外卖平台是如何管理成百上千万的骑手的？

【编者按】

中国农业大学人文与发展学院副教授陈龙，在北京大学社会学读博期间，“卧底”中关村外卖骑手兄弟连，亲历外卖骑手的真实劳动过程。结合参与式观察经验和劳动社会学理论研究，他最终完成了《数字疾驰：外卖骑手与平台经济的劳动秩序》一书。本文节选自该书第六章《祛魅：如何管理成百上千万的骑手》，澎湃新闻经出版方授权刊载。

2025年1月4日，重庆，外卖小哥在道路旁等待业务

面对每天在中国不同城市的大街小巷上演的流动穿梭的奇观，不禁让人思考，究竟是什么原因促使成百上千万的外卖骑手能够同时在中国两千多个大大小小的城市有条不紊地工作？毫无疑问，如此庞大的用工规模，是任何一家传统制造业、建筑业和服务业的管理都难以企及的。但答案似乎又显而易见，因为同时把外卖骑手、商家、顾客以及站点等联结起来的正是他们手机（或电脑）中安装的外卖平台App（软件）。换言之，就是借助互联网技术搭建起来的虚拟的，位于云端依托强大算法和海量数据的，超高速运转的平台系统。那么，平台系统究竟如何管理和维护平台经济背后的劳动秩序？

众所周知，20世纪管理和控制工人生产活动最重要的机制就是泰勒（F. W. Taylor）的科学管理方法和福特（Henry Ford）的批量生产流水线。泰勒认为，管理者需要对完成某项工作的时间与动作进行研究。首先要找到熟练工人，研究他们完成工作的基本动作，找到完成每步动作的最佳方式和最短时间，最后把有效动作和工具结合起来，从而创造出完成一项工作的最佳方法。福特的生产流水线和泰勒的科学管理方法异曲同工，其核心思想也是把与工作相关的动作减少到一个绝对的最小值，让工人的每个动作尽可能只完成一项任务，以消除各种繁杂的动作。而在外卖送餐行业“确认到店”—“确认取餐”—“确认送达”的标准化流程中，我们似乎也看到了基于同样原理的对骑手劳动过程的细致拆解。这实际是科学管理方法和福特主义思想在平台经济中的延伸，背后体现的正是马克斯·韦伯预言的理性化趋势。

乔治·瑞泽尔（George Rizter）曾把理性化（或者麦当劳化）归为：效率、可计算性、可预测性、可控制性。因此作为延续科学管理方法和福特主义思想的平台系统管理也处处体现着理性化趋势的特征。透过对这些特征的分析，我们或许可以更好地理解，在平台经济时代，平台系统究竟是如何取代人的管理，对成百上千万的外卖骑手进行控制以维护劳动秩序的。而“资本如何维系生产现场的秩序，是劳动过程理论解释的基本问题”。

效率提升：智能派单系统

外卖平台公司研发的订单调度系统从产生到发展大致经历了三个阶段。第一阶段是“人工派单”，即完全由后台人员派单。这种派单方式效率很低，而且是在订单数量比较少的情况下才能勉强维持。作为中关村最早的外卖骑手之一，杜红梅向我描述过最初的派单是如何进行的：

杜红梅：那时候人少，钱辉那会儿就是我们的队长，因为他脑子好，转得快。我们所有人先把单子（外卖）取回来，交给他，他就坐地上给我们分，哪几个去哪儿，他分得可快了。然后我们拿上同一个方向的单子就去送。我们从饭店取餐的时候就拿个小票，等我们送餐回来时，把那个小票撕下来拿回来就行，那个小票就是钱。晚上带回来多少小票，就给你折算多少钱。

我：那时候一单挣得要比现在多吧？

杜红梅：没有，挣得和现在差不多，也是一单8块钱左右。

我：那一天能跑多少单？杜红梅：那时候跑得少，一天也就十来二十单。

我：那一天才挣100多块钱，你们也愿意跑？

杜红梅：不跑干啥呀？他们有的精（明），刚开始那会儿，也没有人管。反正你带回来多少小票，就给你折算多少钱。那时候一个蛋炒饭才5块钱，他们有的人就自己打电话给饭店，一次点个十几二十份，然后再跑过去自己送，自己点的送哪儿啊？他们把小票一撕，再打个电话说不要了，把蛋炒饭退回去，再拿着小票去换钱……可有人靠这发财了！

显然，相比骑手现在每天少则三四十，多则六七十的订单量，人工派单的方式是低效的。不仅如此，因为监督不到位，大有人从中浑水摸鱼。随着顾客数量的增加，订单调度进入了第二阶段——骑手抢单，即谁离得最近或者谁顺路就去抢单。这时尚在研发中的平台系统开始发挥作用，全部订单都改由平台系统负责收集、发布。骑手抢单模式是众包骑手的雏形。但外卖平台公司很快发现，只根据距离或顺路与否来抢单也容易产生一些问题，并且容易出现二次低效的情况。比如有的订单没有外卖骑手愿意抢，这会导致顾客下的订单没人去送；又或者某些外卖骑手订单抢多了，最终因为时间有限无法及时送到，导致顾客的消费体验差。

基于上述问题，外卖平台公司进一步改进和优化调度系统，由此进入到第三阶段，即人工智能派单。平台建立大数据系统，通过算法进行智能派单。人工智能派单是基于实时以及历史数据，考虑多方交叉因素，借助人工智能和深度卷积神经网络实现最优匹配的派单模式。在匹配过程中，智能派单系统不仅需要考虑不同商户、时段、出餐历史、速度、餐盒包装的数量等数据，还要考虑骑手定位与轨迹、骑手的负载量、骑手的配送速度和能力以及恶劣天气的影响等信息，最后还要结合顾客期望送达的时间、订单的金额、订单的导航路线、订单的重量和体积等因素。平台系统大体上要将以上数据综合起来，实现大规模的智能匹配和云端智能指派，最终在毫秒级的运算速度下给外卖骑手输出一个配送方案。与人工派单和骑手抢单阶段显著不同的是，人工智能派单将所有能由平台系统处理的环节都最大可能地交给了平台系统，只留下配送环节给骑手。

图6.1展示了平台系统在站点终端上显示的一个订单从产生到送达的全部流程。平台系统详细记录了每一环节的用时长短。从中可以看到，从顾客下单到商户接单用时25秒；从商户接单到呼单仅用时1秒；从商户呼单到团队接单用时0秒；从团队接单到智能调度（骑手接单）用时7秒；从骑手接单到骑手到店用时10秒；骑手等餐、取餐用时11分钟，最终配送用时25分钟。前面以秒计时的环节都是通过平台系统完成的，而真正用时比较长的部分是由骑手负责完成的。相比之下，平台系统的效率可见一斑。而如此速度也在不断刷新顾客的时间观念，潜移默化地塑造着顾客对平台速度的认识。

图6.1 平台系统中显示的订单流程及配送信息

目前，外卖平台公司如饿了么、美团，都实现了类似的技术优化。这不仅极大地提升了运营效率，而且满足了日益庞大的订单需求和配送负荷。而为了最大化提升骑手配送环节的效率，平台系统在承揽了大部分环节的工作以外，还在积极协助骑手配送。比如，考虑到大部分外卖骑手对于周边区域和环境不熟悉，平台系统通过外卖平台App提供智能导航地图，可以极大提升骑手的送餐效率，避免了他们像无头苍蝇一样把时间浪费在问路和寻找目标地址上；还比如平台系统会通过外卖平台App告知骑手订单的预计出餐时间，这让骑手在同时拥有很多订单的情况下可以提前规划取餐顺序，不仅可以节省骑手时间和体力，还可以提高取餐效率；平台系统还会根据历史数据，在一些事故易发路段，或者检测到骑手超速、逆行时，通过外卖平台App提示外卖骑手注意安全。因此，平台系统事实上承包了外卖订单在整个流通领域内的管理。即使在骑手配送环节（外卖订单目前必须依靠人力配送），平台系统也不忘“竭尽所能”地提供支持以确保骑手尽快送达。

可计算性：数据、算法与模型

平台系统的核心是基于各种数据的计算。平台系统的可计算性涉及系统背后的数据、算法和模型。外卖平台公司在管理和控制骑手的过程中，对于如何匹配骑手、如何计算配送时间，以及如何评估骑手的绩效（跑单量、好评数、差评和投诉、出勤、累计里程、平均速度、顾客满意度）等问题都离不开平台系统的计算，而且这种计算能力是人的管理难以企及的。以预计送达时间为例子，平台系统在计算每一个骑手拿到订单以后的送餐时间时，都要考虑大量的特征维度和历史数据。特征维度指影响送餐时间的各种可能因素，而历史数据指之前相同情境下留下的大量重叠数据。技术人员基于一定的算法，将大量相关的特征维度和历史数据放入模型当中，然后通过机器学习的方式拟合出最优的目标模型。当相似的情景再次发生时，平台系统就可以自动地依据目标模型迅速计算出相应的送餐时间。

从骑手的角度来说，骑手的年龄和身高就是非常重要的特征维度，因为模型可以据此测算出骑手的步长和行走速度。此外，根据骑手以往累计的送餐速度，平台系统还可以计算出每个骑手的平均车速。从顾客的角度来说，每个顾客对于超时都有不同的容忍限度，有的顾客可以容忍5分钟，有的顾客则可以容忍10分钟。根据同一个顾客以往因超时给出的差评或投诉的记录，平台系统就可以通过模型计算出顾客对送餐超时的敏感度。从商户的角度来说，平台系统可以根据某一餐品出餐时间的历史数据计算出餐厅出餐的平均时间，但也会结合时段和天气等因素。比如在中午就餐高峰期，到店用餐的顾客人数猛增，那么相应的出餐时间就会变慢；同样，如果当天天气状况较差，比如有大风、雷雨、暴雪，那么当天到餐厅用餐的人数就会减少，相应地餐厅出餐的时间也会加快，但骑手因恶劣天气到店取餐的时间却可能因此增加。根据历史数据，平台系统还可以计算出某一时段某路段上的红绿灯次数，进而计算出在某一时段，比如早高峰、晚高峰或非高峰时段的交通拥堵情况。

2024年11月25日，山东潍坊，外卖员在雨中骑行

因此，每个骑手的特征（性别、年龄、身高、体重等）、顾客的特征（性别、年龄、职业、偏好等）、商户的信息（地理位置、出餐时间、服务员数量等）、天气状况（雨雪天气和晴天骑手的送餐时间肯定不一样）、季节（夏季特别热和冬季特别冷的时候骑手送餐时间肯定有差异）、时段（晚上骑车的速度快，白天的速度慢）、路况（红绿灯的个数、车道的数量等）等等都是平台系统要考虑的特征维度，而把这些特征维度放入到模型中由机器自主学习，学完之后，再有一段相同距离的送餐情景出现的时候，平台系统基本上就可以以某一置信度（譬如95%）预估下一个骑手可以在一定的时间（譬如30分钟）送达的概率。以往这些特征维度都需要人工和计算机配合实现，现在只需要技术人员把可能有影响的特征维度放进模型中，让机器自主学习。由于平台系统收集、积累了大量历史数据，因此技术人员对于一段时间内、一定天气状况下某一路段的理想送餐时间已有确切的数据支撑，他们只需不断地通过模型来优化这个时间即可。因为平台系统的主要任务就是通过计算不停地调整模型参数，从而计算出每一路段的参数究竟是多少才能优化出最佳时间，所以平台系统会有海量的不同情境下的算法和模型，比如专门针对节假日的模型、专门针对恶劣天气的模型以及专门针对交通拥堵的模型。最终，平台系统可以针对不同场景自动切换目标模型。

可预测性：时空绑定

顾客通过智能手机端的外卖平台App下单以后，平台系统会立即计算出订单到达顾客手上的预计时间。图6.2是平台系统提供给顾客的订单信息，包括订单的具体内容、金额、商家信息和骑手信息，最重要的是提供了预计的送达时间以及实时更新的骑手定位。因此，顾客不仅在下单的同时就知道未来在什么时间可以收到订单，而且在此期间，骑手的行踪变得透明，顾客对他们的行踪了如指掌。除此以外，顾客还能从平台系统中看到整个订单的流程，因为平台系统对于订单流程的各个时间节点都有详细的记录。图6.2中展示了顾客手机上的外卖平台App显示的从订单提交到骑手配送的过程。可以看到，在顾客下单支付1分钟后，商家就已经接单，而在商家接单1分钟后就有骑手接单，从顾客下订单到商家接单再到外卖骑手接单，仅仅用时不到2分钟。

图6.2 顾客下单后显示的画面

除了平台系统提供预计时间以外，顾客也可以根据自身需求对送达时间提要求，即所谓的“预订单”。预订单要求骑手在规定时间范围内将外卖送到顾客手中。这一时间范围通常被限定在20分钟。因此顾客也拥有了决定外卖送达时间的权力。预订单虽然方便了顾客，但对于绝大多数骑手来说却是个“烫手山芋”，和二手单一样不被骑手所喜欢。因为预订单降低了骑手配送的自由度和灵活性，尤其在高峰期或订单比较多的时候，为了按照预定时间配送预订单，骑手常常不得不放弃手头的一些好单子，而余下可以配送的订单从送餐距离和区域上来说，也不能离预订单太远。正因为预订单降低了骑手在时空上的自由度和灵活性，所以想把预订单转手出去并不容易。因此拿到预定单的骑手往往选择忍气吞声，自认倒霉。

不管怎样，平台系统提高了整个配送活动的可预测性。而可预测性不单单指作为消费者的顾客可以预见未来某个时间可以收到订单，同样意味着作为劳动者的骑手必须要在未来某个时间把订单送到。不仅如此，如果骑手是按照平台系统提供的智能地图导航顺序送外卖，那么骑手在空间位置上同样具有可预测性。

可控制性：全过程监控

外卖骑手的整个送餐过程都处在平台系统的监控之下，而且平台系统还会将实时情况传送给站点和顾客。通过将骑手的智能手机接入互联网，骑手的所有行为都会被自动识别与记录。可以说，这种新的监督方式能够于任何地点实现对骑手的监督，从而将监督的时空范围扩展到骑手的整个劳动过程。

对劳动者监督的一个主要理论来源是米歇尔·福柯（Michel Foucault）。福柯提出了“全景式监狱”的概念，即一个允许对个人进行彻底观察的建筑物。最明显的例子就是位于圆形监狱中央的瞭望塔，通过该塔守卫可以看到每一个监舍，但是狱警自己却不会被囚犯看见。全景式监狱是巨大的权力来源，因为它赋予狱警实施全面监控的可能性。狱警并不需要总是出现在犯人面前，仅仅由于建筑物的存在就可以起到控制囚犯的作用。因为囚犯担心会被狱警发现，所以他们主动停止做坏事，从而实现了囚犯的自我控制和管理，而建筑物的权力也得以加强。

平台系统仿佛就是配送服务过程中的“瞭望塔”，骑手是“囚犯”，通过瞭望塔监督囚犯的“狱警”就是顾客和站点。平台系统借助“天眼”（GPS定位）掌握骑手的户外行踪（室内可以通过基于Wifi和蓝牙的地理围栏技术捕获骑手行踪），并将实时监控的结果通过外卖平台App反馈给站点和顾客。站点和顾客由此获得了“上帝视角”，对骑手送餐进行全过程监督。

站点

骑手每天“刷脸”上班以后，他们每一个人所处的地理位置和工作状态（等单、取餐或送餐途中）都会出现在站点终端（电脑）的平台系统上。因此骑手的行踪在调度面前一清二楚。更准确地说，由于骑手在送餐过程中的每一步操作（确认到店、确认取餐、确认送达）都被平台系统所记录，因此骑手工作的整个过程都被调度看得一清二楚。

从管理的角度来说，调度对骑手的全过程监控至少有两点好处：一是可以即时纠正骑手在送餐过程中出现的错误，二是可以协助平台系统及时进行人工转单。保利最初送单的时候，因为不知道在取餐以后要立即点“确认取餐”，被平台系统默认为还在取餐点附近，所以被平台系统疯狂地派了很多附近商家的订单，结果令他自己陷入窘境。幸亏汪文斌及时发现，帮他撤掉了其中一个订单，才减轻了他当时送餐的压力。

在我送餐的过程中也有类似经历。同样是接到汪文斌的电话，但他给我打电话的原因是发现我送餐的方向反了。他从平台系统上看到我正沿着彩和坊路向北去，而我实际应该去南边的知春路。原来是我把在知春路上的“银网中心”当成了彩和坊路上的“银科大厦”。因为两个楼上面都有“银”字，所以忙乱中我就去错了地方。幸亏我及时得到他的纠正，不然银网中心的单子肯定会超时。

此外，由于平台系统派单时并不总是合情合理，因此需要调度根据实际情况重新调单、转单。知道骑手的地理位置分布和工作状态（取餐路上、送餐路上）对于调度来说非常重要。如果平台系统派单不合理，调度就可以通过人工改派的方式，让更合适的骑手去送餐。有时候调度如果没注意到平台系统的不合理派单，骑手自己也会打电话到站里，要求调度转单。调度则会根据骑手的实际位置和情况转单。因为一些骑手有时候会故意不想送餐（比如拿到骑手口中的“烂单子”），他们会给出“不顺路”“手上还有单没送完”“来不及取”等理由，但是调度通过平台系统就可以核实骑手给出的理由是否属实，进而决定要不要帮他转单。

平台系统不仅负责管理骑手送餐，随着系统不断优化和升级，其功能更加全面细致，对骑手的管理也更加全方位。6月入夏以后，站长钱辉在晨会上通知所有骑手要在手机上安装“钉钉”软件，因为从那往后，骑手上班打卡、请假、发工资，以及公司的所有日常通知都会通过这款软件发布。以前，骑手请假要告知小组长，小组长再告诉调度或站长。这样做一方面麻烦，另一方面由于都是出来打工的，所以小组长碍于情面也不会不批准。通过“钉钉”请假以后，骑手可以直接在平台系统里申请“请假”，不用再打电话给小组长，但是审批权却直接交到了站长手中，而且不存在碍于情面的问题。总之，与骑手送餐有关的一切行为都被平台系统所掌握，骑手更多的是在和虚拟的平台系统，而不是和作为管理方的人打交道。最具代表性的例子就是每天上午，平台系统都会在晨会前15分钟通过“钉钉”通知所有骑手——“还有15分钟就要上班了”，然后每隔5分钟重复一次；如果某个骑手新加入团队，平台系统会通过“钉钉”发布通知介绍新的骑手；如果赶上骑手过生日，平台系统也会通过“钉钉”第一时间送上祝福；就连骑手离职，平台系统也会通过“钉钉”发送一条离别信息。平台系统对骑手的管理可谓“细致入微”，这也是人的管理难以做到的。

顾客

与其他行业的监管不同，在外卖送餐行业，顾客也被赋予了监督管理的责任。但与其说这是一项责任，不如说是一项特权。尽管服务行业素来就有“顾客是上帝”的说法，但顾客始终难以成为真正的上帝，因为顾客不在“天上”，总有被商家蒙骗的可能。但是平台系统却将“顾客是上帝”的说法变成了现实，因为平台系统为顾客提供了俯视全局的上帝视角，让顾客真正产生一种在“天上”俯视的体验。从上帝视角俯视全局，外卖骑手在顾客面前无处遁形。无论是取餐还是送餐，骑手行踪会根据时间实时更新，顾客可以随时查看到骑手的具体位置。

赋予顾客上帝视角无疑增加了顾客对送餐的可控性，但在无形中也增加了骑手的压力。因为骑手在工作过程中始终对一件事心知肚明，那就是有一双眼睛在盯着自己，其结果是骑手送餐的灵活性被大大降低。

按理说我应该先送方正大厦，再去北大工学院。但是工学院的单子时间紧，要是先送方正大厦的，等到工学院时，单子准超时。你说我怎么办？我看方正大厦的时间也来得及，我就先去了工学院，相当于先送远的再回来送近的。谁承想，刚到工学院，方正大厦的顾客就给我打电话，问我怎么走过了。我解释说我先到工学院了，因为这单要超时，还不停地告诉她我马上就去方正大厦，但她听起来就不太高兴，还说就是因为从手机上看着我过来了，才好心好意提前下楼，想着给我省时间。没承想，我倒先去别地儿了，让人家干等了一会儿。我也挺不好意思的。

这是老解给我讲的。但他遇到的情况还算是好的，毕竟顾客最后没有给他差评，而且还想着替他节省时间，这让老解既感动又惭愧。相比而言，保利就没有这么幸运。保利因为“踩点送”被顾客给了差评。因为保利先去了科源社区，又去了新中关，最后才到科育社区，而科育社区明明是离食宝街最近的。换句话说，科育社区的顾客按照地理位置来说应该最先收到外卖，但保利送外卖还要考虑时间，而不超时是底线，不然就白跑一趟。可大部分顾客并不知情，他们所知道的就是从外卖平台App上看到的情况：骑手就在附近绕，却偏偏不给自己送，或者骑手先去别的地方送，最后才给自己送。

对此，顾客也并非没有办法。因为顾客只需要在外卖平台App上点“催单”，平台系统就会立即提示骑手。情急之下，顾客可以直接点“联系骑手”，打电话质问骑手还没送到的原因，而他们在外卖平台App上所看到的骑手行踪便是他们合理质疑的依据。骑手在紧张的送餐过程中，遇到顾客催单或者打电话质问，难免就会心里“咯噔”一下，因为这意味着顾客发现自己没有按照平台系统的规划路线送餐，也意味着自己很有可能会得到差评。除了给出一个合理的解释安抚顾客以外，骑手还要立马修正自己已经偏移的路线，尽快回到平台系统给出的规划路线上来，给催单或打电话的顾客送餐。因此，实时更新的行踪图、“催单”以及“联系骑手”，就成了顾客参与、控制和干预骑手送餐的工具。骑手之所以会对顾客言听计从，除了因为知道顾客掌握自己的行踪以外，还因为整个外卖送餐都建立在以顾客为中心的评价机制基础之上。