5 წლის წინ, იგივე დღის მიწოდება გრძნობს ლამაზი. დღეს, ეს არის ძირითადი მოთხოვნები. დიდი ტექნოლოგია - და მანქანული სწავლის ბომი, რომელიც იგი იწვევს - სინამდვილეში შეიცვალა მომხმარებლის ტვინებები: წაიკითხეთ, სანამ ხვალ არ არის πλέον ვარიანტი. ბაზარზე მუდმივად გააუმჯობესება ორმაგი ციფრული სიჩქარით, და თითქმის თითოეული ეფექტურობის გაუმჯობესება ახლა მოდის ML მოდელები, რომლებიც მოთხოვნებს, მარშრუტირება და ფასები. გაგზავნა (“30–45 წუთში”) უკვე დამოკიდებულია კარგად ტესტირება ალგორტატები: დამატებების იზრდება და იღებს მაქსიმალური მოთხოვნით, ტრანსპორტი, და ამინდი. მაგრამ ამჟამად, როდესაც სავაჭრო დააწკაპუნებს “გამთავსება 6 საათამდე დღეს,” ყველაზე პლატფორმაები გთავაზობთ ფასდაკლება დაფუძნებული სხეულის გრძნობა - არ ითვალისწინებს, თუ რამდენად კურსიერი საათები, რომ არჩევანი შეინარჩუნებს. Paradoxically, არ Amazon და Uber გამოქვეყნდა end-to-end ხელმისაწვდომობა ფასების ამ გადაზიდული გადაზიდვის ხაზები - მიუხედავად იმისა, რომ ისინი გაქვთ ყველაზე მდიდარი margin upside. მიწოდების ბაზარზე, დინამიური ფასები არის ძირითადი ბაზარზე მოთხოვნები - მაგრამ ყველაზე საზოგადოებრივი სტატიები განკუთვნილია რეალურ დროში მიწოდების და მოთხოვნების შეესაბამება (გალითად, ბალანსი ან "მართული" გადახდის). Instacart კი ეს ფასი გადაზიდვის windows განსხვავდება გადაზიდვის მოთხოვნით, ხოლო Uber Eats ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო. აღიარება დოკუმენტები აღიარება დოკუმენტები ამჟამად, ამჟამად, სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო სავაჭრო. Tesco ატარებს ფასი, რომელიც განსხვავდება პოსტის კოდი, დღე და დრო ფანჯარა, Ocado შეიცავს გადაზიდვის ღირებულება Amazon გთავაზობთ (გამთავრებული სტრატეგიული სტრატეგიული სტრატეგიული სტრატეგიული სტრატეგიული სტრატეგიული Prime Now როგორც უფასო 2 საათის vs. გადაიხადული 1 საათის. Slots შეინახეთ FLEXI-ის გადარჩენა Slots ხელმისაწვდომობა Amazon Day გაშვებული Slots შეინახეთ FLEXI-ის გადარჩენა Slots ხელმისაწვდომობა Amazon დღეს გაშვებული ეს ნათლად აჩვენებს, რომ ხანგრძლივი ფანჯარები სარგებლობენ retailers. თუმცა, ბაზარზე ჯერ კიდევ არ არსებობს end-to-end გადაწყვეტილება, რომელიც კონვერტებს batching ეფექტურობა და კურსიერი საათის შეზღუდვა ფასდაკლება მომხმარებელს რეალურად ნახოთ. ეს არის სიხშირე, რომელიც ამ ნაწილში შეხვდება: იგივე დღის ფანჯრის სიხშირე შეესაბამება პროგნოზებული მიწოდების საათის შეზღუდვისთვის და ეს ნათელი, ბედნიერი ფასის სინათლის გადარჩენა. This article distils the key ideas behind a solution I built to address the problem. The goal is to outline the framework, not describe any one company’s system. The approach links delivery-window width to the expected Supply Hour Economy (SH economy) and turns it into a price signal that’s fair for shoppers, couriers, and the platform. I’m sharing my approach to give ML engineers and last-mile delivery practitioners a concrete reference point — something practical to help move the field forward faster. Batching as a Key to Efficiency Batching როგორც ეფექტურობის კურსი მაღალი დონეზე, ბაზარზე აქვს ორი ძირითადი კომპონენტები: მოთხოვნები – მომხმარებელს შექმნილი მიწოდების მოთხოვნები რეალურ დროში. მიწოდება - კურსიერები, რომლებიც შეესაბამება ამ მოთხოვნებს. ყველაზე მარტივი შემთხვევაში, თითოეული კურსიერი ერთხელ მხოლოდ ერთი შეტყობინებას აძლევს. მაგრამ სიჩქარით, მოთხოვნები ხშირად უფრო მეტია, ვიდრე მიწოდება. ბევრი შეტყობინებები მოდის ნაკლებად, ასე რომ შეტყობინებები უფრო ეფექტურად უნდა გაკეთდეს (დაწვრილებით 1). მაგრამ რა ნიშნავს “ფუნქციონირებული”? ეს დამოკიდებულია, თუ როგორ ჩვენ აირჩიეთ ეს. აქ, ეფექტურობა არის დასრულებული მიწოდების საათის რაოდენობა გაზიარებული ხელმისაწვდომი კურსიერი საათის რაოდენობით: როგორ შეგვიძლია გაზრდის ეს ეფექტურობა? არსებობს მრავალფეროვანი სტრატეგიები - მაგრამ ერთ-ერთი ყველაზე მნიშვნელოვანია . Batching იმას ნიშნავს, რომ კურსიერი გთავაზობთ მრავალჯერადი ბრძანებებს ერთ დროს. ეს სისტემის თვისება მნიშვნელოვნად გაზრდის ეფექტურობა. batching Understanding Batching Delivery Logic Batching მიწოდების Logic ჩვენ ვფიქრობ, რომ ჩვენ გვაქვს ორი მიწოდების მოთხოვნა. თითოეული მოთხოვნა შეიძლება შეიცავდეს პერსონალური პერსონალი: Point A (Pickup) და Point B (drop-off). თითოეული მოთხოვნისთვის, მოთხოვნის საათები შეიძლება დააკმაყოფილოს — დრო, რომელიც საჭიროა მოგზაურობას A-დან B- ში, დააკმაყოფილოს ტრანსპორტი, ამინდი და სხვა პირობები. ეს არის მოთხოვნის მხარეს კომპონენტები. რა არის ჩვენი ვარიანტი? ერთ-ერთი გზა არის, რომ თითოეული მოთხოვნას განსხვავებული კურსიერი დაჯავშნა. ამ შემთხვევაში, კურსიერი დრო მოითხოვს ორივე რეალური მიწოდება (A to B) და - დრო, რაც კურსიერი მიიღებს Point A. ეს მუშაობს, მაგრამ ეს არ არის ძალიან ეფექტური. approach time ახლა ვფიქრობ, რა უფრო განიცდიან: ერთ კურსიერი გაქირავება მაგალითად, კურსიერი პირველ რიგში მოგზაურობდა მეორე მოთხოვნა A- ს, მოპოვებს იგი, შემდეგ წავიდება პირველი მოთხოვნის დატვირთვა, მიწოდება და ბოლოს მიწოდებს მეორე მოთხოვნა. both orders ამ სტრატეგიაში, კურსიერი იწყებს მწვანე მარშრუტი, რომელიც გამოიყენება ორივე და კომპონენტები - და ეფექტურობის ფორმულა წინა ნაწილში - ჩვენ შეგვიძლია კომპიუტერული ეფექტურობა. demand supply Intuition უნდა იყოს ნათელი ახლა: batching is a powerful lever for improving efficiency. SH Economy as the Principal Metric SH ეკონომიკა როგორც ძირითადი მეტრიკები თუმცა, უკეთესი არ არის, რომ შეამოწმოთ სატვირთო ხარისხის გამოყენებით საერთო ეფექტურობის მეტრიკები. ეფექტურობის ეფექტურობა შეიცავს მრავალფეროვანი გარე ფაქტორები, ასე რომ მიმოხილვა, რომელიც დამოკიდებულია მხოლოდ სატვირთო თვისებები არის უპირატესობა. Courier-time შეზღუდვა - ან SH ეკონომიკა (Supply Hour ეკონომიკა) - მომსახურება ამ მიზნით, შეკუმშვის შეზღუდვა მიწოდების საათები, რომელიც შეესაბამება batching. SH ეკონომიკა განკუთვნილია განსხვავებით საკრედიტო დრო, რომელიც საჭიროა, თუ ბრძანებებს დამოუკიდებლად გააკეთა, და დრო, რომელიც რეალურად გააკეთა, როდესაც საკრედიტო უზრუნველყოფს მთელი სარეცხი, რეიტინგული ფორმით: სტანდარტიზაციის მიერ დამოუკიდებელი მიწოდების საერთო მიღება dimensionless შედარებით, რომელიც შეიძლება ადვილად შედარებით პარიტები ნებისმიერი ზომის ან გეოგრაფიის. დასაწყისში დასაწყისში დასაწყისში დასაწყისში: 33 წუთი კურსიერის დრო Independent deliveries: 26 წუთი Batched route: ან ნაჩვენები A დასაწყისში დასაწყისში. ეს უზრუნველყოფს არ არის გავლენა გარე ცვლილებები ფართო გადაზიდვის ქსელის. SH economy of 0.21 21% reduction in supply hours a clean, batch-specific indicator, Increasing Batching Efficiency with Flexible-Window Delivery გაზრდის ეფექტურობა Batching ერთად Flexible-Windows მიწოდება გაფართოების ეფექტურობა გაუმჯობესება, როდესაც ექსპრესი მომსახურება შეესაბამება flexible window delivery. Express requests trigger , რომელიც შეზღუდავს მომხმარებლის დაწყების დრო - მაგრამ პლატფორმა არ გთავაზობთ დრო, რათა იპოვოთ ბატარეის შესაძლებლობები. immediate courier assignment შედარებით, - 30 წუთი, ორი საათის განმავლობაში, ან ნებისმიერი სხვა ამავე დღეში - გაგრძელებს მიწოდების დროის სპექტრი და საშუალებას გაძლევთ მოთხოვნას დაბალი დროის განმავლობაში დასრულდეს. ამ დასრულების დროს, არსებობს უფრო მაღალი შესაძლებლობა, რომ ახლო შეკვეთის მიწოდება, რომელიც საშუალებას გაძლევთ ორი შეერთდეს ერთი პარიტი და ერთ კურსიერი. a flexible window უფრო დიდი არის პლატფორმა უფრო მაღალი შესაძლებლობა წარმატებული batching. ეს იწვევს ნაკლებად მიწოდების საათები, უკეთესი გამოყენება courier დრო, და საბოლოოდ - დაბალი ფასები მომხმარებელს. pairable requests, პრაქტიკაში, უფრო ფართო მიწოდების ფანჯრები გააუმჯობესებენ პარამეტრების მოთხოვნებს, რაც გაზრდის პლატფორმა სიზუსტით და, ამავე დროს, SH ეკონომიკას. Pricing Flexible-Window Delivery Flexible Window გადაზიდვის ფასები ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო ფართო. ყველაზე ბაზარზე უკვე მუშაობს სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის სინათლის... შეიძლება შეიცავდეს ორი multiplicative კომპონენტები: a dynamic pricing engine the cost per order (CPO) — დინამიური ძირითადი ფასი, რომელიც დასაწყისში იღებს რეალურ დროში სინთალებს, როგორიცაა მოთხოვნა, კურსიერების ხელმისაწვდომობა, ტრანსპორტი, ამინდი და სხვა ოპერაციული ფაქტორები. CPO_base — ფასდაკლება ქსელის სიზუსტით. ამ კომპონენტს შემცირებს საბოლოო ფასი, რათა იმიტომ, რომ კურსიერების დროის შეუზღუდავი გაუმჯობესება შეუზღუდავი. CPO_economy(window_width) ძირითადი საქმიანობა არის CPO_economy(window_width) ფუნქციას გაეცნოს, ხოლო მიმდინარე CPO_base(·) არ არის დაზიანებული, რადგან სწრაფი გადაზიდვის ფასები უკვე მუშაობს, როგორც მიზნით. Quick Example სწრაფი მაგალითები გთხოვთ გააკეთოთ მარტივი შეფასება. მიუთითეთ, რომ ერთი წუთი კურსიერი დრო ღირს $ 0.20. ორი შეკვეთის გადაზიდვა დამოუკიდებლად იღებს 33 წუთი, ასე რომ ღირებულება თითოეული შეკვეთი არის: **==33 × $0.20 = $6.60==** ახლა, თუ უფრო ფართო გადაზიდვის ფანჯარა საშუალებას იძლევა ორი შეკვეთის შეფუთვა, კურსიერების დრო 26 წუთი, რაც ღირებულება შემცირებს: **==26 × $0.20 = $5.20==** The SH economy in this case is: **==(33 − 26) / 33 ≈ 0.21==** ეს იწვევს 21% შემცირება მიწოდების საათები - და მომხმარებლის გადახდის დაახლოებით 21% შემცირება. ასე რომ, სინამდვილეში ეხება SH- ის ღირებულება. pricing flexible-window options reduces to an analytical problem: იმიტომ, რომ ფასები უნდა გამოჩნდეს მომხმარებელს ამავე დღეში მრავალფეროვანი ფანჯარა, ისინი უნდა იყოს up front, the courier-time savings can’t be calculated after the fact predicted in advance. From Baseline to ML-Based SH Economy Forecasts ML-Based SH ეკონომიკური პროგნოზი ბუნებრივი დასაწყისში არის მუდმივი პროგნოზი: გამოიყენეთ ისტორიული რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, რა თქმა უნდა, ეს არის. ორივე მხარეს და spike at — მოდის შეტყობინებები დაბალი სიზუსტით რეგიონებში, რომლებიც არასამთავრობოდ შეუძლიათ შეტყობინება. average the SH economy heavy tails zero ერთ-ერთი საშუალო დამოკიდებულება იღებს ამ ნიმუშებს და ხდის ფული მაგიდაზე. Why ML is Needed რატომ უნდა იყოს ML გაუმჯობესება პროგნოზი ხარისხი მოითხოვს ML-based პროგნოზი. მაგრამ ინტეგრირება მანქანა კვლევების ფასი არ არის მინიმალური: ნებისმიერი პროგნოზი discount ხდება კლიენტს ჩასვლა. ეს იმას ნიშნავს, რომ მოდელი უნდა შეესაბამება ერთად ყველა მომხმარებლის სფეროში. a real commitment predictive power high reliability როგორც ჩვეულებრივ, ასეთი სისტემა შექმნილია. Three key challenges Defining the target პირველი და ყველაზე ნათელი კითხვა არის: რა თქმა უნდა, რომ მოდელი უნდა გააკეთოს პროგნოზი? SH ეკონომიკის ფორმულა. იგი შედარებით ორი რაოდენობა: დამოუკიდებელი მიწოდება: რამდენიმე წუთი კურსიერი წუთი გაქვთ, თუ თითოეული შეკვეთის შეკვეთის გაკეთება განსხვავებული კურსიერი გაქვთ? **Batched გადაზიდვა:** რა წუთები ნამდვილად გაქვთ, როდესაც ამ ბრძანებებს ერთჯერობით გადაზიდვა? მეორე ღირებულება იწვევს რეალური ლოგები (თუ ზოგიერთი გაწმენდა). პირველი არის კონფიდენციალურობის - ასე რომ უნდა იყოს it never happened, forecast. მიუხედავად იმისა, რომ მარტივი მაგალითად, solo მიწოდება მოიცავს: Pickup Point- ს დასაწყისში, A → B მოგზაურობა დრო, და წარმოების: დაწყების დრო pickup, hand-off დრო, ხაზები და ა.შ. თითოეული ეს ელემენტები არის განსხვავებული პროგნოზი - და თითოეული პროგნოზი შეიძლება იყოს შეუზღუდავი. კმაყოფილების თავიდან ავიცილოთ, საერთო უნდა იყოს ასე რომ, რომ შეესაბამება იმიტომ, რომ ისტორიული მონაცემები შეესაბამება. bias-corrected predicted solo time Where: Sheconomy (batch) — ხდება რეალურად SH(დაპირება i) — პროგნოზი SH(Batch) — რეალური კიდევ ერთი ცოდნა არის, რომ ფასი დასრულდა მაგრამ SH ეკონომიკა განთავსებულია ასე რომ ჩვენ უნდა მოთხოვნების საათის ნეიური გაზიარება არ არის იდეალური - რადგან არ არის distance. პრაქტიკაში, ჩვენ გათავისუფლება SH ეკონომიკა — იგივე რაოდენობა, რაც მოდელი მხოლოდ პროგნოზი. per order, per batch. allocate the economy across orders. customers pay for courier time, proportionally to predicted supply hours per order ამ გადარჩენა შექმნა საბოლოო შეკვეთის ტრენინგი მიზნით, რომელიც შეესაბამება დაბრუნება ნამდვილად სატვირთო დონეზე SH ეკონომიკის შემდეგ მიწოდება. Volatility & drift მეორე შეზღუდვა არის მიზნების ბუნებრივი შეზღუდვა. როდესაც საშუალო SH ეკონომიკა გაგრძელდება ხანგრძლივი დროის განმავლობაში, კრემა არაფერია, ვიდრე მუდმივი: ნედლეულის დისკზე იღებს დეკემბერი (კამარი), და უფრო ფართო სეზონური ხაზები იმიტომ, რომ ზამთრის ზაფხულში და წელიწადში დასრულდება. ასეთი დისკზე იძლევა მარტივი "ხვეულებრივი" მოდელი უარყოფითი. ფუნქციონალური ფუნქციონები დამოკიდებულია მხოლოდ სთავაზობთ: შერჩეული მიწოდების ფანჯარა, დღეში დრო, კვირაში დღე და გეოგრაფიის. კვირაში მოთხოვნების მოთხოვნები განსხვავდება კვირაში, და დაჯავშნა სიზუსტით დიდი ქალაქში განსხვავდება მცირე მილიონი-პლუს ქალაქში, ასე რომ ეს კლასიკური სინათლის აღჭურვილობა აღჭურვილობა. ეს შეიცავს სტატისტიკური თვისებები, რომლებიც შეტყობინებენ ბაზარზე ამჟამად: მოთხოვნების და მიწოდების rolling densities, plus carefully crafted target-like features — short-term averages of recent SH economy. The latter are especially informative but must be handled with care; otherwise, the model risks leaking future information. Right lagging and windowing keeps these target-like signals safe while still letting the predictor react to real-time shifts in batching efficiency. “მართობი” ფუნქციები – დამოკიდებულია მხოლოდ სთავაზობთ chosen delivery window time of day/day of week geography “ სტატისტიკური” ფუნქციები – აღწერა მიმდინარე ბაზრის სტანდარტებს Rolling მოთხოვნების density Rolling მიწოდების density ზუსტად შეუზღუდავი target-like ფუნქციები (სახლესი საშუალო SH ეკონომიკის) Feedback loops left uncontrolled მოდელის საკუთარი პროგნოზები განკუთვნილია მიზნით, რომელიც მოითხოვს პროგნოზი. გაუმჯობესეთ მოთხოვნო SH ეკონომიკას, და მოდული ფანჯარა მიწოდების გამოცემული ფასი იღებს. დაბალი ფასი უპირატესობა უფრო მომხმარებელს აირჩიოს მუდმივი ვარიანტი, რომელიც, როგორც წესი, გაზრდის სტატისტიკა და გაუმჯობესებს რეალური SH ეკონომიკას. მიზნის მიწოდება გაგრძელდება. განიხილეთ, თუ როგორ უნდა გააკეთოთ ეს, თუ როგორ უნდა გააკეთოთ ეს, თუ როგორ უნდა გააკეთოთ ეს, თუ როგორ უნდა გააკეთოთ. Continuous re-training: მოდელები განახლებულია უახლესი მონაცემები, ჩვეულებრივ, გაძლევთ საშუალებას იპოვოს გადაზიდვის შეფუთვა slow-window order. გაფართოების გაზაფხულები: თითოეული უახლესი მოდელი შედარებით მიმდინარე მოდელი. თუ გაფართოების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულების გაზაფხულება. ეს ციკლი უზრუნველყოფს ფასი სისტემის სტაბილურობა, მიუხედავად იმისა, რომ მომხმარებლის ქცევა - და ასე შემდეგ SH ეკონომიკის მიზანი - მუდმივად განვითარება. Conclusion კონტაქტი იგივე დღეში ბოლო მაისის მიწოდება არ შეიძლება გააუმჯობესდეს მხოლოდ კურსიერების გაუმჯობესებით ან გაუმჯობესებით ბრაუზმენტებს. რეალური გაუმჯობესება არის batching. ერთხელ გადაზიდვის ფანჯარა შეესაბამება დასაწყისში — Relative courier-time saving, რომელიც batch იღებს — პროგნოზი SH ეკონომიკა თითოეული შეთავაზება და გადაიხადოს, რომ შეზღუდვა ფართო ფასდაკლება. Supply-Hour Economy (SH economy) dynamic pricing became a machine learning problem: Three technical hurdles shaped the solution: Predict the solo courier minutes for each request, then allocate the future batch’s savings back to its orders in proportion to those minutes. Turn a batch metric into an order target. Absorb seasonality and daily shocks with a two-tier feature set: stable content-based signals (window length, time, geography) and rolling marketplace statistics (demand, supply, lagged SH economy). Stabilise a volatile target. Continuous retraining keeps the model aligned with the behaviors it creates, while distribution guardrails trigger A/B testing when predictions drift. Control the feedback loop. Two more layers — and — work behind the scenes to keep the system stable and trustworthy in production. robust experimentation the dynamic strategies of large shippers Public, end-to-end cases of flexible-window pricing remain rare. Sharing real-world lessons helps the industry move faster toward tomorrow’s customers will take for granted. the friction-free, on-demand marketplaces
