解決方案
Amazon Locker 原本採先到先服務的方式收件。結果是:儲物櫃被三到五天的包裹塞滿,而次日達與兩日達包裹——也就是客戶付了溢價的那些——卻在門口被拒收。2017 年,40% 的不合理配送拒收可追溯到配送選項容量預留不當。
教科書式的解法——航空業式的收益管理——並不適用:包裹被收件時,它在儲物櫃中的停留時間是未知的,因此無法依時長為櫃位定價。Amazon 的團隊重新建構了這個問題:機器學習預測每個儲物櫃的需求與停留時間分布,線性規劃則為每種配送速度設定容量預留。
這套系統實際上是在配給一項稀缺的實體資產——儲物櫃格位——優先給快速配送的客戶,而且沒有新建任何一個儲物櫃。
該系統於 2018 年假期旺季部署,使全球 Locker 吞吐量較前一年同期提升 9%,影響數百萬名客戶,並於 2024 年發表於《INFORMS Journal on Applied Analytics》。
達成了什麼
依配送速度預留儲物櫃空間,就像預留機位一樣
為何奏效
它把儲物櫃空間當成待分配的庫存,而不是只能忍受的排隊隊伍。
機器學習處理了讓經典收益管理數學失效的未知停留時間。
沒有新增硬體:收益完全來自更好的分配策略。
可套用之處
先到先服務也是一種容量分配策略——通常還是錯的那一種。為最重要的流量預留容量,勝過增加容量。
後續發展
這套容量預留系統成為 Amazon 管理 Locker 庫存的標準做法,並記錄於 2024 年《INFORMS Journal on Applied Analytics》的論文〈Amazon Locker Capacity Management〉中。
追溯依據
參考來源
- Amazon Locker Capacity Management INFORMS Journal on Applied Analytics · doi.org
- Amazon Locker Capacity Management (preprint) arXiv · arxiv.org
- Amazon Locker Capacity Management INFORMS Impact · informs.org