O2O到家业务：如何在配送履约环节，做到极致优化？

最新推荐文章于 2025-04-26 19:53:27 发布

Jawin 王俊杰

最新推荐文章于 2025-04-26 19:53:27 发布

阅读量2.6k

点赞数 1

文章标签：算法大数据人工智能编程语言数据分析

“O2O到家业务”市场的不断放大，让线上购买逐步成为了刚性需求，尤其在疫情之后，获得关注和增长前所未有。这项可能“取代冰箱”的到家业务，被业界普遍认为未来具备巨大的商业机会。

为了求证这一未来趋势，苏宁零售技术研究院广泛调研，深度访谈了十余位国内头部“到家业务”平台的选品、供应链、物流、技术等环节负责人，分别针对商业模式、订单流量、商品供应链、门店履约、配送履约等行业核心问题，进行了深入探讨。

本文共3471字

阅读约7分钟

如何在配送履约环节，做到极致优化？

王俊杰

在前面的文章里，我们从商业模式、订单流量、商品供应链、门店履约的层面探讨了O2O到家业务如何做可以实现降本增效。这篇文章，我们将从配送履约的层面进行探讨。

配送履约是到家业务当中非常核心的环节，这块如果没有做好，大概率是挣不到钱的。另外，配送的成本也是相当高的，是一块非常难啃的骨头。现实的情况是，如果没有办法跟消费者收配送费，就没办法转移成本；如果收配送费的话，消费者就难以留存。

经调研，我们发现，一些大型连锁超市的履约是第三方做的，这其实是一个没有办法的办法。因为如果一开始就自建团队的话，成本会非常高。

合作第三方，有几个问题：第一，没有价格控制权；第二，没有办法掌握骑手的履约质量，也没有办法像我们前面讲的，骑手作为一个群主去跟用户互动、去拉新复购。

那么，可否逐步建立自己的骑手团队呢？我们调研发现，有一些到家业务做的不错的商超，甚至单一店的商超已经自建自己的骑手配送，而且做的还不错。

如果自建的话，要真正解决的核心点就是在爆仓时间，比如说11:00到13:00、17:00到19:00，这两个时间段可以用第三方的骑手。这样配送就变成“自有骑手+外包”的模式。

驻店模式就是，骑手在店里等，直到这个仓内的集单做好了，就立刻去配送。这样的话，效率就会提高很多，而且一旦自己配送，用户看到的都是我们自己的骑手，骑手的箱子、冰袋、衣服、车子，都有自己品牌的标志，通过二维码，可以很好地引流。骑手可以跟客户建立一个情感联系，可以拉群，甚至可以变成一个带流量的群主。

自建配送团队可以节约成本，比如，保温袋一个要一块五，自建配送团队的话，可以买一些冷藏、冷冻冰袋，并能循环利用，能够很好地节约成本。如果给到第三方的，成本是没办法节约的。

我们在调研某头部生鲜O2O商超时，发现骑手确实是一个大生意。如果有机会，可以做一个类似这样有配送系统的平台，是充满了巨大机会点的，甚至也可以开放让其他人来使用。目前在市面上，其实除了这一家之外，做得好的团队也不多。

单量不够的时候，骑手其实是一个闲置的资源。最好就是骑手能够集到三到四单再出去，否则时间及成本是很浪费的。集单算法是降低配送成本的核心关键，集单可以把订单全部都串联起来，借此，订单实现规模化，成本自然会降低。比如，单店一天大概400单，促销的时候到达2000单。骑手跑一趟可能7、8块，但是如果订单量高的话，跑一趟可能就集到三四单。这种情况下，一单收6块就可以了。

整个集单的做法，还可以依据网格来做，比如30分钟网格，依照这个网格点去做配送集单。我们可以这样来做，等五到十分钟集单，然后集完单之后，骑手去这个网格做相应的配送，整个配送路径因为是集单的，所以路线是完全顺路的，这样可以大大提高效率。

市面上做得好的做法，是通过智能集单的履约算法推动整个骑手配送的规划。用户下单的时候，时间的要求、地址的信息、业务特征、用户画像这些信息已经沉淀在平台里。“订单履约的信息结构”包含精准的POI层集单、履约流程的拆解、履约计划的推算。然后，可以通过路由算法完成批次任务输出、按批次去做包装的生产，包含APP、拣货、打包、导航、妥投、再投、拒收。最后，通过机器学习训练算法、复盘优化流程路线，促使骑手将货物精准送达指定地点。

这种智能算法已经涉及到新鲜程度、冷热状况、配送路径、配送时长、综合成本、订单批次、包裹大小、包裹重量、配送次数等核心要素。

现在很多消费者用“到家业务”的时候，其实不太想要付配送费，所以很多平台在做免费或优惠配送的推广，这样的话，配送成本成为履约环节的核心。经调研发现，如果毛利率低于28%，其实是没有办法去覆盖配送成本的。针对单店而言，要做到1000单，客单价60元以上，毛利率28%，才是有机会刚刚开始盈利。

我们要想办法在骑手这块儿下点功夫。骑手如果选择外包的话，成本是8块以上，其中，骑手部分6块左右，还有2块的管理费，包含站点的租赁费、充电物资等。

8块配送成本到底有没有优化空间呢？其实是有优化空间的。因为管理费可以优化，站点的租赁费、水电费、管理费都是可以摊抵的。随着订单量越大，你的摊抵就越薄。如果订单规模更大，就可以扩大骑手的数量，骑手数量扩大时候，业绩随之提升。同时，通过算法，整个订单的分配逻辑、配送路径将得到显著的优化。

还有一块是可以被优化的，但是很少有人会去做，这就是包装的成本，是不容忽视的一部分成本。比如，一个骑手可以集四个单，先送到A家。为了增加效率，减少包装费，可以将打包的环节设置在顾客小区里。换言之，不在仓里打包，也不在店里打包，而是当骑手到达用户家楼下的时候进行打包。届时，把箱子打开，把A买的蔬菜、苹果、牛肉装在一个塑料袋里。相对而言，以前的做法不是很节约，可能会用三个塑料袋，现在可以控制在一个塑料袋。同时，塑胶袋只要应付从楼下到楼上这个过程就好，因此，可以稍微薄一点，这样的话，可以省下几毛钱的成本。

不仅如此，类似冰袋等材料就不需要给到消费者，可以把这个冰袋回收。另一方面，保温袋一个就一块五，其实成本很高，一定要想办法回收，这样可以降低包装成本。

基于我们的调研，除了自有骑手团队，还可以通过建设超级配送系统来达到降本增效。

目前，已有头部的厂商做了非常强大的配送系统，如上图，可分成七块。

LBS系统是依据你的地理位置来做的。机器学习可以进行整个全链路的时间评估、整个时间序列的模型研究、送达时间的预估以及深度学习模型研究。算法数据和计算平台包含离线大数据平台、机器学习平台、实时特征计算平台。

多传感融合方面的例子特别多，假设一个骑手在某个小区停留很长时间，通过多传感融合，结合应用场景和数据，可以知道当时发生的情况。规划系统包含骑手排班系统，并可以完成商家配送范围的最优化。定价系统负责整个订单的结构优化、骑手的邮资补贴、骑手智能运营。调度系统是多人多点的实时调度算法。

有了即时配送系统后，能够完成送达时间的预估，这也是比较核心的。以送餐来举例，送餐拆成了取餐、出餐、送达三个环节，商户端取餐、用户端送餐两个履约场景。其中，取餐时间包含上楼时间、下楼时间。简单来讲，它可以具体拆成六个时间，如接单时间、压单时间、骑手到店时刻、骑手取餐时刻、骑手送餐时刻、骑手交付完成时刻等。

时间送达预估系统叫ETA，基于商户、天气、用户、骑手等基础数据，通过算法赋予这些数据相应的特征，然后去做算法的模型，最后输出优化策略。

ETA的体系策略架构分成两个，长尾模型A包含出餐慢（跟商家相关）、交付难（跟用户有关）。另外一个模型是长尾模型B，这个其实是有一些长尾因子，有一些业务的长尾因子去分析，比如说业务的长尾因子就是午晚高峰、长距离、高价格。ETA会针对送餐环节及时间，输出ETA体系策略产品。

整个即时配送系统的定价体系包含骑手的邮资补贴、订单结构优化、骑手运营三部分。其中，订单结构优化包含配送规模长效增长、盈亏结构优化、体验效率结构优化三大目标，应用方向包含配送范围优化、爆单助手（忽然间订单爆量了，怎么样去调解）、动态溢价（如何通过动态溢价做到供需平衡）、基础定价四部分，底层的技术包含地理位置的图形学技术、AOI和BLOCK基础数据挖掘、传统的机器学习&深度学习、价格机制四个部分。