O2O餐饮配送优化策略研究

2017-12-15孙田钊王毓芳

福建质量管理 2017年23期

关键词：聚集地类别商家

孙田钊王毓芳

(同济大学经济与管理学院上海 200092)

O2O餐饮配送优化策略研究

孙田钊王毓芳

(同济大学经济与管理学院上海 200092)

随着互联网的日新月异和电子商务模式的蓬勃发展，O2O餐饮服务市场快速兴起，O2O餐饮服务平台随之出现。本文以“美团外卖”平台为范本，在外卖配送调度上，采用大数据的思想，通过SPSS软件对订单起讫点之间的距离进行聚类分析，进而对平台的订单数量、订单起讫点等数据进行分析处理，提出改善策略。订单的配送不再采用自主抢单、按单取酬的方式，而是在通过聚类分析得出的每一个类别的范围内进行调度。研究表明这一方式不仅提高了配送效率，大大缩短了配送时间，防止恶性竞争，而且能够降低平台数据处理的负担，使其在激烈的竞争中脱颖而出。

O2O餐饮;聚类分析;配送调度

一、引言

互联网的飞速发展为线下商务提供网络平台，降低了成本，密切了企业与细分市场的关系，由此催生了O2O营销模式的发展。近年来，O2O餐饮服务平台正在国内快速兴起，饿了么、美团外卖、百度外卖等餐饮平台迅速发展，并由此引发了“红包大战”，虽然平台可以借此迅速占领市场份额，然而这种补贴大战在一定程度上给O2O餐饮服务平台的发展带来了资金短缺的压力。本文将从O2O餐饮服务平台的可持续发展着眼，研究如何利用大数据优化乃至重新设计线下配送运营和调度流程来提高效率、降低成本。

二、O2O餐饮平台运营分析

(一)网上订餐平台+App+自助终端

用户通过网上和手机App的方式来进行在线订餐，订餐流程方便易操作，符合现代人简单、快捷的生活方式。相应地，餐饮外卖平台的网站和App页面也非常直观，平台主要有定位搜索、菜单查看、订单状态查询、定时送达、优惠券提醒、用户评价、在线客服等功能。用户可以通过App查看商家是否营业、菜品能否提供以及选择送单时间等。但是目前由于外卖配送时间难以把控，因此订单往往无法在用户指定时间内送达，大部分订单送达时间超过半个小时。

入驻O2O平台的餐厅，需要安装订餐终端。用户在线上对某一家商家下单后，订餐终端会自动进行提醒，并且显示订单的详细信息，餐厅可以根据订单进行制作，然后由外卖员进行配送。

(二)信息整合

目前外卖配送主要由第三方配送平台和商家自主配送完成，餐饮O2O平台将餐厅的信息整合之后统一发布，为用户提供了一个多样化的选择平台，同时将用户和餐厅连接成餐饮领域的“淘宝网”。对于O2O平台来说，最重要的是入驻平台的商家数量、种类和使用平台的用户数量，而这两者恰好相互关联、相互影响。对于商家而言，注册用户数量多的平台意味着更多的消费者和更大的市场;对于用户而言，入驻商家越多的平台则意味着更多的选择和优惠，因此信息和流量是O2O平台的运营发展的主要动力来源。

三、聚类分析

(一)数据收集

优化O2O餐饮平台线下流程的配送与调度的关键在于外卖配送路线的优化我们首先要研究平台上不同商家和消费者之间距离分布的特点，然后根据距离特征规划配送新的配送流程和调度方式。本文收集了:商家分布、消费者分布、商家订单数量①、商家和消费者之间的距离等数据。选取了同济大学四平路校区、赤峰小区、密云大厦、远洋广场小区、鞍山八村住宅小区、同济西苑小区、峰华大楼等7个消费者聚集地，选取了34家外卖商家②。通过美团外卖平台显示的配送距离和百度地图的骑行距离对消费者聚集地和外卖商家之间的距离进行测量，得到距离分布表。

(二)数据处理

1.数据预处理

数据分析部分主要研究距离分布的特点，并且采用聚类分析的方法对数据进行处理，在聚类分析的过程中分别以:同济大学四平路校区到各商家的距离、赤峰小区到各商家的距离、密云大厦到各商家的距离、远洋广场小区到各商家的距离、鞍山八村住宅小区到各商家的距离、同济西苑小区到各商家的距离、峰华大楼到各商家的距离为7个变量。采用距离聚类分析的方法对变量有以下两个要求:

(1)这些变量在不同研究对象上的值具有明显差异;

(2)这些变量之间不能存在高度相关;

针对第一个要求，采用标准差、极差来检验变量数值在不同研究对象上是否具有明显差异，计算结果如表1所示。

表1 变量数值在不同研究对象上的差异

通过以上数据可以看出，变量数值在不同研究对象上的极差、标准差都较大，说明数值之间存在较大差异，因此符合聚类分析对变量的第一个要求。

对于第二个要求，各个商家到7个消费者聚集地之间的距离是由双方的地理位置决定的。小区、学校的分布是由市政规划部门经过统一规划、招标、建设，虽然商家一般偏好分布于人口相对聚集的小区、学校，但同时会受到店铺租金、地段的影响。消费者在平台上选择外卖商家时受口味、价格、配送时间等多种因素的影响，因此7个消费者聚集地到不同商家之间的距离变量之间不存在高度相关性。

2.聚类分析

在研究中，我们采用SPSS软件和K－均值聚类方法对数据进行聚类分析。表2为初始的距聚类中心，表3为进行5次迭代后的最终聚类中心，总共分为3大类别。

表2 初始聚类中心

表3 最终聚类中心聚类

根据以上的聚类分析的计算结果，对34个研究对象所属的类别进行整理，最终结果如表4所示。

表4 不同研究对象所属类别

3.类别分析

对于每一个类别中的研究对象到每一个消费者聚集地的距离数值计算平均值，根据平均值的特征对每个聚类添加标签，如表5所示。

表5 不同类别中的研究对象到每一个消费者聚集地距离的平均值

根据以上不同的研究对象到每一个消费者聚集地之间的距离数值特征，按照0—800米、800—1500米、1500—2000米这三个标准对距离的平均值进行统计，结果如下表所示:

表6 不同类别中距离平均值的所属范围分布

(三)结论

通过以上数据分析过程可知:在同济大学四平路校区、赤峰小区、密云大厦、远洋广场小区、鞍山八村住宅小区、同济西苑小区、峰华大楼这7个消费者聚集地附近的34家外卖商家可以分为三类:第一类距离为0—800米，属于短距离送餐商家，第二类距离为800—1500米，属于短中距离送餐商家，第三类距离为1500—2000米，属于中长距离送餐商家。至此，我们将原本杂乱无章的外卖商家进行了合理分类，找到了同一类别下商家的共同的距离特征，以此为基础，平台可重新制定相应的配送和调度规则。

四、优化方案

为了简化模型，在不考虑口味偏好、服务态度等因素的前提下，基于上述聚类分析结果，我们给出以下优化对策:

(一)切片

外卖平台一天中订单数量的分布是不均衡的，一般订单最为集中的时间段为:11:00—12:00、16:30—18:30;订单较为集中的时间段为10:00—11:00、12:00—13:00、18:30—19:30;其余时间订单的数量相对较少。如果平台一直保持很高的数据处理能力，那么在较长一段时间内这些资源并没有得到有效利用，反之，平台则不能够在繁忙的时间段内及时、有效地对订单进行处理，从而无法满足顾客的需求。

根据外卖平台在订单处理上的这一特点，建议根据不同时间段内订单数量的情况，设置不同的切片时间间隔。在订单最为集中的时间段每30s对平台收到的订单进行一次处理;在订单较为集中时间段每60s对平台收到的订单进行一次处理;其余时间每3min对平台收到的订单进行一次处理。

(二)分类

外卖平台通过历史记录将商家的地理位置和商家配送范围内的消费者的位置进行定位，计算它们之间的距离，以距离为变量，通过聚类分析，将它们分成短距离送餐商家、中长距离送餐商家和短中距离送餐商家三类。

(三)择类

废除原有自主抢单、按单取酬的规则。按照聚类分析得出的三个类别，将商家进行划分。将配送员分配到不同的商家类别中，然后配送员只能对各自所处的类别中的商家产生的订单进行抢单配送。即选择配送某一类别下的若干订单。

(四)调度

通过计算每一个类别起讫点之间的直径距离，用该距离除以配送员平均骑行时速得出平均配送时间，平台目标送达时间 (不考虑商家订单准备制作时间)除以平均配送时间得出配送员同时配送某一类别订单的最大数量，防止出现配送员无限制抢单而导致的部分订单配送时间过长。

(五)取酬

对同一类别里的订单设置统一的底薪和每单报酬，配送员按类计酬而不仅仅是按单计酬。属于短距离送餐商家的订单数量多，但是单位配送费低;相反，属于中长距离送餐商家的订单数量少，但是单位配送费高，这样能够保证不同类别薪资的公平性，从而保证配送员选择类别时的均一性，有效遏制恶性竞争。

【注释】

①美团外卖APP月订单数②数据来自美团外卖平台

［1］杨博文，王静.O2O餐饮外卖目标市场发展趋势分析［A］.科教导刊－电子版 (上旬)，2015，(8):146－147