跳轉到主要內容
工程的博客

優化指令揀選與磚Omnichannel增加盈利能力

分享這篇文章

檢查我們的新加速器指令揀選優化解決方案更多的細節和下載的筆記本。

在線購買皮卡店內需求(BOPIS),路邊,當天送貨上門迫使零售商使用當地的商店作為快速實現中心。猝不及防的早期大流行,許多零售商介紹和擴展這些服務的可用性,使用現有的商店庫存和基礎設施及時發貨。當購物者返回商店,這些服務的請求有增無減,最近的調查顯示,預期仍然隻會越來越快的選項增加在未來幾年。這是離開零售商詢問如何在長期提供這些功能。

今天大多數零售商麵臨的核心挑戰不是如何及時發貨給客戶,但同時保留如何這樣做beplay体育app下载地址盈利能力。據估計,利潤降低3 - 8個基點在每個訂單在線快速實現。向商店的貨架上一個工人的成本為每個訂單是選擇項目主要的罪魁禍首隻,勞動力成本上升(和客戶表達興趣不大支付溢價,越來越被視為基準服務),零售商感到擠壓。beplay体育app下载地址

自動化倉庫等概念和黑暗的商店為采摘效率提出了優化解決方案。然而,前期投資需要連同可行性的質疑這樣的模型在所有,但最大的市場造成許多人將注意力集中在繼續使用現有的存儲的足跡。事實上,沃爾瑪,世界最大的零售商宣布承諾這個方向雖然一些店內的變化旨在提高他們的效率。

商店的布局是故意效率低下

在沃爾瑪提出的實現模型和許多其他人一樣,現有的存儲占用的核心組件快速實現策略。在最簡單的模型中,工人遍曆存儲布局,在線訂單,然後取商品包裝和運輸從櫃台或幕後。在更複雜的模型,高需求項組織在幕後完成區域,限製工人需要發送到商店地板上,生產力下降。

商店地板上挑選生產力的下降通過設計。在傳統的零售場景中,零售商利用客戶提供的免費勞動力增加店內。年底發送客戶從一個商店到另一個為了挑選項目經常需要訪問期間,零售商增加購物者的暴露在可用的商品和服務。在這一過程中,零售商增加額外購買的概率。

工人代表客戶,負責挑選訂單衝動購物不是一個選項,隻長遍曆的次數增加實現的成本。beplay体育app下载地址作為一個分析師筆記生產力的,“殺手存儲環境是旅遊的距離。“商店設計決策,麵對麵的潛力最大化顧客與那些負責omnichannel滿足。

消費者知道,但人可能不會

大多數顧客認識固有的低效在大多數商店布局。節儉的消費者通常會攜帶一個項目列表經常購買和優化排序的列表上的項目部門和走廊之間來回降到最低。植入式廣告的知識以及某些物品的特殊處理需要確保一個更有效的通過存儲和最小化潛在的重複旅行替換物品在運輸途中損壞。

但這些知識,通過多年的經驗和熟悉所購物品,不得提供給一位通常是一個選擇演出人員為別人挑選訂單作為偶爾side-hustle的一部分。對於這些工人,項目列表選擇可能沒有提供任何線索最優排序,讓工人的順序遍曆商店挑選物品。

可以幫助優化選擇序列

在最近一篇題為Buy-Online-Pick-Up-in-Store零售模式:店內挑選和包裝的優化策略,利。檢查效率的幾個選擇序列優化為一個真正的商店布局如圖1所示。

圖1所示。一個商店的布局,分為15個不同的區,訂單將被選中。
一個商店的布局,分為15個不同的區,訂單將被選中。

使用曆史訂單,作者改變了選擇與不同的目標序列的物品如最小化總遍曆時間和減少產品損失。他們比較這些默認排序順序提供給拾荒者是基於項目最初的順序添加到在線購物車。他們的目標不是要確定所有零售場景,而是一個最好的方法為評估不同的方法提供了一個框架,其他人可以效仿他們設法提高選擇效率。

記住這一目標,我們重建的部分使用3.3訂單在他們的工作Instacart數據集映射到存儲布局提供文章的作者使用的專有的訂單曆史不可用。雖然曆史數據集不同,我們發現不同的測序方法的相對影響采摘時間密切反映作者的發現(圖2)。

圖2。與訂單相關的平均挑選時間(秒)利用各種優化策略。
與訂單相關的平均挑選時間(秒)利用各種優化策略。

磚可以提高優化效率

評價的優化策略,它是一種常見的實踐應用各種曆史數據集的算法。使用前配置和場景,優化策略的影響可以被應用於現實世界的前評估。這樣的評估可以幫助企業避免意想不到的結果和評估的影響小的變化的方法,但可以相當耗費時間來執行。

但通過並行工作,通常用於評估方法的幾天甚至幾周時間可以減少到幾小時甚至幾分鍾。關鍵是要確定離散,獨立的工作單元內較大的評價集,然後利用技術推廣這些跨大,計算基礎設施。

在上麵的選擇優化研究中,每個訂單代表這樣一個工作單元的測序項目在一個訂單沒有任何其他人的影響排序。在極端的事情,我們可能會執行優化所有3.3數百萬同時執行我們的工作令人難以置信的快速。更典型,我們可能會提供一個小數量的資源和分配較大的設置為每個計算節點子集,允許我們平衡供應基礎設施的成本和時間進行分析。

磚的力量,在這種情況下是,它使得在雲中資源的配置非常簡單。火花dataframe通過加載我們的曆史訂單,立即就分布在配置資源。如果我們提供更多或更少的資源,dataframe調整自己,我們沒有額外的精力。

關鍵是優化邏輯應用到每個訂單。使用一個熊貓用戶定義函數(UDF),我們能夠運用開源庫和自定義邏輯每個訂單在一個有效的方式。結果返回給dataframe可以持續和進一步分析。看看這樣做是在上麵的分析中引用或實現你organziation,檢查我們的我們的解決方案加速器優化指令揀選

免費試著磚

相關的帖子

看到所有工程的博客的帖子
Baidu
map