择交易方时，考虑因素的侧重点也有所不同。对货主来说，在满足其基本物流需求的基础上，往往货物运输的经济性指标是其关注的重要的因素。对车主来说，在车辆满载安全的基础上，货主愿意支付的价格越高越好。所以，基本上对于两大主体，业内普遍做法是分别构建指标体系。为区分用户的刚性需求和柔性需求，李慧提出构建车货供需匹配的软、硬两层指标体系，具有一定的参考意义。货主指标体系中的硬性指标有：车型、载重、车长、体积，到货时间，软性指标有：载重率、车长符合度、体积符合度、成本符合度、车主资质、车主信誉；车主指标体系中的硬性指标有：材料、重量、车长、体积，到货时间，软性指标有：载重率、车长符合度、体积符合度、成本符合度、货主资质、货主信誉。这套指标体系中包含了社会因素和经济因素，但是，除此之外，用户进行交易方选择时，还需考虑诸如位置、天气、交通状况等情境因素。随着物联网、移动互联、LBS，这些情境因素是可以获取到的。所以，笔者认为，为提升车货撮合效率，应进一步扩充当前匹配指标体系，在车主和货主指标体系种增加情境类软性指标。

4.2优化匹配模型endprint

在软硬两级匹配指标体系下，车货供需匹配模型一般首先根据硬性指标进行筛选，如果信息不符合硬性指标要求，则直接被剔除，否则，将成为候选推荐信息。对于候选推荐信息，将根据指标的层次和权重对每一种匹配因素进行综合得分计算和排序，生成撮合方案。各指标的权重设置，一般综合对平台用户的调研分析和专家领域知识得到。

但是，随着电子商务对人们生活的不断渗透，在当前货运市场上，整车运输，尤其是回程的整车运输相对较少，在这种情况下，零担整合成为车主最大化降低运输成本的唯一方法和手段。但是，目前货运平台上提供零担整合功能还尚待完善。所以，在当前匹配模型的基础上进行一定扩展，增加对货源零担整合方案的推荐，将会大大提高车主的满意度，对于车货撮合的效率也必然有相当的提升。

4.3完善个性化推荐方式

在指标体系构建完成后，一般O2O货运平台在直接按照综合评分结果，将TOP N的信息主动推荐给相关平台用户（车主或货主）。但是，在这种模式下，由于没有考虑用户潜在需求和偏好，所以，有时候不能将平台上一些存在潜在价值的信息推动给用户。利用大数据技术，对平台的用户行为进行分析，深入挖掘用户潜在需求，建立用户行为模型，根据用户偏好进行个性化的精准信息推荐是商业信息推荐的主流趋势。精准化信息推荐模型可以更好的为用户服务，满足用户潜在需求。例如，平台通过分析货主的历史发货时点、发货线路、发货种类、发货批量及用车情况，把握货主的发货规律及用车需求，精准向货主发送车源预报与空车信息；同时通过分析承运人的历史发车频率、常驶线路、承运货物类型及批量，把握承运人的承运偏好及流向规律，精准向承运人发送货源预报与常驶线路的货源推荐。

本文提出的精准化信息推荐模型，采用组合信息推荐的方式，在原来普通信息推荐机制中，增加协同过滤推荐机制作为补充，两种组合机制相互配合，将车货供需信息匹配的信息更加精准的向用户进行推荐，从而提升车货撮合的成功率，该模型的工作流程如下图1所示。协同过滤推荐是个性化信息推荐领域的一种重要方法，它通过对用户行为的分析和挖掘，找到相似用户群，并把该用户群中最相似的物品或服务推荐给用户。因此，协同过滤推荐以用户行为模型为基础，找到相似行为的用户，并根据普通信息推荐的结果，将相似用户最适合的服务推荐给当前用户，这种方式本质上是对用户潜在需求的挖掘。协同过滤推荐可以看作是普通信息推荐的有益补充，两者结合，共同推进精准化车货撮合信息的推荐的实现。推荐结果向用户推送时，最好采用交互式推送方式，这样可以把用户的偏好信息通过交互方式，反馈到用户行为模型，从而优化推荐最终结果。

图1精准化信息推荐模型示意图

4.4丰富配套机制

车货撮合策略要充分发挥其作用，还需要具有完备丰富的配套机制相协调。比如依赖交易双方的评价信息建立起来的诚信机制，保证双方交易安全顺利之行的监管机制，以及促进平台良性循环的引导和激励机制。丰富完备的配套机制，不但可以促进整个平台的规范化和标准化，更是促进整个平台健康运营生态链的基础和保障。

5结论与展望

车货撮合作为O2O货运平台的核心功能，其用户体验的好坏，直接影响平台用户体验和平台的可持续发展。本文从平台用户潜在需求为出发点，利用互联网思维和大数据分析技术，对当前O2O货运平台的车货撮合策略进行优化，提高信息推荐的精准度和货运平台的智能性，对于增加平台用户体验和用户黏性，促进资源整合，提高行業效率以及平台的可持续运营和良性循环具有重要意义。在数据规模越来越大的今天，对O2O货运平台优化和改进仍有很大的拓展空间，如何进一步充分利用大数据分析技术与互联网思维，促进平台发展和物流活动规范化与标准化，值得进一步研究探索。

参考文献

[1]彭静.车货匹配类“互联网+物流”企业现状剖析[J].现代营销，2016，（11）.

[2]李永平.基于物联网技术的甩挂物流信息平台建设研究[D].西安：长安大学，2014.

[3]汪传雷等.基Web 3.0的物流信息平台社区模型构建研究[J].情报理论与实践， 2016，（39）.

[4]陈立.物流信息匹配的机理研究.物流技术[J].物流技术，2010，（21）.

[5]牟向伟等.基于改进量子进化算法的车货供需匹配方法研究[J].中国管理科学，2016，（12）.

[6]顾佳婧.基于语义网技术的车货匹配系统[D].北京：清华大学，2013.

[7]李慧.配载型物流信息服务平台的车货供需匹配研究[D].北京：北京交通大学，2015.

[8]李俚，周晓蓉.物流陆运业务交易平台撮合算法研究与实现[J].制造业自动化，2013，（35）.

[9]袁孝尚.中储智运：建新生态下的互联网货运平台[N].现代物流报，2016-1-29（A04）.endprint