让模型和数据说话——为什么“快书包”模式困难重重.docxVIP

让模型和数据说话——为什么“快书包”模式困难重重 原作——/10968fain第一次听说“快书包”，是在2011年的夏天，一个朋友很兴奋地向我介绍了这个模式，并劝我一起向快书包学习，并据此加入创业大军。在直觉上，我也很喜欢这一想法，一小时内送达的客户体验够美妙，够响亮，够侵略，但是冷静地建模分析后，我还是放弃了。从建模计算可以看出，“快书包”模式在运营上的问题在于成本控制。“一小时内送达”的配送承诺限制了站点覆盖范围，即站点的规模和单量，很难利用规模效应摊薄控制成本。另外，“一小时内送达”的承诺也限制使得配送人员必须在一天内多次到达站点取货，配送路径很难优化处理，配送人员的效率也无法达到最高。现在把我的建模计算过程大致展示出来，抛砖引玉，希望对于大家有所裨益。需要说明的，我本人并不认识徐智明先生，而如下的建模计算也仅仅是个人闲暇时间下所做的，目的是学术性讨论。我本人并不希望因此而引起不必要的纷争。1. “一小时内快送”运营模型：“快书包”模式的核心是一小时内快速送达，听上去简单，但实现起来可是相当的不容易。这需要对运营体系，尤其是配送体系进行颠覆性地创新。首先说库房端。一般电子商务公司的库房运营中，发出一个订单可以大致分为以下的几步：订单打印、生成批量拣货任务、批量拣货、订单二次分拣、扫描出库、包装贴单。一个订单的处理时间各家公司都不尽相同。以现在最快的上午下单，下午送达来说，一般库房在10:30左右停止接受订单，到12:00左右完成所有订单的出货工作，留给订单发货的时间为1.5小时。单这一处理时间已经超过了1小时。 要加快库房的处理速度，就必须废除批量拣货。批量拣货的目的在于提高效率，而精髓在于使得拣货员在一次拣货路径（最坏情况为遍历整个库房）中尽可能多地检货，因此必须积累一定量的订单才能处理。虽然整体效率提高，但不光是积攒订单还是批量检货，对单个订单来讲，都造成了时间的延长。所以说，在“快书包”模式中，库房的处理逻辑是：订单随到随拣。只有这样才能满足1小时送达的极端时间要求。其次说配送端。要保证任何一位客户下单后，才能在1小时内收到货物，需要对整个配送物流体系作非常精密的控制，例如每个配送员一次配送的订单数量，配送员的出发、返回时间控制等等。而我们的目标是，对于做任意一个订单，都必须要在一个小时内完成送货。一个小时是库房发货和配送的总时间，如何分配时间呢？在处理中，我们可以从主观上将1小时内生成的客户订单划分成多个批次，并将配送人员同样分批，每个批次的配送人员负责一个批次的订单配送。理想情况下，可以假设订单的生成速度不变，为节省人力，并提高工作效率计，最佳的办法是将任务平均分配。通过研究一个批次，即可建立整体的模型。设每小时生成的订单量为M，配送员配送一单的时间为a小时，将1小时分为N个批次后，可以计算出所需要配送员的数量：* 每个批次中所需要处理的订单量为M/N；* 这M/N单货，库房最快能在1/N小时内处理完成，因此留给配送的时间为1-1/N=(N-1)/N；* 在(N-1)/N小时内，配送M/N单货，所需要的配送效率为(M/N)/[(N-1)/N]=M/(N-1)单/小时；* 如果配送员配送一单的时间为a小时，则一个批次需要的配送员数量为M*a/(N-1)，总共需要的配送员数量为M*N*a/(N-1)；* 考虑到在每一批次中至少需要1名配送员，故实际配备的配送员数量为MAX[N,M*N*a/(N-1)]；假设配送员配送一单的时间为6分钟（即每小时配送10单），则可以计算出不同单量，分不同批次（最低为2个批次）时需要多少配送员了。如下表所示，黄色行表示所分轮次，蓝色纵列表示每小时单量。从表中也可以看到，不同的批次分配情况下，所需要的配送员数量可能相同，这时候就按较少的批次安排。另外，在实际运营中，我觉得10批以上就非常难以管理了，因为其中毕竟存在着交接等环节。而这里计算到21批，只是理论上的探讨，不必深究。在不同的配送效率预设下，可以看到在这个模型下，所运行出的实际效率。如下图，是配送员的理论每小时配送单量从4单增加到10单时，在不同客户订单量下，计算出的实际配送效率。从图中可以看到，配送员的实际配送效率，是随着单量的增加，而逐渐趋近于其理论配送效率的。这就是说，在大单量的情况下，“快书包”模式，其配送环节与一般的B2C模式差别并不大。但是单量，正是“快书包”模式最大的短板。2. 困难重重：“一小时内送达”的要求决定了，在这一模式下，不可能采取当前B2C公司所普遍使用的建立大的物流中心，统一发货的做法，而是要在客户群集中的地方分别布点。一个点能够覆盖的区域，不可能超过以站点为员心，配送员的半小时行程为半径的一个圆（这是最理想情况）。而在实际运营中，配送任务随机分布，且必须上、下楼，等待客户，与客户交接，覆盖区域远小