IT, 23 июл 2020, 15:00

Как «Самокат» держит руку на пульсе покупателя с помощью ИТ

Читать в полной версии
Фото: РБК Тренды
«Самокат» — сервис быстрой доставки продовольственных товаров, работающий в Москве и Санкт-Петербурге. Что делают в компании, чтобы решать любые логистические проблемы в реальном времени или еще до их возникновения?

Об эксперте: Родион Шишков, основатель сервиса экспресс-доставки «Самокат».

Даже в 2020 году классический ретейл и логистика в России работают со значительным временным лагом из-за разорванных горизонтов планирования и технических возможностей 20-летней давности. Чтобы гречка появилась в магазине около вашего дома, за 36 часов до этого она должна быть доставлена в распределительный центр сети, а за неделю — введена в матрицу продуктов и заказана у поставщика. А еще нужно время, чтобы законтрактовать продукт.

Операционная модель «Самоката» подразумевает мгновенную реакцию на любую проблему на каждом из этапов цепочки предоставления сервиса. Клиенты получают продукты за 15 минут и для соблюдения этого показателя мы не можем позволить себе мониторить состояние распределительных центров каждые два часа.

Работа нашей системы основана на прогнозах поведения покупателей, работы логистической сети, курьеров и мгновенном реагировании на ситуации, когда реальность начинает отклоняться от прогнозов. Например, если мы видим, что сегодня гречка продается быстрее, чем мы прогнозировали, мы можем сразу скорректировать объемы заказов у поставщиков, перераспределить уже имеющиеся на наших складах продукты, перебросить минимальное количество товара в конкретный даркстор.

Чтобы разработать такую систему, мы применили принципы и метрики, присущие ИТ-индустрии — распределенность и реальное время. Благодаря этому мы можем оперативно реагировать на изменения рынка и мгновенно видеть результат. Операционные решения применяются без участия человека и отражаются на всей ИТ-системе: через изменение заказов поставщикам, корректировки количества и распределения курьеров, перераспределение товаров.

«Миша, спасибо! Ждем тебя в 12:45»

Нашим системам делегировано принятие многих решений, они действуют предсказуемо, но автоматически. Таких «роботов по принятию решений» с общим архитектурным принципом сегодня у нас 35-40, а через полгода их может быть до 500. В некоторых случаях они выполняют простые линейные вычисления. Например, на основе роста количества заказов на 4% в первые два часа работы склада сложный алгоритм обновляет прогноз по продажам на весь день, указывает, как изменятся показатели третьего, четвертого и 12-го часов работы.

Благодаря этим данным мы можем мгновенно увеличивать количество курьеров. Система предсказывает рост заказов в ближайшие три-пять часов и реагирует. Наши курьеры, которые не планировали сегодня работать, получают приглашение выйти. И уже через полчаса у нас появляется больше сотрудников для доставки заказов.

Один алгоритм считает, сколько не хватает курьеров. Другой — смотрит, кто из наших сотрудников исторически работает в нужном районе, чаще откликается на предложения отработать короткую смену. Тогда робот генерирует последовательность получения уведомлений курьерами. После отклика на приглашение курьер получает пуш: «Миша, спасибо! Ждем тебя в 12:45». Придя на склад, он зачекинится, откроет смену и пойдет выполнять заказы.

В обратную сторону эта система не работает. У нас не бывает ситуаций, чтобы курьер, вышедший на полный день, получал отбой раньше окончания смены. Базово мы считаем, что если мы вызвали курьеров, а им нечем заняться, то это наша проблема.

ИТ-архитектура «Самоката»

Система управления даркстора. Группа систем, которая рассчитывает маршрут курьера, обслуживание холодильников, управляет остатками товаров на конкретном складе.

«Мой Самокат». Система работы с курьерами, которая регулирует их число в реальном времени. Отвечает за найм, управление сменами, взаимодействие с компанией по любому вопросу, за исключением процесса доставки.

Группа логистических систем. Управляют расписанием транспорта, формируют конкретные заказы. Прогнозируют результаты технических сбоев. Принимают решения, как перераспределить товары, если, например, какая-то машина сломалась и не приехала.

Матрица. Система управления ассортиментом. Алгоритм анализирует, каких товаров не хватает пользователям и на основе этой информации мы пополняем ассортимент, привлекаем новых поставщиков. Также матрица позволяет сегментировать инфраструктуру, определять, какие склады находятся в районах, например, с потребностью в широком подмножестве товаров, а в каких — нужна смещенная матрица с большим количеством закусок и меньшим — дорогих сыров.

Витрины. Это большой набор систем, определяющих, какому пользователю какие товары показывать, в какой последовательности. Инструменты операционной системы схожи с решением для классического интернет-магазина, тем не менее имеют свою специфику.

Поддержка. Группа систем, включающая все возможности для клиента, позволяющая реагировать на его потребности мгновенно и не прерывать бизнес-процессы, так как каждая секунда стоит очень дорого. В эту систему интегрированы возврат, изменение состава заказа и многое другое.

Финансы. Группа систем, в реальном времени демонстрирующая изменения всех важных показателей.

Боль и трудности

Запуская наш сервис два года назад и продумывая ИТ-архитектуру, мы собрали все подходящие решения, которые были на рынке, а маршрутизатор для сборки заказов сделали сами. Структура работы и планирования, описанная выше, выстроилась не сразу — к ней мы пришли через трудности.

Например, поначалу мы пользовались сторонним сервисом формирования витрин. Это продукт для интернет-магазинов. Но ни одно из подобных решений не умеет показывать и эффективно управлять одновременно большим количеством витрин одного магазина. Они не способны показывать одновременно два-четыре или 1024 разных варианта доступности ассортимента (а нам это нужно для разных районов, так как в каждом из них в моменте недоступны те или иные продукты). Сторонние решения справлялись, когда у нас было несколько дарксторов. Но когда мы начали открывать по 20 точек в месяц, сторонний сервис стало рвать на части.

Стало понятно, что в основном мы должны работать в самописных продуктах. Поэтому сначала мы сделали надстройку для стороннего сервиса, а потом заменили покупной движок на собственный.


Подписывайтесь на Telegram-канал РБК Тренды и будьте в курсе актуальных тенденций и прогнозов о будущем технологий, эко-номики, образования и инноваций.

IT Цифровая трансформация Инновационный бизнес Искусственный интеллект Социальные изменения Agile Кейсы компаний Ретейл
Главное