Как собственная курьерская платформа помогает Беру доставлять заказы с точностью 95%

Конкуренция на рынке электронной торговли традиционно высока. В борьбе за потребителя компании ищут пути, которые могли бы дать им преимущества на рынке. Учитывая, что покупатель выбирает товар сразу на нескольких площадках, выиграть марафон за его внимание можно, если магазин оказывает качественный сервис. 

По данным совместного исследования Яндекс.Маркета и компании GfK Rus, главный фактор выбора интернет-магазина — это цена. А вот на втором месте — быстрая и удобная доставка. 

Роман Аствацатуров, руководитель курьерской платформы маркетплейса Беру рассказывает о том, как маркетплейс развивает этот сервис с помощью технологий Яндекс.Маршрутизации.



Организовать собственную платформу 

Изначально доставку заказов клиентам Беру осуществляли партнеры — транспортные компании и курьерские службы. Постепенно объемы увеличивались, маркетплейс рос ускоренными темпами, и мы пришли к выводу, что нам нужно контролировать сервис на всех этапах работы с клиентом, в том числе на «последней миле». 

«Последняя миля» — это тот этап доставки, который видит клиент и который напрямую влияет на его удовлетворенность сервисом. Прямой контроль качества этого этапа дает нам уверенность в том, что клиент останется доволен и что он вернется за новыми покупками. Мы хотели решить задачу технологично, поэтому в ноябре 2019 года занялись организацией своей курьерской платформы.

Курьерская платформа Беру — это специальный софт, который помогает нам как распределять заказы между курьерами и строить их маршруты, так и делать работу курьеров проще. С помощью платформы мы снижаем транзакционные издержки: напоминаем курьеру о том, что надо позвонить клиенту, показываем точный маршрут до подъезда и так далее. Для курьера платформа — это приложение на телефоне, для клиента — карта в приложении Беру, на которой местоположение курьера указано в режиме реального времени. 

Ключевой метрикой, характеризующей качество сервиса, является точность и своевременность доставки. Работая с партнерами, мы регулярно повышали этот показатель, однако нам хотелось большего. Девять месяцев работы над проектом собственной доставки показали отличные результаты: точность попадания в интервал, заявленный клиентом, по Москве составила 95%. То есть на каждые 100 доставок приходится не более пяти опозданий. Чтобы выстроить работу с последней милей, нам пришлось организовать собственную систему работы с курьерами и продумать все сопутствующие процессы. Курьеры, которые подключаются к платформе, — это курьеры наших партнёров.


 

Автоматизировать все процессы

Мы начинали проект собственной платформы с чистого листа. Это давало возможность спроектировать систему такой, какой мы хотим её видеть. Учитывая плановый рост объемов, мы изначально сделали ставку на автоматизацию всех процессов: от маршрутизации поступающих заказов до напоминаний курьерам. Систему найма и обучения последних мы также последовательно продумали. 

Для того, чтобы все заработало, нам нужно было научиться решать ряд задач. 

• Быстро планировать маршруты

Одна из важных обязанностей отдела операций – планирование маршрутов для курьеров. Чем больше заказов, тем больше времени можно потратить на планирование, если делать это вручную. Поэтому мы выбрали автоматическое планирование, которое значительно ускоряет процесс. 

Планирование на следующий день проходит у нас накануне вечером и состоит из двух этапов.

Первый этап — пристрелочный, в ходе которого мы планируем маршруты несколько раз, используя разные стратегии. Например, есть стратегия равномерного разделения заказов между курьерами, когда нагрузка распределяется одинаково. Другой сценарий подразумевает составление максимально плотных маршрутов для курьеров, тогда ресурс каждого исполнителя используется по максимуму.

Чаще всего мы стараемся найти баланс между использованием ресурсов и стоимостью получившегося решения.

У каждого решения есть итоговые метрики, которые можно сравнивать между собой. Например, общий километраж всех маршрутов и расстояние по каждому курьеру, время в пути и время простоя, время начала и завершения маршрута, необходимое число курьеров. Сравнивая получившиеся метрики, мы выбираем одну из стратегий и приступаем к финальному планированию.

С учетом того, что мы решаем задачу планирования на несколько тысяч точек не один, а много раз в течение вечера, нам важно, чтобы алгоритм мог выдавать готовое решение за приемлемое время. Важна была способность системы обрабатывать большой массив данных, чтобы при дальнейшем масштабировании доставки не возникало проблем с вычислительными мощностями. Сейчас мы получаем готовое решение за 20-30 минут.

---

Читайте также: Курьерская платформа Беру покрыла всю территорию Москвы

---

• Учесть все необходимые параметры доставки

При организации b2c-доставки мы должны учитывать довольно много параметров, важных как для бизнеса, так и для клиента: временные окна, вес и габариты товаров, вместимость машин, совместимость товаров между собой и так далее. Все эти требования приводят к взрывному росту сложности задачи.
Подобная трудная для человека постановка задачи является наиболее подходящей для автоматического решения. У каждого набора маршрутов есть общий пробег, время, число опозданий, стоимость использованных автомобилей и прочие параметры, которые можно в итоге свести к общей стоимости решения. А дальше алгоритм при поиске решений будет минимизировать общую стоимость.

Решение задачи также требует учета огромного объема информации. Планирование вручную вынуждает сильно упрощать вводные данные, теряя оптимальность итогового результата. Например, только в Москве около 3 млн дорожных сегментов, и алгоритм способен использовать прогноз средней скорости для каждого сегмента на каждый 15-минутный интервал дня планирования.

Кроме того, сама задача является алгоритмически сложной, и не существует единственно верного ее решения. Алгоритм помогает приблизиться к оптимальному результату после сотен миллионов итераций перебора.


 
• Легко масштабировать собственную платформу

Мы понимали, что не ограничимся только Москвой и будем расширять доставку в других регионах, поэтому проектировали систему таким образом, чтобы иметь возможность быстро нарастить объемы доставки. Например, в новом городе мы можем начать неделю с 200 заказов в день, а закончить с 2000 заказами в день.
Подобное масштабирование возможно благодаря сочетанию технологий и методик подбора и обучения курьеров.

С одной стороны, имеющаяся платформа позволяет тиражировать автоматическое планирование маршрутов на новые регионы без каких-то сложных дополнительных доработок. С другой стороны, мы можем очень быстро нарастить штат курьеров и обучить их нашим стандартам качества доставки.

Так, в июле мы запустили эксперимент с собственной доставкой в Ростове-на-Дону, где пока развозим до 500 заказов в день. В Санкт-Петербурге с помощью курьерской платформы мы доставляем до 700 заказов в день.


 

Промежуточные итоги

Наша ситуация была благоприятной, так как проект мы, по сути, делали с чистого листа, без необходимости перестраивать существующие процессы. Это позволило, с одной стороны, продумать все необходимые требования заранее, а с другой — быстро запустить проект и получить результат.

Сейчас мы полностью покрыли Москву и доставляем ежедневно до 60% всех заказов во все районы города с помощью нашей платформы. Точность попадания во временной интервал — 95%. Мы считаем, что это достаточно высокий показатель, но всё равно продолжим работать над его улучшением и масштабированием своего опыта на другие регионы.

Роман Аствацатуров, 
руководитель курьерской платформы маркетплейса Беру