首页 > 科技快讯 > 算法，如何支撑出叮咚得之不易的单季盈利

算法，如何支撑出叮咚得之不易的单季盈利

晰数塔互联网快讯
2023-03-30 17:58

虎嗅注：在今天，数字化转型正在成为越来越多企业持续发展的必选项。本文是虎嗅智库“思享数字化专栏”系列文章第六篇，将呈现中国生鲜电商代表企业叮咚买菜对于数字化的思考。

出品｜虎嗅智库

作者｜房煜

题图｜叮咚买菜提供

一寸短、一寸险。这是很多人在武侠小说中常看到的一句话，指的是短兵器不好耍，耍不好就先伤到自己。有趣的是，这句话放到今天的零售业同样适用。近场零售也好，即时零售也好，今天的零售业态离消费者越来越近，履约的距离与时效越来越“短”，但也因此险象环生。首先，距离近了，对服务要求更高。其次，因为近，所以“小”。近场零售的形式一定是小业态，比如社区生鲜、夫妻老婆店、便利店、前置仓等等。

从供应链的角度看，业态越小，库存越浅，容错率越低。这还不算，还有主动给自己加码难度的，比如用前置仓业态的叮咚买菜，死磕餐桌场景的食品消费，这意味着，食品尤其生鲜品的保鲜、控损耗能力，也是供应链的题中应有之义。这样一来，连叮咚买菜的CTO蒋旭都说，前置仓应该是目前商品管控难度较大、组合较复杂的小业态。但是一旦事情做成，亦是壁垒。

这样的业态能否盈利？有些业内大佬长期看衰前置仓，虽然叮咚买菜一直活着。叮咚买菜最近交出一份答卷，可以实现季度盈利。叮咚买菜发布2022年第四季度业绩报告，报告显示叮咚买菜该季度实现营收62.0亿元，同比增长13.1%；Non-GAAP净利润为1.16亿元，同时首次实现了单季GAAP净利润转正，GAAP净利润为0.5亿元，实现全面盈利。

不过一份季报很难抹平外界长久以来的疑问。这种疑问的根源来自于两个方面，一是对前置仓模式本身的疑问，二是对生鲜这个品类的疑问。

对于第一个问题，蒋旭认为关键是要从公司成立伊始，就树立靠产品系统驱动的公司战略和发展方向。唯有此，前置仓这一新业态才能扬长避短，发挥前置仓“快”和“近”的优势。对于第二个问题，实际上是是涉及零售业本质，关乎商品力的问题。叮咚买菜给出的解答，一方面是实现全链路“人、货、运、仓”的数字化，另一方面，则是破除追求绝对规模的思路，坚定走制造型零售商的道路。

2020年，叮咚买菜创始人梁昌霖接受虎嗅采访时说了这样一句话，“好模式不是算账算出来的”。此话的背景是有人质疑前置仓客单价太低，平均60元毛利空间不足，无法盈利。梁昌霖反驳说，便利店的平均客单价只有20元，为什么还可以活着，而且活的不错？众所周知，这个行业还出了7-ELEVEn这样的国际零售巨头，其实答案就是“制造型零售商”。7-ELEVEn通过高频的产品研发，精细打磨的自有商品，在低客单的表象下却获得了足够高的毛利空间，盈利从来不是问题。

2021年8月，叮咚买菜开始战略转型，不再追求绝对的开仓数量，转而把更多精力放在商品力的打磨和组织效率以及管理细节的提升上。如果对零售业历史缺乏了解的人，可能会把绝对规模认为是零售连锁业的必要条件，认为叮咚买菜关闭低效仓是前置仓不行的表现。事实上除了平台型零售，世界上还有制造型零售商这条路可以走。那么制造型零售商的终点或者最高境界是什么？答案就是，基于大数据能力的单品管理。

生鲜电商的数字化是一个漫长的过程，前置仓也是一个仍在进化中的业态。叮咚买菜一路走来至少走得很坚定，相信数字化可以给行业摸索出一条新路。鉴于此，虎嗅智库专访叮咚买菜CTO 蒋旭，希望能为业内带来更多启发和借鉴。

叮咚买菜CTO 蒋旭

以下为专访精华内容：

前置仓是“人、货、运、仓”

虎嗅智库：叮咚买菜属于生鲜电商，理论上来讲数字化的基础比实体零售要好。但是，生鲜又是非常难做的品类。从这个维度来讲，您作为CTO，叮咚买菜的数字化架构是怎么设计的？

蒋旭：叮咚买菜（早期）可能是生鲜占比最高的电商，这就意味着需要面对有效期短、损耗高、商品非标、品类差异特别大的特点。肉类、水产、鲜花等都是不一样的（供应链）。所谓“一品一世界”，就是生鲜产品供应链的特点。

对我们的第一个挑战是，如何保持所有商品的新鲜度？包括不同批次的问题。第二，如何在缺货和损耗之间平衡？缺货太多也不行，多了就损耗，永远要寻找平衡。第三是前置仓库容较小，意味着库存相对较少，对库存的准确性尤其是预测的准确性要求比较高。预测一旦不准之后，对容错能力要求也很高，比如听预报说明天要下雨，备了很多货，结果突然不下雨了，怎么办。

前置仓还有一个特点组合数量多。现在有1100个左右前置仓，每个仓大概3000个SKU，这些组合数就是330万，意味着每天定量要定330万（组合）。所以说，这个事情没有办法人工做，只能系统做。我们还是即时零售，需求的即时性特别强，对系统的实时性要求很高，对系统的稳定性要求也很高。在中午的时候，如果你耽误半小时，用户就不会再等你了。

还有两个制约条件。一是整个供应链的鲁棒性（异常情况的处理）要求非常高，天气、节假日、疫情等异常情况，对业务的影响非常大。二是我们公司的运营人员相对较少，所以，对运营效率的要求非常高。如何更好的提供工具，提升供应效率？包括怎么能做很好的人机协同？提供工具和运营之间要做协同。

面对这些问题，叮咚的整体数字化战略，其实这是梁总创立叮咚的第一天就决定了，最重要的是数据算法驱动，这是整个公司大的决策。拆解一下一共是三点，一是数据算法做决策，二是系统做自动化，三是人机协同。

虎嗅智库：从数字化的角度来看，叮咚买菜的数字化，和（其他）新零售讲的“人货场”似乎不太一样？

蒋旭：叮咚作为生鲜占比较高的即时零售电商，它的数字化需要管理的要素比一般电商或零售商更多，这些要素大致分为四个部分：人、货、运、仓。为了更好地管理这些要素，我们有长期计划负责年度/月度计划以及短期执行负责每天的运营。

长期计划，根据预测和规划来定每个月的目标是什么，再拆到每个要素里面（人、货、运、仓）。人，要做用户/会员的拉新和留存计划。货，要做品的规划，选什么样的品？运力也要做好规划，需要多少人？仓，要做仓网规划，仓布在什么位置？在“人、货、场”的框架里，没有“运”这一环，而且仓的概念也不一样。

短期执行即我们每天要做的事情，包括今天推荐什么样的商品给什么样的用户？今天需要安排哪些活动/促销？给每个前置仓的每个SKU调拨多少货？每个前置仓需要多少人分拣/多少人配送？订单如何调度到人/选什么路线？因为计划和执行难免有偏差，我们每天都要严格监控执行的情况，一旦发现有情况不对，每天都要做动态化、定向的调整。

除了供应链的计划和执行之外，我们在商品运营的数字化上也做了大量的投入。尤其是从2021下半年开始，我们聚焦在以商品力为核心，这时候最重要的事情就是做商品，一个是商品自身的运营，“定品/定量/定价” 这是零售的核心，这方面的算法和产品投入非常多。二是消费者侧，怎么去把这个商品力表达给消费者，包括商品的表达，包括APP那块呈现的东西，这方面的算法和产品投入也比较多。

虎嗅智库：叮咚买菜的数字化，和实体零售数字化最大的区别是什么？很多实体企业是自下而上，我们是自上而下？

蒋旭：我们和传统企业最大的不同是，实体企业是自下而上，我们是自上而下。传统企业一般都是先完成流程化，再完成线上化/系统化，最后做数据化/智能化。他们大都是“边开车，边换轮胎”，在已有的多个独立系统（外采或自建）的基础上，再想办法把这些系统集成起来。这种自下而上的方式，前期起步很快代价也小，但后期系统整合和数据打通的难度很大，尤其是在做数据算法驱动所引发的流程再造代价更大。

我们是反着的。我们一开始就全链路系统建设，用数据算法来驱动全局决策；关键业务链路先在系统上跑起来，用数据算法驱动各环节，先跑起来再迭代，在跑的过程中我们再来看缺什么环节或瓶颈在哪里，根据关键问题再来补相应的流程/数据/系统。这种自上而下的方式，目的都是先让基础的飞轮转起来，一旦飞轮转起来后续的优化就非常快了，是一个“尝试-纠错-反馈循环”的过程。

比如早期的损耗和预测，问题都还蛮多的，但从2021年开始，这两年损耗每年可以下降一个百分点，其实一个点的优化在零售行业还是蛮大的数目。

我们经常开玩笑说，我们和马斯克的X-Space有点像， X-Space和NASA最大的差别是，NASA做一个系统会做几年，各种测试确保万无一失再做发射，成功率极高几乎不发生爆炸；X-Space是快速迭代，基本测试通过之后就发射，早期成功率很低经常爆炸，通过炸来收集真实数据并快速迭代，当优化到一定程度之后，就再也没有炸过。这个关键就是“有一个纠错反馈循环，并且始终维持这个纠错反馈循环”。

本质上，我们在早期也是一样的“通过出错来纠错”，最早我们的一些基础数据不准，也是通过爆仓等各种异常来发现问题，并倒推流程的改造和数据质量的提升，比如有些操作没有线上化，就倒推去补工单，有些数据不准，就倒推着去重新测量和建立长效机制。这样做的好处是，一旦加速度起来之后，（其他人）其实很难跟上我们，因为我的优化速度会非常快。

数字化要允许失控

虎嗅智库：生鲜零售供应链还是挺复杂的，发现问题以后，整个系统如何能够快速调整？

蒋旭：要快速解决问题，关键是要快速发现问题和快速找到问题的根因。叮咚有自己有比较完善的数据指标体系，并且对于关键性指标我们有很强的归因体系。比如我们定了x%缺货率，超过x%的这部分指标，该落到哪个团队，我们都要归因。意味着每一个SKU*前置仓的调拨单我们都会进行归因分析，这样就大量的减少了扯皮和协调工作。数字化在一个企业执行的过程中很容易产生职责不清的问题，我觉得这是在叮咚在整个数字化推广过程中，除了创始人的意志外，另一个非常重要的机制保证。

除了对于短期问题的应急式反应之外，我们对于一些长期问题也在做持续性的投入。例如：生鲜零售供应链因为环节多和非标准，基础数据的不准确也很容易引发问题。比如前置仓的仓容，最早也不准，哪怕我们爆仓了之后再修正，也不是很准。我们为此成立了公司级的项目，全面拉通了各个部门。分温层测量和校准，冷冻、冷藏、常温各是多少。这个数据搞准了，也大大地降低了爆仓问题的发生和提升库容利用率。

虎嗅智库： 能不能举一个例子，比如跑的过程中，什么样的问题会冒出来？

蒋旭：我就拿前置仓的库存来说，原来只要碰到几个大节日（中秋、冬至等）或者是恶劣天气（夏天台风、冬天大雪等）时一定爆仓。因为我们知道那时候的需求无比旺盛，也知道需求会远远超过库存。我所有的货装满也无法满足，如果我不知道上限，这是最大的问题，会产生爆仓。一旦爆仓就会产生很大的问题，原来一个爆仓要近一个星期才能消化，因为多了就要到其他的地方，这个爆了，能不能往旁边的仓转移一下？一移，那个仓又爆了，连锁反应。这就是我说的，一直在“爆炸”的过程当中前行。经过持续的库容数据校准、预测模型优化、产能约束建设等，现在爆仓情况已经很少发生了。

我们在数字化建设的过程中，也一直在补齐两个基础性问题，一是人工操作的线上化，二是数据质量的保证。因为我们是自顶向下的建设方式，我们还有大量的人工操作，最早时也没有完全线上化，我们现在也是根据这些操作的轻重缓急，逐步的线上化。在数据质量方面，因为我们的系统都是服务化的，我们建设了大量的数据一致性的核对系统，不同环节的相关数据会进行对齐；在数仓侧，我们建设了统一的离线数据仓库和实时数据链路，并且我们也建设了数据质量管理系统，根据数据分布的偏离来主动发现数据异常，这些都极大到提升了数据质量，减少因为数据不准导致的业务问题。

虎嗅智库：前置仓这个模式，外界争议一直有，为什么叮咚买菜能坚持下来？

蒋旭：前置仓要坚持下来，我觉得需要做好几件事：商品力、服务力、运营力，当然最重要的还是要有极强的执行力。

从数字化建设的角度，商品力的关键是商品运营体系的建设，即：定品定量定价以及商品力表达。我以商品的定量来展开说一下，叮咚业务的起点是预测，每个商品在每个前置仓预计卖多少决定了采销的各个环节。这里有两个关键性问题，一就是如何把SKU*前置仓的几百万个商品组合预测准确，第二是预测没法做到100%的准确，尤其是在各种异常情况下（天气、事件、疫情等），供应链如何做到容错和提升鲁棒性（Robustness）。我们在过去两年多时间，对于预测模型做了几次大的迭代：从单机版本到分布式版本、大幅提升数据质量、预测模型升级、建立异常检测、建设产能约束等，准确率有大幅提升。

在容错和柔性方面，一般情况下，我们通过同SPU下不同SKU的替代效应，重点解决SPU供货的稳定性，这在经济学上也叫做选择模型（choice model）；同时我们也通过一日多配部分缓解预测不准的问题。在一些极端情况下，我们靠极强的执行力来保证业务的连续性和灵活性，例如：我们在去年上半年保供的时候，一个月内把APP更新了十几个版本，从有较多选项的日常购物模式切换成一键下单的秒杀模式，并且开发出补单这种创新性产品功能（分拆时间片选择和商品加购）；而且我们还在极短的时间里，开发了一条从供应商直送前置仓的供应链路，确保商品供应的连续性。

除了商品力之外，我也想重点讲一下运营，比如如何充分利用叮咚供应链的特色，打造有用户心智的特色产品。叮咚也做了很多开创性的工作，例如：早期做的“买生鲜送小葱”和“缺重退款”等，以及近期做的“晚间集市”（阶梯出清）。尤其是晚间出清，充分利用了前置仓库存浅、用户全线上等特点，一方面解决了临期出清的问题，另一方面，在用户侧也能有一些乐趣和口碑反馈。当然，我们也做了一些风控的工作，防止一些恶意撸羊毛行为。

虎嗅智库：前置仓这个系统，从公司内部组织链路角度，应该如何适配？

蒋旭：我这里重点介绍一下技术团队的组织架构，因为叮咚还是一个业务模式比较聚焦的公司，技术团队的组织结构主要是以职能划分为基础，兼顾业务领域的对齐。因为叮咚买菜是一家云原生的公司，所有的系统都运行在云之上，所以有平台技术部来主要负责和云计算、安全风控这些基础设施相关的领域；此外在工程技术、消费者端、供应链、制造业/ToB业务等创新业务都有各自部门负责；还有做数据处理相关工作的数据部门；以及负责链路智能化方面的领域，包括搜索推荐、品类规划、预测调拨仓内数字化、等等这些工作。

生鲜的标品之战

虎嗅智库：叮咚买菜很多是生鲜商品，生鲜商品大部分还是非标的，如何根据数字化的需求，从非标转标品？

蒋旭：叮咚买菜有部分商品是原材料进来加工成“标品”，这里面有一部分是规格损耗。在这里面有一个问题，标品的规格设多大？这需要通过历史数据算出来。为了保护用户体验，我们做了一件事叫部分非标商品缺重退款。比如我标这个是500克/包，假设前仓出货的时候核查是450克/包，少了50克我会退给你。如果你收到的是550克，我不会和你多收钱。所以，这个标准到底设在哪个点上，我们很考究，其实有一个算法和数据分析在里面。要确保设的这个点既能保证用户体验，我们自己的损失也可以控制。

叮咚也是非常注重用户体验的公司，我们应该是行业比较早做缺重退款的，这个方案隐含了怎么解决非标品转标品的问题。

虎嗅智库：线下零售业一般认为，这个事情得从源头开始做。甚至动员农民从收的环节就开始帮我做分类和加工，帮零售商一些预处理。我感觉您的思路和他们也不太一样。

蒋旭：就是看你想把这个责任“推”给谁。很多人都希望背锅的都是上游，不要是自己。比如我只选50克的苹果，送来的超过50克的最终怎么办？损失你全部推回给上游，但没有从本质上解决问题，最终上游还是会把成本再加回给你。

当然我们也有这样的要求，如果定这个规格，我有一个区间，我会放得相对宽一些，来把握好原材料送进来的规格，通过一些标准要求，我能够确保它相对在可控的范围里面。我们有一个叫规格损耗，这个规格损耗是要算在损耗里面的。我们更极致的，会从用户侧的体验来看，对部分非标商品实行缺重退款。我们还是希望在保证消费者的体验的同时，也能保证上游供应商的利益，多方能够共赢把蛋糕做大。

虎嗅智库： 叮咚买菜一直坚持做深生鲜，但是很多平台是把生鲜当引流品。但是您的产品结构当中，似乎不存在纯粹的引流品。怎么办？

蒋旭：平台电商很多是靠流量玩法的，强调的是流量思维，通过低价获得流量，再通过流量分发赚商家的钱。但是，这些低价引流品的品质很难保障，而且商业模式也很难持续。事实上，这些年生鲜电商的起起伏伏也多少证明了这点。

叮咚还是以商品力为核心，强调商品思维。我们希望为消费者提供好的商品，实现商品本身的价值。通过好的商品吸引消费者，达到“引流”的作用。食品除了饱腹的基本作用之外，它的口味、安全、营养、健康、新鲜度等都是商品价值的一部分，叮咚在这些方面也有大量的投入，例如：深入原产地、7+1品控体系、清洁标签、宝妈频道、轻养星球、低GI食品、商详配量表等。同时，我们也在通过产品和算法的优化提升人货匹配效率，让用户更方便地找到他想要的东西，最好还能通过一些新品、特色品的推荐给他带来惊喜。本质上，我们不是没有“引流品”，而是流量思维和商品思维的不同，导致我们对“引流品”的定义不太一样了。

虎嗅智库：叮咚买菜一直认为复购而不是绝对的规模，才是核心竞争力，复购怎么做到。传统电商的复购，很多还是靠促销拉动？

蒋旭：我觉得传统电商的问题是这样的，普通的品类、高毛利的品类都是一次性购买的，不太具备复购能力的。你买一件衣服，买个冰箱等等，同一个品类里面很难有较多的复购，所以传统电商会跳过复购而把规模作为核心目标。传统电商是希望高频带低频，想找到那些高频的品，希望价格打低一些，通过促销来用户到平台消费，从而拉动低频商品的销售。

人每天都要吃东西，所以食品尤其是生鲜这个品类，天然具有高复购性，复购带来高频消费。尤其中国人对于新鲜食品有天然的依赖，像疏菜每天都需要购买。只要你能给用户提供品价比合理的好商品，复购就是自然而然的结果。

虎嗅智库：叮咚买菜最近正在强化自有品牌，这个思路很像7-eleven的制造型零售商。包括自有品牌谷雨项目，也在推一些大单品，生鲜电商可以靠大单品来形成正向循环吗？和算法是什么关系？

蒋旭：大单品策略可以理解为单品运营，这也是零售业技术的终极目标。

大单品我们会做单独的商品运营，就是我怎么选品，怎么定量，怎么定价格，这个我们其实有整个的一套体系在。其中涉及的算法领域包括：品类规划、品类增长、智能定价、需求预测、调拨计划、供需协同、搜索推荐等方面。这些算法模型我们都通过严格的AB test来测试效果，确保线上效果。这里额外说一点，因为叮咚的前置仓是个分布式电商模式，我们在实验上也具有自己的特色，除了人群划分，我们还支持仓群划分。这样可以把一些中心化电商只能“串行”的实验变成“并行”实验，大大提升了实验效率。

“思享数字化专栏”系列索引——

“思享数字化专栏”系列文章第一篇：专访西贝：用数字听见饭馆的“炮火”

“思享数字化专栏”系列文章第二篇：专访顺丰：快递业的人海战术已近黄昏

“思享数字化专栏”系列文章第三篇：专访蜀海：海底捞产业帝国背后的隐藏玩家

“思享数字化专栏”系列文章第四篇：专访银泰：百万年薪导购的秘密，只有云知道

“思享数字化专栏”系列文章第五篇：专访鸭鸭：疫情三年GMV居然增长百倍？

现登陆虎嗅智库官网，注册限时体验会员账号，不错过任何最新活动信息。

关于虎嗅智库：

虎嗅智库致力于推动产业数字化以及以“双碳”转型为代表的可持续发展，为参与这个进程的中国企业高管、政府相关决策服务。我们主要的服务手段主要为：研究型内容（报告、分析文章、调研评选）、数据库、线上线下活动与社群、定制型项目等。

我们提供的核心价值：

及时与优质的洞察，了解技术、了解行业、了解同行与对手；

为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考；