对于近几年来不断兴起的O2O业务，不管是国内外的网约车平台如滴滴、Uber，还是国内的外卖平台如饿了么、美团外卖，核心派单匹配系统的优劣都决定了整个平台的交易效率（例如单均配送成本）和用户体验（配送时常）。甚至Uber上市的时候把派单引擎作为核心技术能力放在了其招股书中。整个大物流行业近年来也不断在进行线上化的改造，如何撮合货物和司机，以及更好的拼单能力也是整个交易环节的关键和商业模式是否成立的前提。
从运人到运物，派单引擎目前越来越多的被应用在现实的商业和生活中。今天就和大家简单聊聊匹配算法。
为什么我们需要更好的匹配算法
让我们拿打车平台举个例子。
我们可以回想下，往前推移几年，当我们还没有滴滴的时候，我们可能会需要在寒风中或者酷暑中，孤独的站在路边，等待着可能有、也可能没有的传统出租车，对于打车这一行为，作为乘客的我们，毫无确定性可言。但当滴滴出现在市场后，我们只需要通过滴滴呼叫一辆出租车，便可以在室内相对舒适的环境中等待车辆的到达。
从线上到线下，乘客的确定性得到第一次的提升，然而这还不够，抢单的模式注定了滴滴平台的应答率天花板不会太高。据滴滴对外发布的数据显示，从15年滴滴将订单匹配制度由抢单演进到了派单模式之后，乘客在滴滴上的应答率有了20%以上的提升，很多时候能够全天高达90%以上的应答率，再一次大幅度的提升了乘客打车乘车的确定性。
由此可见，派单模式为滴滴创造了巨大的用户价值。对于其他的O2O平台亦然，只有更好的匹配算法，才能为用户创造更多的价值。
贪婪策略和网络优化匹配
“订单分配即是在派单系统中将客户发出的订单分配给接单者的过程”。这是一个看似简单，但实际上非常复杂的问题。
对于打车平台，最粗暴的匹配方式是按照就近分配原则，为顾客分配最近的司机。
的确，对于大部分平台（包括滴滴、Uber等）的派单系统，其派单算法最大的原则就是“就近分配”。以打车平台为例，让我们进一步思考这个问题。
如果我们只按照就近分配司机，先到先得的贪心策略，是否能够很好的满足平台所有乘客和司机的诉求呢？答案无疑是否定的，原因就在于，如果我们只基于当前时刻和当前局部的订单来进行决策，就忽视了未来新的订单 & 司机的变化，还忽视了和你相邻的其他区域甚至整个城市的需求（注：在时序上来看，新的司机 & 订单的出现会导致，贪心策略反而违背了就近分配的目标）。
考虑到整个用户群的需求，一种更好的长期解决方案是预测即将到来的需求，并针对网络级变量（例如总等待时长）优化匹配，这种匹配方式我们可以称之为“网络优化匹配”。
这么说起来好像有点复杂，不过没关系，下面我们举个简单的例子帮助大家有个更好的理解。
左图显示了按照贪婪策略就近分配的结果，这种方法使用户A的等待时间最短，只有一分钟，但使用户B等待了六分钟，总共等待时间是七分钟。
右图则是按照网络优化匹配的结果，也是当前大部分派单系统使用的算法，对全局的供需匹配进行了统筹分配。这种方法导致用户A的等待时长延长到了更长但仍是合理的3分钟，而用户B等待的时间仅为2分钟，总等待时长为5分钟。相比按照贪婪策略匹配，减少了33%的总等待时长。
这也是为什么当我们使用滴滴打车时，可能周边1公里内便有出租车，但最终为我们匹配的却是1辆位于3公里外的出租车。
供应可替代性及其对于匹配算法的影响
在一个供应方可替代的市场中，匹配的供应对象是可以互换的。例如生鲜配送，只要食材够新鲜，大不多客户不会在乎他们的胡萝卜是来自于永辉超市还是沃尔玛。
但在不可替代的市场中，每个供应商都提供独特的价值。例如在Airbnb中，房东们提供彼此不同的体验。识别自己企业是否在可替代性领域中提供服务，对于企业如何处理业务的匹配、定价和其他核心方面都具有重大的影响。
这里我们用Airbnb举个例子，Airbnb的搜索引擎就很好地说明了最佳匹配如何随着可替代供应而变化。
我们都知道，当我们使用搜索引擎时，如果最初的搜索结果不能激发人们对于该平台的信息，大多数（尤其是高价值）客户将不会继续往下浏览信息。因此，Airbnb优先考虑优化搜索结果中的前5至10个搜索结果。
预定Airbnb房源的贪婪策略是，为用户显示那些最可能吸引用户预订服务的房源信息。大多数情况下，所有客户都将看到相似的最优的那部分房源，并按照先到先得的原则进行预订。
当然，即使Airbnb采用贪婪策略优化最前面的5-10个搜索结果，但就如同我们之前举例的滴滴一样，Airbnb也会根据用户的全局需求进行展示的搜索结果的全局优化（其网站表示“Airbnb依据超过50个因素构成了每组搜索结果”）。
结语
匹配算法本身是一个相当复杂的问题和系统，本篇文章仅仅为大家提供匹配算法的基础理解和认识。有兴趣的同学可以深入去学习和思考，如何让匹配算法更加完善和高效。
李俊兴 芦苇科技产品经理