在電商工作的分析師在進行出貨運輸成本預測時,最難的一題就是根據客戶的需求,預測每張訂單會產生幾個紙箱?
由於大部分的last mile 物流商大多以紙箱數和紙箱的大小、重量計價,因此這個問題的答案也會影響運輸成本的估算。
以下是參考思考脈絡👇
產品大小
進行分析時可以將產品進行分類,超過某大小閾值的紙箱通常會是獨立一箱出貨,我們稱之為「整箱」,反之則稱為「散裝」。我們要花時間研究的主要會是在「散裝」產品。
存貨位置/ 出貨地點
若消費者下單的兩件物品存放在不同位置、缺貨或其中一件是廠商直送,那勢必會產生shipment split 並多出額外的紙箱。
供應商的包裝
若某產品再進貨時是一打裝成一箱,當消費者剛好下單12個時,有些物流中心不會特別將其打散與其他物品一起包裝,而會這12個獨立一箱。
商品歷史包貨狀況
若資料量夠大,可以參考過去商品的units per carton,這個數字能一定程度回推此產品是否能與同訂單的其他產品合裝。
ML模型
根據上述參數(存放位置、出貨地點、商品大小、歷史包裝狀況、供應商包裝),建立機器學習模型預測裝箱數。
產品特性(延伸討論)
在模擬出貨箱數時,對於一些有著特殊性質或形狀的產品會特別注意,避免與現實脫節,以下是一些參考👇
▌化學品或食物
化學用品如 酒精 在有些物流中心會被獨立包裝避免滲漏影響到其他產品。避免自身受到其他產品污染如食物,也有可能被分開包裝。因此即便體積允許,這類產品也會產生一個額外紙箱。
▌可彎折產品
單純看數字,皮帶 表面上長度很長,能裝的紙箱應該不多,但因爲本身可彎折成小體積產品,能與許多產品合裝,也不需要過長的紙箱。
▌可互相堆疊產品
可堆疊產品如 水桶 、椅子、文件夾出現複數個在同一訂單時要特別小心,很容易將單件長寬高直接乘以數量導致紙箱數暴增,但其實能互相套裝的性質,多1-2個並不會增加太多體積。甚至其他產品可以裝進桶子或收納箱中,不會產生額外空間需求。
謝謝您花時間將此篇文章讀完,若覺得對您有幫助可以幫忙按個讚、分享來或是珍藏喔!也歡迎Follow我的Threads,持續追蹤生產力工具、商業分析、商業英文的實用範例,提升自己的職場力喔!