据上篇文章总结,我们先看看如何学习Uber做工序匹配:

匹配算法-快速响应,优良服务,顾客体验的正循环

对于司机而言,派单是比抢单更轻松的方法。
Uber在派单之前用来匹配“乘客需求-司机供给”的模型,每个订单通过算法(包括,最短到达时间,是否可用、以往评价等因素),决定了司机和车辆的推荐顺位。

  1. 通过算法找到能够最短到达的司机
  2. 司机看不到目的地,因此也无法拒载。(潜在问题是,司机如果对目的地那片区域如果不熟悉怎么办?除非算法里自动匹配司机过往的行车记录,有类似行车记录的司机才进行推荐,否则将造成司机找不到路,行车体验很差的结果。Uber目前推出的最短路程游戏就是解决这个问题的。)

远程协作的匹配

我们程序员客栈要做的,就是尽量精准快速地匹配用户的开发需求和开发者,类比下来,我们需要解决这么几个问题:

  1. 开发需求和开发者之间的“最近路径”应该由什么量化指标来确认?
    GPS定位+道路地图,是Uber能做到最近路径匹配打车者和合作司机的关键因素。
    那么开发需求和开发者之间的“最近路径”应该由什么量化指标来决定呢?
    从目的出发,最近是为了对于司机和乘客双方而言,都能够最快实现需求(司机-接活赚钱,乘客-出发)。
    因此我们开发也从目的出发:为了让开发者能够尽快上手开发,开发者(司机)离开发需求(乘客打车需求)的距离,应该从:

    • 开发者对于需求(开发分类,功能,行业)的了解程度,学习,以及沟通成本越低越“近”; >字段:个人的方向/语言,技能树,作品的功能,分类标签(参考appstore 分类);
  2. 派单推荐顺序参考因素:

    • 是否接单:不派单给暂时处于不接单状态的签约开发者,节省派单时间降低用户等待;针对长期不接单的签约者(3个月),建议暂时解约。
    • 过往接单率:过往派单后半个小时内接单的比率。
    • 过往用户评价:1-10分打分评价。
    • 个人每天能够投入的开发时间; >派单的时候,不公开价格信息,确保开发者不会因为价格歧视而拒接。

总结:

先筛选出与用户发布的需求在以下几个方面最吻合的开发者:

  • 方向(iOS ,Android, Web)
  • 语言(对于发布方而言是选填)
  • 关键功能(对应开发者过往作品功能)
  • 行业(对应开发者过往作品行业)

然后按照以下方式排序:

  1. 是否接单
  2. 过往用户评价
  3. 过往接单率
  4. 个人每天能够投入的开发时间

开发者签约时需要填写的信息:

  1. 作品,作品的功能,行业属性
  2. 个人方向,语言,技能树
  3. 是否接单,每日可工作时间多少

系统自动计算的开发者属性:

  1. 接单率
  2. 用户好评率

发布者发布任务的时候需要填写的信息:

  1. 目前所有发布信息
  2. 发布需求的关键功能,行业,语言(可选)
  3. 时间要求

系统自动计算的发布者属性:
1.发布成功率
2.开发者好评率