控盲区的概率大约是23%。连续半年、数百单、87%的重合率——概率小于0.01%。
“继续。”她说。
陈诺打开第三个窗口。那是一张时间分布图，横轴是0点到24点，纵轴是配送订单数量。
“正常外卖员的配送高峰是午间11-13点和晚间17-20点。”陈诺用光标圈出两个波峰，“但林深的数据有异常：他在晚间22点到凌晨2点之间，有持续的低频配送活动。平均每周2-3单，每单间隔不固定，但有一个规律——”
她放大图表。
“每次‘特殊配送’的时间都是整点或半点：22：00、23：30、00：00、01：00……误差不超过三分钟。”
沈心竹拿起桌上的矿泉水喝了一口。水是温的，瓶身上凝结着水珠。
“配送目的地？”
“都是老小区，没有电梯，门禁系统老旧甚至损坏。”陈诺调出十几个地址，“更诡异的是这些订单的‘确认收货时间’。”
她在屏幕上打开一张表格：
订单号配送时间预计送达实际确认延迟
09371
22:05 22:25 22:51
26分钟
10284
23:30 23:50 00:17
27分钟
11033
00:00 00:20 00:43
23分钟
12156
01:00 01:20 01:49
29分钟
“平均延迟23.7分钟。”沈心竹说，“太长了。”
外卖行业的规矩：送达后客户应该在几分钟内确认。超过十分钟不确认，系统会自动确认。但林深的这些订单，客户都“手动确认”了，而且延迟时间惊人地一致——都在20-30分钟区间。
“我查了这些客户的历史订单。”陈诺打开另一个页面，“诡异的是，这些账号在‘特殊配送’之后，就再也没下过单。有的账号甚至注销了。”
沈心竹身体前倾，手肘撑在膝盖上。这是她专注时的姿势。
“能查到这些账号的注册信息吗？”
“尝试过。都是虚拟号码注册，收货地址是模糊的门牌号比如‘3单元楼下’，付款方式是平台余额或礼品卡——无法追踪真实身份。”
“订单内容？”
…。。