為什麼即時雜貨配送應該像優步一樣遵循資料驅動? - Florian

banq發表於2021-08-17

即時雜貨配送(類似XX買菜)是歐洲今年初創公司的炒作：透過購物App選擇了一些雜貨，透過 Paypal 付款，10 分鐘後，快遞員就會將您購買的商品送到您家門口。這是一種在使用者之間病毒式傳播的商業模式。推出幾個月後，我認識的朋友幾乎有一半是透過這種方式購物的。這是一個像優步一樣價值數十億美元的想法。一個如此容易解釋但仍然神奇的商業模式？但像這樣的高度顛覆性商業模式也存在明顯的問題：
  • 過度勞累的快遞員正在罷工。
  • 由於位於住宅區中間的倉庫的噪音汙染，與地區有關的問題。
  • 產品利潤率低，客戶對價格的容忍度很小。
  • 對於像 Gorillas 這樣的公司來說，業務增長正在地理上從地區到地區、城市到城市。
  • 巨大的競爭（我現在僅在德國就有 12 家供應商）。

美國公司 GoPuff 成立於 2013 年，被認為是創業公司 Gorillas、Flink、Zap 或 Getir 的先驅。GoPuff 做出資料驅動的決策，以最大限度地降低上述風險。為了實現這些雄心壯志，GoPuff 最近以 1.15 億美元收購了資料科學初創公司 RideOS。在定價激進的市場中，對於許多直接競爭對手和現有替代品而言，透過技術快速建立競爭優勢已被證明可以提高商業模式的效率。
GoPuff付出了大膽但代價高昂的舉措，在本文中，我將展示如何在不花費數百萬美元收購初創公司的情況下，為即時雜貨配送用例在一天內整合地理空間分析。
我們如何才能準確地考慮即時雜貨配送的資料驅動決策？需要最佳化的重要資產是：
  • 我應該在哪裡設定倉庫？
  • 司機車隊的最佳規模是多少？
  • 該地區的目標客戶有哪些偏好？
  • 整體市場潛力有多大？

在這篇文章中，我們問自己一個虛構的問題，一家速食雜貨配送公司是否應該去柏林邊遠的 Pankow 區？我們使用可以在全球範圍內擴充套件的外部資料來源並使用 Kuwala 的資料整合框架（它是開源的）來做到這一點。使用 Kuwala，我們可以輕鬆提取整個城市和國家/地區的可擴充套件和細粒度的行為資料。您可以在下方看到漢堡雜貨店的活動模式。我們將利用一些功能從所描述的領域中獲得見解。
我們透過比較 Pankow 附近與 Pberg（“Prenzlauer Berg”）的鄰近部分的資料來開始我們的分析。兩個選定區域的面積（平方公里）相似。使用 Kuwala 框架，我們首先整合高解析度的人口統計資料。在頂層檢視中，它們在總體上以及在性別和年齡的子組內都具有可比性。
在下一步中，我們分析了有關雜貨（例如超市）的興趣點的當前現狀。我們在 OpenStreetMap 資料上構建資料管道並提取分類和名稱以及價格水平。我們將這些資料與這些 POI 的每小時流行度和訪問頻率相結合。
我們發現 Pankow 每平方公里的超市數量明顯減少。此外，這表明 Pberg 的雜貨店的價格水平要高得多。此外，我們發現 Pankow 的雜貨店在晚上的訪問量比 PBerg 多 10%。總之，我們現在可以假設 Pankow 的人們......
  • … 去超市的平均時間更長。
  • ……通常在晚上的時間花更多的時間在超市。
  • ……雜貨的價格彈性較低。

公司現在可以在市場進入策略中使用該資訊。積極的現金返還活動說服 Pankow 的人們跳過晚上在超市購物，以舒適的方式在家門口接收購買的商品。


 

相關文章