引用ジャングル

Uberの配車を依頼すると、基本的に市場にあるすべての車とその行き先、そして空車かどうかを精査する必要があります。お客様に最適な車を選び、30秒以内に料金を算出しなければなりません。到着予定時刻は4～5分以内としたいため、決定に要する時間はごくわずかです。

そのため、実行されているアルゴリズムは非常に高速に動作する必要があります。1秒間に数千万回の予測を行っています。マッチングして、あとは実行するだけです。そのためには、特定のアーキテクチャと大量のコンピューティング能力が必要です。Eatsの場合、料理を作るのにかかる平均時間は10分から12分です。つまり、マッチングにはもっと多くの時間をかけられるということです。

しかし、私たちも同じように計算しなければなりませんでした。配達員はどこにいるのか？どの配達員とマッチングさせるべきか？料金はどう設定すべきか？配達員側でマッチングを行う時間ははるかに長く、そのためマーケットプレイスの再計算には2、3分かかっていました。Eatsでは、配達を引き受けられる配達員に入札することになります。例えば、料理が冷めてしまう前に3回入札できるとします。最初の入札は6ドルかもしれません。もし相手が断ったら、2回目の入札は7ドルかもしれません。もし相手が「いや、どうしても料理を届けたい」と言ったら、3回目の入札は10ドルかもしれません。チームを切り替えると、Ridesチームは「いやいや、この再計算は15秒でできますよ」と言いました。

今では10回の入札が可能になりました。つまり、6回から7回、そして10回へと入札額が減るのではなく、6ドルから6.50ドル、6.75ドル、そして7ドルへと減っていくのです。つまり、コンピューティング、アルゴリズムのスピード、そして意思決定のスピードのおかげで、最終的な取引単価は下がるのです。