墨西哥最快最便宜的外卖，背后站着中国产品技术团队

编辑导语：如今，外卖已经成为了很多人生活中最为重要的一部分，越来越多的人表示根本离不开外卖。早在2017年，程维就表示滴滴下一步发展最重要的战略就是国际化！目前，滴滴已经在墨西哥上线了外卖业务，这也是滴滴外卖进入的首个海外城市。在墨西哥外卖的背后，站着的是中国产品技术团队。

两个月前，墨西哥最受欢迎的杂志之一——《电视小说》杂志（TV Novelas）进行了一项有趣测试，他们分别统计了当地5家外卖品牌的客单价与配送时间，并将对比结果刊登在杂志上（如下图）。

结果令人意外，拿到冠军的既不是土生土长的Rappi，也非业务遍布全球的Uber Eats，而是在墨西哥落地还不足两年的DiDi Food（下称“滴滴外卖”）。

经测试，滴滴外卖最快也最便宜

在国内，多数人对滴滴外卖的印象可能还停留在三年前在国内与美团之前的竞争。随后，滴滴外卖在2018年底进行战略调整，转战海外，并在之后两年相继挺进墨西哥、巴西、日本等国。据说今年下半年，滴滴外卖在拉美市场的增速相当可观。

如果说整个故事里有什么没变的，站在滴滴外卖背后的R Lab算是其中之一。这个成立于2017年下旬的一级部门，专门负责为滴滴探索边界、孵化新业务，他们的首个成果便是滴滴外卖。

R Lab的强项是产品与研发，目前该团队规模**过500人，其中3/5的岗位来自产品与技术，总负责人为滴滴首任产品经理罗文，后者曾主导滴滴多次版本迭代，深度参与红包营销、专车起步等标志性事件。

可以说，滴滴外卖在墨西哥当地杂志评选中脱颖而出，与R Lab为其提供的产品/技术能力密不可分。

由于用户支付价格受餐费、配送费、补贴等因素影响，且各家里程费配置也不尽相同，因此本文将关注点放在滴滴为何更快而不是更便宜上。

何为快？除了对比其他平台带来的直观感受之外，加速购买决策的“省时”、满足用户预期的“准时”也都与“快”息息相关。因此本文我们将围绕“省时”与“准时”两方面，从R Lab在用户侧（C端）与骑手侧（D端）的产品设计处着手，做一些简单剖析。

一、用户侧：提升决策效率，降低等待焦虑

外观上，滴滴外卖与国内外卖应用最大的区别当属界面信息量，前者简洁但一目了然，后者丰富却稍显复杂。

造成这种区别的根本原因其实是国内外文字呈现特点的不同。以西班牙语为例，同样释义，西班牙较中文需占据更多屏幕空间。因此在保障同样信息密度的前提下，界面**显得十分拥挤，拖延用户的决策时间，带来不便体验。

针对这个问题，R Lab对滴滴外卖的首页做了全新改版，以达到让用户可以更高效地选择商品的诉求。

首先，店铺布局全部呈现“单排”（如下），着重扩大了店铺卡**区域，方便承载更多信息，比如活动标签、分类、推荐理由等；其次，调整首页框架，让搜索、筛选始终置顶，用户可以随时在浏览店铺的同时发起搜索和筛选；除此之外，R Lab的产品团队还新增更丰富的运营位，以满足不同场景下的专题活动需求。

该版本发布后，下单用户的平均访问店铺数从4.05次减少到了3.76次，显著提升了购买决策效率。

缓解了用户在下单前的焦虑，还要考虑用户等候订单时的焦虑。

通常来说，实际配送中出现的早到、迟到现象很难避免。因此产品经理需要对类似场景给出预案，这些预案通常要满足两点要求：1，用户应该及时了解到最新的送餐时间；2，在满足第一点的同时，不过度打扰用户。

于是，R Lab的技术团队针对性地提升了“预测送达时间”能力。在预计迟到、早到较多时告知用户更新后的送达时间。

当然，若仅仅是几分钟的早到或迟到便不**更新以避免干扰（目前精确度为分钟级）。不过在事实迟到后，应用还是**告知用户“迟到**过20分钟的订单系统将提供优惠补偿”这点，对其安抚（如下图）。

该能力上线后，能观测到用户减少了与骑手的联系，判断为焦虑减少，体验提升。

二、骑手侧：订单二次调度+服务质量预判

为主动预防送餐**时，滴滴外卖在分单引擎优化上做了两步关键动作：

一步是上线“**时风险模型”，在不影响骑手收益的前提下，控制已**时、或即将**时的骑手接到新订单的比例。

通过在瓜达拉哈拉（位于墨西哥）的AB Test，发现**45分钟的订单占比、**60分钟的订单占比均得到降低；实际送达时间降低 0.34分钟，骑手服务时间中每小时订单量相对提升1.07%。

另一步是为分单引擎新增“重新调度订单”能力，即分配订单给骑手后，通过秒级分析来判断订单是否****时。

一旦预测到订单存在**时风险，系统**立刻去寻找一名配送时间更短的骑手，然后将该订单由原来的骑手转移至**时风险更低的骑手。同样的，重新调度并不**真正影响一名骑手的收益，因为每个人都有机**获得别人的订单。

重新调度能力上线后，配送时长**过60分钟的订单减少了30%左右，**时20分钟的订单减少了20%左右。整体上，有效减少了拼单时前排订单**时，进而导致后续订单**时等情况。

三、骑手侧：开启区域精细化运营

2020年下半年，拉美地区开城速度迅速提升，但同时带来一项考验：由于运营区域扩张，导致地理分布、用户/商户/骑手聚集度、交通工具差异等客观不利因素被相应放大，出现了业务指标差异大、新区或特殊区域运力不足等情况。

R Lab顺势启动了“分区域精细化运营”项目，支持按照区域维度对供需、骑手单单奖（在特定时段特定区域完单后的奖励，按单量计算）、骑手偏好区域、骑手激活、业务指标进行观测，方便精细化运营。

在指标观测上，产研团队专门上线了区域洞察工具来帮助区域化问题的及时捕捉。该功能可支持用户/转化/体验/商户供给/骑手供给 5大类、80+核心指标进行分时段分区域的分析，把长达数天的区域化分析时间压缩至1小时。

与此同时，大量人力成本投入的区域分析工作由此实现产品化，分析结果即看即得。最终推动了区域运营效率的整体提升。

四、商家侧：引导商家参与效率提升工作

出于效率最优考虑，订单产生后，不仅用户具有知晓骑手到达时间的需求，商家同样需要。对骑手到达时间的预估，有助于商家更合理地分配备餐时间，减少骑手到达店内之后的等待时间。

针对该需求，R Lab以提升商家操作效率与体验为目标，对商户端主流程进行了改版和上下线策略优化。

其中就包括了对商家接单主流程、菜品编辑管理在交互和UI上的升级改版，强化了异常、备注等信息显示，新增了骑手到点预估时间，优化上下线策略和触达。

与此同时，商户与用户之间的沟通也显得十分必要。用户下单后的等待时间分别由骑手取餐前和骑手取餐后组成，骑手取餐前，用户在支付订单后的催单、退单、咨询等动作均与商家有关。保证商户与用户的沟通顺畅，可以降低用户焦虑感。

为此，滴滴外卖上线了增加商户和用户的IM沟通工具。经过一段时间的测试，商户服务质量有所上升，表现为CPO（已完成订单中客服进线的占比）降低。

五、结语

不知不觉中，滴滴外卖出海已两年有余。这两年间，既有挑战，也有机遇。有时候，创新并不一定源于酷炫的产品创意或是技术能力，也可以是来自对一线市场的深入学习，以及对用户设身处地的换位思考。

如果用这样的标准来审视滴滴外卖，R-Lab需要做的功课还有很多。之后的日子里，我们还**不定期向各位分享中国公司在海外市场的进展与感悟，也祝所有出海路上的中国公司一帆风顺。

本文由 @闻启祥 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议