“有一千個讀者就有一千個哈姆雷特”，這句話實際上描述了閱讀中的一種現實。而在移動互聯網時代，技術力量同樣可以在改變每個人對同一內容的視界。比如網易云音樂為每個人推薦的歌曲不同，今日頭條為每個用戶推薦的資訊不同。而在外賣行業，同樣存在這種現象。細心的用戶會發現自己與其他人的百度外賣界面有很大差異，而且大家彼此界面會有明顯差異。其背后的黑科技正是百度外賣借助百度在人工智能、深度學習技術實現的應用成果。

　　千人千面：洞察用戶需求“深入骨髓”

　　“千人千面”，從字面上理解就是每個百度外賣用戶有一個屬于自己的用戶界面，而這一界面與用戶的消費習慣、購買偏好而顯示推薦的品牌餐廳各不相同。這并非簡單意義上的個性化推薦模式，而是百度外賣對消費者需求深刻洞察能力的典型應用。目前大部分外賣平臺僅僅以定位推薦周邊商戶，而這種傳統展示方式通常依據商戶信譽、月銷售熱度、距離遠近等條件，并沒有考慮用戶的消費習慣和用餐喜好等因素，最大的問題是不能給用戶帶來選擇，用戶僅完成點餐這一行為就很費時費力。

　　百度外賣 “千人千面”這一技術化推薦模式，基于百度在人工智能、深度學習方面的技術積累優勢。百度外賣創新個性化Rank技術，根據用戶特征、下單時間、下單地點等因素進行計算及排序，構建用戶的喜好模型，進而可以從眾多商家中推薦用戶喜歡的餐品，展現在目標客戶瀏覽的頁面上，對用戶和商家進行個性化匹配，最終實現“千人千面”效果。這也意味著，百度外賣將在恰當的時間、恰當的地點，推薦最恰當的外賣產品和餐廳給每個用戶。

　　百度外賣通過百度系產品打通，通過大數據技術得出用戶餐飲喜好等特征的用戶畫像，從而實現用戶和餐廳的個性化匹配。眾所周知，白領群體在時間管理普遍有高需求，“千人千面”為用戶帶來理想餐廳和菜品選擇的同時，更多減少用戶時間成本投入，提升外賣服務效率。隨著機器學習和用戶大數據分持續深入，百度外賣通過多維度信息匹配，將為用戶推薦更理想化的消費選擇。

　　機器學習改造外賣物流成為必然

　　百度外賣“千人千面”應用是根據用戶的喜好和以往消費習慣進而確定用戶界面，而除了用戶洞察，百度外賣在物流配送和商戶洞察、騎士IT化管理等方面同樣應用了大量黑科技。李彥宏曾指出百度外賣里有非常多的人工智能技術的應用，“比如同樣的商家訂單，先配送后配送，時間路線規劃等等，都有人工智能的技術，涉及機器學習的問題。”

　　外賣平臺利用“百度大腦”實現了智能配送調度，即根據餐廳、用戶和騎士的位置，通過復雜的大數據計算，將訂單分配給最合適的“百度騎士”，并為其推薦最優配送路徑。同時，百度外賣還利用百度深度學習實驗室的人工智能深度學習技術，開發了“時光機”沙盤模擬系統，讓智能調度策略能夠自學習，實現持續優化。這個沙盤模擬系統使用的訂單處理方法和裝置、調節運力合理排班和實境模擬類高端測試等創新已申請了30項專利。

　　百度外賣這套智能物流系統離不開強大的商戶洞察能力。每個餐廳出餐時間和效率有不同，百度外賣根據平臺積累的海量歷史數據記錄，能夠分析出餐時間的具體分布，進而精準預估商戶出餐時間。在此基礎上，綜合商戶出餐時間、騎士送餐時間、送餐距離等數據，可以準確測算出外賣配送員送餐所需時長，進而提高準時率。這也是百度外賣敢于承諾業界最嚴格的超時賠付規則的底氣所在，目前百度外賣95%的訂單均在40分鐘內完成，行業領先優勢不彰自顯。

　　無論是在用戶層面，還是商戶層面，百度外賣借助人工智能滲透兩端，創新了行業獨有的用戶體驗。同時，機器學習永遠不會止步，外賣物流能力勢必要不斷被改造。未來技術范兒的百度外賣勢必要將黑科技進行到底，進一步優化物流水平和白領用戶體驗，不斷提升白領外賣服務的行業標準。