Глобальный рекоммерческий маркетплейс, оформляющий около 25 000 этикеток в день, сделал то, что, как мне хотелось бы, делало больше покупателей. Они решили детально изучить свои отправления — вплоть до уровня отдельной посылки. Думаю, все мы согласимся с тем, что большинство организаций где-то теряют деньги. Эта команда хотела узнать где именно, поэтому они прогнали собственные данные через Luma AI, чтобы выяснить это.
ИИ-инструмент выдал конкретные места для проверки. Маршруты, по которым они переплачивали. Уровни обслуживания, выполняемые быстрее, чем обещание по доставке, фактически данное клиенту, и триггерные условия, которые никто не пересматривал с момента написания правил.
На бумаге все рекомендации выглядели отлично. Но вместо того, чтобы просто все изменить и надеяться на лучшее, они применили изменения к части своих ежедневных отправлений и запустили их параллельно с отправлениями, отправленными прежним способом. Что ж, все прошло хорошо. Они экономили деньги, а посылки прибывали вовремя с более высокими показателями. Увидев, что происходящее в реальном мире совпадает с тем, что предсказывали данные, они перевели на этот метод в 10 раз больше объемов.
В итоге они экономили более $2 миллионов в год, и примерно 273 000 посылок в год, которые раньше приходили с опозданием, стали прибывать вовремя. И все это без привлечения нового перевозчика. Безумие, правда?
Никто не стал искать лучшую сеть
Большинство проектов по снижению расходов на доставку пишутся по одному сценарию. Вы добавляете одного-двух перевозчиков или заново пересматриваете контракт. Кто-то взваливает эту работу на себя в дополнение к своим основным обязанностям, и через два квартала у вас появляется таблица, новая интеграция для поддержки и достижение, которое приходится защищать на совещании, потому что экономия оказалась меньше, чем было заявлено в бизнес-плане.
Но эта операция обошлась без всего этого. Они не добавляли перевозчиков. Никакие контракты не пересматривались. И никто не был нанят для управления процессом, что обычно является верным признаком того, что проект по экономии на самом деле представляет собой замаскированный запрос на расширение штата.
Я перечитал это дважды, потому что это как раз то утверждение, против которого я бы стал возражать, принеси мне его кто-нибудь другой. Но их сеть перевозчиков в последний день была той же сетью, что и в первый, так что, какова бы ни была причина этих результатов, они проистекали из распределения, а не из изменения списка партнеров.
Дешевле и быстрее одновременно
Оба этих показателя сдвинулись в одном направлении.
Стоимость и качество доставки обычно рассматриваются как компромисс. Платишь меньше — ждешь дольше. Именно так формулируется большинство решений по доставке и так пишется большинство правил маршрутизации.
Когда улучшается и то, и другое, исходная настройка никогда не была оптимальным компромиссом между стоимостью и скоростью. В ней были скрытые резервы по обеим осям одновременно, и никто их не видел, и я сомневаюсь, что эта команда уникальна в этом плане. Если вы тот самый человек, который написал эти правила, для вас это, наверное, звучит немного иначе, чем для всех остальных.
Я вырастил достаточно подростков, чтобы знать, что никто не устраивает вечеринку в честь ребенка, который вернулся домой вовремя. Жалобы возникают только на тех, кто приходит поздно. И шумно. Раз за разом. С посылками то же самое. Те 273 000, которые перестали опаздывать, не создают записей отслеживания, запросов в службу поддержки или сердитых ответов, поэтому они никогда не попадают ни начью панель управления, и никто не строит на их основе бизнес-план.
У меня нет точной цифры, сколько именно обращений предотвратили эти 273 000 посылок, и я бы с подозрением отнесся к любому, у кого она есть. Но любой, кто укомплектовывал поддержку в декабре, понимает тенденцию.
А те самые $2 миллиона? Они получены исключительно за счет перераспределения, без единого переговорного процесса.
Правило, написанное в марте, по-прежнему описывает март
Теперь о большинстве команд, с которыми я общаюсь: они уже проделали работу с несколькими перевозчиками. У них есть интеграции, аккаунты, тарифные сетки. Чего у них нет, так это актуального ответа на вопрос, какому перевозчику и какой услуге достанется следующая этикетка, поэтому они возвращаются к правилам.
И именно правила являются источником этих потерь. Правило маршрутизации — это снимок того, что было актуально в день его написания, поэтому оно точно описывало ту неделю, а затем неделя закончилась. Показатели эффективности перевозчиков меняются в зависимости от направления, уровня сервиса и недели, причем эти переменные меняются независимо друг от друга.
Я постоянно с этим сталкиваюсь. Какой-то перевозчик предложил самую низкую цену на направлении в сезон заключения контрактов, поэтому он стал основным для этого направления. Девять месяцев спустя время его транзита там увеличилось на сутки, его статус «самого дешевого на бумаге» теперь отличается от альтернативы всего на пару центов, и ни один из этих фактов не отразился в логике маршрутизации, потому что ничто в системе не настроено на их выявление. Перевозчик не работает хуже условий контракта. Он работает хуже причины, по которой вы его выбрали, и это разные проблемы с одинаковым счетом в инвойсе.
Я не думаю, что кто-то здесь проявляет беспечность. Правило было верным в момент его написания, и не было ни единого момента, когда бы оно объявило, что перестало быть верным. Когда вы в последний раз заглядывали в свои правила, чтобы перепроверить их?
Половина, которая смотрит, и половина, которая действует
Luma AI Insights — это половина, которая смотрит. Она считывает реальные действия ваших перевозчиков — по направлениям и типам услуг — на основе базы из более чем миллиарда исторических отправок от более чем 100 перевозчиков, что достаточно масштабно, чтобы отличить системную закономерность от неудачной недели на одном конкретном складе. Именно это и выявило скрытые резервы для маркетплейса.
Luma AI Select — это половина, которая действует после принятия решений. Она применяет назначения при формировании этикеток в соответствии с правилами, которые пишет и контролирует ваша команда, и продолжает сверять их с тем, что перевозчики делают сейчас, а не с тем, что они делали на неделе внедрения правила.
Ни одна из половин не отменяет мышление. Первая делает мышление возможным, а вторая избавляет вас от необходимости выполнять эту работу вручную для каждой этикетки.
Где это не применимо
Ниже определенного масштаба, я думаю, для вас здесь мало что найдется. Если вы отправляете несколько сотен этикеток в день по горстке направлений через одного или двух перевозчиков, перераспределять практически нечего, и вы бы заметили такую проблему и без посторонней помощи. Этот метод начинает приносить пользу где-то севернее нескольких тысяч этикеток в неделю при достаточном количестве направлений, когда одна неудачная пара пункт отправления — пункт назначения имеет значение, но все еще может прядаться в ваших общих объемах.
Ваша отправная точка тоже имеет значение. Уровень их своевременной доставки оставлял желать лучшего, поэтому, если ваш показатель уже высок, та же самая работа принесет меньше результатов, и вам следует рассчитывать бизнес-план исходя из собственного исходного уровня, а не чужих улучшений.
Кроме того, достигнутая здесь экономия получена без изменения самих тарифов. Если ваши базовые тарифы откровенно плохи, лучшее распределение поможет вам лишь по краям, а проблема с тарифами у вас останется.
Еще одна вещь, которая для этого потребовалась, — это постоянное внимание со стороны кого-то из сотрудников. Luma сформировала список, но людям все равно приходилось прорабатывать его и принимать решения, поэтому, если в вашей команде ни у кого нет на это времени, лучшая видимость останется лишь на панели мониторинга и ничего не изменит.
Оценка — это то, что я бы стал копировать
Они не устраивали конкурс на бумаге и не принимали решения на основе прогнозной модели экономии. Они пропустили через систему реальный объем данных такого масштаба, при котором цифры уже имеют значение, но плохой результат не принесет большого вреда, и дали ей проработать достаточно долго, чтобы сформировать тенденцию, а не просто удачную неделю. Затем они масштабировались, и масштаб изменений был пропорционален степени доверия, которую заслужили данные.
Это разумный способ оценки всего, что обещает изменить ваши расходы на доставку, включая наш сервис. Если поставщик не справляется с контролируемой частью вашего реального объема, значит, за пределами презентации ничего не было.
Посмотрите, что Luma AI Insights обнаружит в ваших собственных данных о доставке. Затем выберите ту часть вашего объема, которую вы готовы выделить для тестирования.
