预期运输-电子商务的游戏规则改变者

还记得x战警里有心灵感应的泽维尔教授吗?电子商务行业会不遗余力地聘请他，这样他们就可以了解和预测消费者的需求。在网络消费者要求在最短时间内发货的需求和突发奇想的压力下，在线电子商务公司正在变成算命先生。《福布斯》最近报道称，亚马逊获得了一项名为“预期发货”的专利，这是一种在客户下单前主动将产品送到客户手中的系统。

图片来源:freedigitalphotos.net，斯图尔特·迈尔斯

此外，它还进一步报道了谷歌如何试图在亚马逊更擅长的领域——销售商品并将其交付给客户的业务——伤害亚马逊。谷歌在其优化和调度软件谷歌Now的帮助下，正在与零售商合作，通过其名为谷歌Shopping Express的合资企业获得成千上万的消费者。但问题是，这些“未来趋势”在实现其主要目标(更快地将订单送到客户手中)方面能有多大成效?

本文对预期发货模型进行了深入的探讨。此外，它还探讨了使用这种预测技术是否可以彻底改变电子商务。

该模型

简单来说，预期模型预测用户可能会购买什么，何时购买，以及在哪里需要。首先，这是基于预测分析技术。随着大数据的出现，端到端销售流程的这种成熟度可以极大地促进零售商的销售，尤其是在线零售商，同时降低成本，最终实现整体利润。该模型使用了许多大数据解决方案技术来理解大量的客户购买数据，如客户以前的订单、产品搜索、愿望清单、购物车内容和退货。

其中最重要的技术是协同过滤引擎(CFE)。Wikipedia将协同过滤定义为使用涉及多个代理、视点和数据源之间协作的技术来过滤信息或模式的过程。简单地说，它试图生成诸如“购买了这个的客户，也购买了那个”或“查看了这个商品的客户，也查看了这些其他商品”之类的过滤器。例如，鼠标在站点上的项目上停留的时间或点击的数量可能表明消费者对该产品感兴趣。然而，点击并不总是用户在寻找产品的指标，点击数据可能是“噪音”，而不是对产品的有价值的参与。然而，最终有了足够的点击路径数据，协同机器学习过滤器将最终找到可以创建关联分组的模式和关联。

一旦最终关联被识别，产品将被包装在一个或多个项目中，作为一个包裹，最终运送到交付地址，选择一个目的地地理区域，并将包裹运送到目的地地理区域，而不完全指定运输时的交付地址。此外，它们将包括包裹在运输途中的完整送货地址。因此，产品更接近消费者，因此交货时间最短。

值得指出的是，上述模型中使用的类似技术已被贝克斯鞋业公司(Bakers Shoes)与笛卡尔合作，通过使用分销中心(DC)旁路系统成功地使用。一般来说，制造商将货物直接运送到国内的dc，在那里储存货物，直到运送到单独的商店。在直流旁路系统中，他们从供应链中删除了一个环节，即通过“浮动仓库”直接将货物从制造商运送到商店。

图1表示运输网络的框图

图二:一个框图，说明了配置为实现推测运输和晚选择寻址的系统。

这种模式能改变游戏规则吗?

SWOT分析

下面讨论SWOT分析中给出的一些优势和劣势:

的优势

更低的成本

由于该模型的基础是预测分析，如果零售商可以利用聪明的算法来利用购买数据，预测个人的购买行为，他们就有可能进一步降低客户的成本。波士顿咨询集团最近进行的一项调查支持低成本送货，调查发现，在1500名接受调查的美国消费者中，74%的人认为免费送货比当天收到商品更重要。通过预测包裹的流动直到交付点，存储库存的成本显著降低。根据帮助管理库存的软件工具Stitch Labs的说法，库存成本可能高达企业成本的45%- 80%。因此，通过处理库存成本，它将导致更低的成本，因此可以向消费者提供更低的价格。这反过来又会增加收入和提高生产率。

交货时间

如前所述，根据预测，在知道绝对需求之前，将货物预先运往中间地点的想法并不新鲜。多年来，零售服装制造商一直在实践直流旁路系统。通常情况下，它涉及一家零售商将货物从亚洲运到加州的码头。当货物到达码头时，零售商正在监控商店里买的东西，当货物到达码头时，他们可以优化货物到商店的路线。在图1中，该过程显示从一个DC开始，该DC用于选定sku的中央库存，特别是低速度项目。从中心位置预期运输的优势是较长的运输时间，使当地需求有时间建立。这也将允许更多地使用速度较慢的运输方式，从而节省运费。这种模式当然可以确保产品的“最后一英里”是短的，并且和“第一英里”一样高效。

客户忠诚度

预购发货可以给某些顾客打折，甚至直接赠送他们收到但不想要的产品。这一观点在Haisley, E.， & Loewenstein, G.(2011)进行的社会学实验中得到了清楚的证明——在一家商业银行进行的纵向现场实验中，研究了礼物对存款余额和客户满意度的影响。与没有礼物的对照组相比，有礼物的对照组增加了存款余额、调查回复率和客户满意度。”这家零售商可以利用其关于家庭价格敏感性以及供求关系的数据，来决定哪些产品、哪些家庭有资格获得此类优惠。这个想法的关键在于，如果任何提供免费赠品的零售商都能很快交到朋友，从而享受顾客的忠诚度。

弱点

大数据算法

据《哈佛商业评论》(Harvard Business Review)报道，企业一直无法收集数据来增强他们的理解。这就是大数据投资未能获得回报的原因。很少有公司知道如何利用已经嵌入其核心操作系统中的数据。

高回报

IBI研究机构的一项研究显示，40%的客户在网上购物时已经考虑了退货问题。电子商务行业已经受到高回报率的影响。此外，有一种可能性是，由于预期发货，大数据算法可能会失败，导致昂贵的回报。

本地节点成本

该模型将需要大量的本地分布节点，预测的产品在交付给消费者之前将存储在这些节点上。因此，如果没有外包，零售商将需要建立一个本地基础设施来运送预期的货物。

假的消费者

另一种可能性是，消费者故意表现得像是在接受免费赠品。预测营销专家保罗·吉布森(Paul Gibson)认为，这“可能会训练消费者浏览而不是购买，以为他们会得到免费赠品。事实上，如果他们到时没有到货，他们可能会觉得零售商不喜欢他们。”然而，这种可能性似乎与人口比例较小有关

结论

这种模式已经引起了业界的兴奋，只有时间才能证明它是否能有效地降低整体成本。事实上，亚马逊以一种少数派报告的方式推动了这一现象，只不过它是零售而不是犯罪，这证明了这种未来趋势是合理的。

本文由孟买NMIMS的Pratik Nandekar撰写

来源:

•http://mashable.com/2014/01/21/amazon-anticipatory-shipping-patent/

•http://www.fool.com/investing/general/2014/01/21/shipping-before-you-order-why-amazons-crazy-idea-c.aspx

•http://www.forbes.com/sites/stevebanker/2014/01/24/amazon-and-anticipatory-shipping-a-dubious-patent/

•http://www.google.com/patents/US8086546