O2O餐飲配送優化策略研究

孫田釗 王毓芳

(同濟大學經濟與管理學院 上海 200092)

O2O餐飲配送優化策略研究

孫田釗 王毓芳

(同濟大學經濟與管理學院 上海 200092)

隨著互聯網的日新月異和電子商務模式的蓬勃發展，O2O餐飲服務市場快速興起，O2O餐飲服務平臺隨之出現。本文以“美團外賣”平臺為范本，在外賣配送調度上，采用大數據的思想，通過SPSS軟件對訂單起訖點之間的距離進行聚類分析，進而對平臺的訂單數量、訂單起訖點等數據進行分析處理，提出改善策略。訂單的配送不再采用自主搶單、按單取酬的方式，而是在通過聚類分析得出的每一個類別的范圍內進行調度。研究表明這一方式不僅提高了配送效率，大大縮短了配送時間，防止惡性競爭，而且能夠降低平臺數據處理的負擔，使其在激烈的競爭中脫穎而出。

O2O餐飲;聚類分析;配送調度

一、引言

互聯網的飛速發展為線下商務提供網絡平臺，降低了成本，密切了企業與細分市場的關系，由此催生了O2O營銷模式的發展。近年來，O2O餐飲服務平臺正在國內快速興起，餓了么、美團外賣、百度外賣等餐飲平臺迅速發展，并由此引發了“紅包大戰”，雖然平臺可以借此迅速占領市場份額，然而這種補貼大戰在一定程度上給O2O餐飲服務平臺的發展帶來了資金短缺的壓力。本文將從O2O餐飲服務平臺的可持續發展著眼，研究如何利用大數據優化乃至重新設計線下配送運營和調度流程來提高效率、降低成本。

二、O2O餐飲平臺運營分析

(一)網上訂餐平臺+App+自助終端

用戶通過網上和手機App的方式來進行在線訂餐，訂餐流程方便易操作，符合現代人簡單、快捷的生活方式。相應地，餐飲外賣平臺的網站和App頁面也非常直觀，平臺主要有定位搜索、菜單查看、訂單狀態查詢、定時送達、優惠券提醒、用戶評價、在線客服等功能。用戶可以通過App查看商家是否營業、菜品能否提供以及選擇送單時間等。但是目前由于外賣配送時間難以把控，因此訂單往往無法在用戶指定時間內送達，大部分訂單送達時間超過半個小時。

入駐O2O平臺的餐廳，需要安裝訂餐終端。用戶在線上對某一家商家下單后，訂餐終端會自動進行提醒，并且顯示訂單的詳細信息，餐廳可以根據訂單進行制作，然后由外賣員進行配送。

(二)信息整合

目前外賣配送主要由第三方配送平臺和商家自主配送完成，餐飲O2O平臺將餐廳的信息整合之后統一發布，為用戶提供了一個多樣化的選擇平臺，同時將用戶和餐廳連接成餐飲領域的“淘寶網”。對于O2O平臺來說，最重要的是入駐平臺的商家數量、種類和使用平臺的用戶數量，而這兩者恰好相互關聯、相互影響。對于商家而言，注冊用戶數量多的平臺意味著更多的消費者和更大的市場;對于用戶而言，入駐商家越多的平臺則意味著更多的選擇和優惠，因此信息和流量是O2O平臺的運營發展的主要動力來源。

三、聚類分析

(一)數據收集

優化O2O餐飲平臺線下流程的配送與調度的關鍵在于外賣配送路線的優化我們首先要研究平臺上不同商家和消費者之間距離分布的特點，然后根據距離特征規劃配送新的配送流程和調度方式。本文收集了:商家分布、消費者分布、商家訂單數量①、商家和消費者之間的距離等數據。選取了同濟大學四平路校區、赤峰小區、密云大廈、遠洋廣場小區、鞍山八村住宅小區、同濟西苑小區、峰華大樓等7個消費者聚集地，選取了34家外賣商家②。通過美團外賣平臺顯示的配送距離和百度地圖的騎行距離對消費者聚集地和外賣商家之間的距離進行測量，得到距離分布表。

(二)數據處理

1.數據預處理

數據分析部分主要研究距離分布的特點，并且采用聚類分析的方法對數據進行處理，在聚類分析的過程中分別以:同濟大學四平路校區到各商家的距離、赤峰小區到各商家的距離、密云大廈到各商家的距離、遠洋廣場小區到各商家的距離、鞍山八村住宅小區到各商家的距離、同濟西苑小區到各商家的距離、峰華大樓到各商家的距離為7個變量。采用距離聚類分析的方法對變量有以下兩個要求:

(1)這些變量在不同研究對象上的值具有明顯差異;

(2)這些變量之間不能存在高度相關;

針對第一個要求，采用標準差、極差來檢驗變量數值在不同研究對象上是否具有明顯差異，計算結果如表1所示。

表1 變量數值在不同研究對象上的差異

通過以上數據可以看出，變量數值在不同研究對象上的極差、標準差都較大，說明數值之間存在較大差異，因此符合聚類分析對變量的第一個要求。

對于第二個要求，各個商家到7個消費者聚集地之間的距離是由雙方的地理位置決定的。小區、學校的分布是由市政規劃部門經過統一規劃、招標、建設，雖然商家一般偏好分布于人口相對聚集的小區、學校，但同時會受到店鋪租金、地段的影響。消費者在平臺上選擇外賣商家時受口味、價格、配送時間等多種因素的影響，因此7個消費者聚集地到不同商家之間的距離變量之間不存在高度相關性。

2.聚類分析

在研究中，我們采用SPSS軟件和K－均值聚類方法對數據進行聚類分析。表2為初始的距聚類中心，表3為進行5次迭代后的最終聚類中心，總共分為3大類別。

表2 初始聚類中心

表3 最終聚類中心聚類

根據以上的聚類分析的計算結果，對34個研究對象所屬的類別進行整理，最終結果如表4所示。

表4 不同研究對象所屬類別

3.類別分析

對于每一個類別中的研究對象到每一個消費者聚集地的距離數值計算平均值，根據平均值的特征對每個聚類添加標簽，如表5所示。

表5 不同類別中的研究對象到每一個消費者聚集地距離的平均值

根據以上不同的研究對象到每一個消費者聚集地之間的距離數值特征，按照0—800米、800—1500米、1500—2000米這三個標準對距離的平均值進行統計，結果如下表所示:

表6 不同類別中距離平均值的所屬范圍分布

(三)結論

通過以上數據分析過程可知:在同濟大學四平路校區、赤峰小區、密云大廈、遠洋廣場小區、鞍山八村住宅小區、同濟西苑小區、峰華大樓這7個消費者聚集地附近的34家外賣商家可以分為三類:第一類距離為0—800米，屬于短距離送餐商家，第二類距離為800—1500米，屬于短中距離送餐商家，第三類距離為1500—2000米，屬于中長距離送餐商家。至此，我們將原本雜亂無章的外賣商家進行了合理分類，找到了同一類別下商家的共同的距離特征，以此為基礎，平臺可重新制定相應的配送和調度規則。

四、優化方案

為了簡化模型，在不考慮口味偏好、服務態度等因素的前提下，基于上述聚類分析結果，我們給出以下優化對策:

(一)切片

外賣平臺一天中訂單數量的分布是不均衡的，一般訂單最為集中的時間段為:11:00—12:00、16:30—18:30;訂單較為集中的時間段為10:00—11:00、12:00—13:00、18:30—19:30;其余時間訂單的數量相對較少。如果平臺一直保持很高的數據處理能力，那么在較長一段時間內這些資源并沒有得到有效利用，反之，平臺則不能夠在繁忙的時間段內及時、有效地對訂單進行處理，從而無法滿足顧客的需求。

根據外賣平臺在訂單處理上的這一特點，建議根據不同時間段內訂單數量的情況，設置不同的切片時間間隔。在訂單最為集中的時間段每30s對平臺收到的訂單進行一次處理;在訂單較為集中時間段每60s對平臺收到的訂單進行一次處理;其余時間每3min對平臺收到的訂單進行一次處理。

(二)分類

外賣平臺通過歷史記錄將商家的地理位置和商家配送范圍內的消費者的位置進行定位，計算它們之間的距離，以距離為變量，通過聚類分析，將它們分成短距離送餐商家、中長距離送餐商家和短中距離送餐商家三類。

(三)擇類

廢除原有自主搶單、按單取酬的規則。按照聚類分析得出的三個類別，將商家進行劃分。將配送員分配到不同的商家類別中，然后配送員只能對各自所處的類別中的商家產生的訂單進行搶單配送。即選擇配送某一類別下的若干訂單。

(四)調度

通過計算每一個類別起訖點之間的直徑距離，用該距離除以配送員平均騎行時速得出平均配送時間，平臺目標送達時間 (不考慮商家訂單準備制作時間)除以平均配送時間得出配送員同時配送某一類別訂單的最大數量，防止出現配送員無限制搶單而導致的部分訂單配送時間過長。

(五)取酬

對同一類別里的訂單設置統一的底薪和每單報酬，配送員按類計酬而不僅僅是按單計酬。屬于短距離送餐商家的訂單數量多，但是單位配送費低;相反，屬于中長距離送餐商家的訂單數量少，但是單位配送費高，這樣能夠保證不同類別薪資的公平性，從而保證配送員選擇類別時的均一性，有效遏制惡性競爭。

【注釋】

①美團外賣APP月訂單數②數據來自美團外賣平臺

［1］楊博文，王靜.O2O餐飲外賣目標市場發展趨勢分析 ［A］.科教導刊－電子版 (上旬)，2015，(8):146－147

［2］肖昀澤.淺析我國O2O餐飲營銷模式存在問題及對策建議.農家科技 (下旬刊)，2014，(10):252－253

［3］徐興旺.如何進行O2O餐飲物流即時配送的“精耕細作”信息與電腦，2016，(5):1－4

［4］王實倩.我國餐飲O2O模式的發展狀況探究 ［A］.中國商貿，2015，(5):172－179