供應鏈:入倉推薦淺析
編輯導讀:入倉推薦是指在采購一批商品之后,由系統(tǒng)為用戶提供入倉倉庫和數(shù)量。進入哪個倉庫才會讓后續(xù)的成本更低呢?針對這個問題,本文作者展開了四方面的分析,希望對你有幫助。
入倉推薦是指,售賣方在采購一批商品后,基于有多個可用倉庫的前提,由系統(tǒng)為用戶提供入倉倉庫及入倉數(shù)量。
在供應鏈的發(fā)貨鏈路中,我們通常會考慮通過合單、選擇低價物流、選擇離用戶最近的倉庫發(fā)貨等方式降低履約成本。但是,所有決策的基礎商品的存儲倉庫已經(jīng)固定了,因此也在一定程度上限定了成本降低的可能性。那么怎么讓商品一開始就可以去到后續(xù)成本更低的倉庫呢?
今天我們就來分享下簡單的入倉推薦的決策吧。
一、為什么需要入倉推薦
履約成本(從用戶下單到商品送到用戶手中的成本,此處不包含商品本身的成本)主要由以下部分組成:訂單處理成本、人工(倉庫揀貨包裝)成本、包材成本、存儲成本(倉庫分攤成本,包含倉租水電、固定資產(chǎn)折舊等)、物流成本。
其中人工、存儲成本是直接與倉庫相關,物流成本則是間接相關。而這三項成本基本上占到履約成本的70~80%。也就是說,一旦商品入倉,那么可變動的履約成本基本上就很少了。因此我們應該把握源頭,讓商品一開始就進入“對的”倉。
對于自營電商平臺,甚至是稍微有些末的淘寶店來說為了更快滿足用戶訴求、提升用戶體驗,基本上都存在區(qū)域分倉的情況。
即全國不同區(qū)域都有倉庫(倉庫密度按實際體量和訴求有所不同),這就涉及到每次采購的商品應該入庫到哪個倉庫,才可以使后期成本更低。
當倉庫數(shù)量少時,還可以通過人工經(jīng)驗判斷,貨品的分倉比例(當然,這對人員的要求還是很高的,他需要了解各地的銷售情況、物流成本等大量基礎數(shù)據(jù))。而倉庫數(shù)量過多時,人為判斷幾乎是不可能的了。
二、基礎數(shù)據(jù)的準備
1. 倉庫基礎數(shù)據(jù)
對于倉庫來說,需要明確其運營類目、庫容、人工成本和合作物流這四大基本要素。
2. 貨品基礎信息
重量,體積(拋貨需要考慮體積),組合商品,歷史銷售數(shù)據(jù)。
3. 物流基礎信息
覆蓋區(qū)域,配送時效,物流價格。
4. 供應商基礎信息
可配送范圍,起送量。
基于以上基礎信息,系統(tǒng)可以根據(jù)既定策略計算預計成本并演算最優(yōu)入庫方案。
下面我們來看下上述的基礎數(shù)據(jù)在運算過程中是如何使用的。
三、策略概述
1. 可用倉庫篩選
要選擇入庫倉庫,首先要明確,哪些倉庫是當前這次決策可用的。根據(jù)供應商可配送范圍和倉庫位置、倉庫運營類目和商品類目、當前可用庫容>0的匹配篩選可用倉庫列表。
2. 相關成本分解
入倉推薦的目標是降低后期履約成本,那么我們需要先了解下入庫倉庫可以影響哪些成本:存儲成本、人工成本、物流成本。針對成本進行分解,計算每個可用倉庫的預計未來履約成本。
存儲成本中除了倉租水電的分攤外,還包含固定資產(chǎn)的分攤。存儲成本通常需要根據(jù)該倉庫的合同(固定)及歷史費用(水電等非固定)計算均值。需要注意的是,存儲成本的計算還會涉及都商品的平均周轉天數(shù)。
如A倉日均單件商品存儲金額是0.1RMB/件(通過租金和庫存量計算),而商品X平均周轉天數(shù)為30天,那么對于單件X商品而言,其占用的存儲成本為3RMB。
單件存儲成本=(日倉租+日固定成本分攤)*單品周轉天數(shù)/日均庫存數(shù)
人工成本通??煞譃?大類:固定的包干成本和人員工資。包干成本是指倉庫方提供給平臺甲方的報價,按固定的N元/包裹(或階梯)的方式;人員工資則是每月按照實際倉庫人員工資進行結算,需要按照實際發(fā)貨的包裹數(shù)分攤到包裹來核算單包裹的人工成本。
單包裹人工成本=倉庫報價或總工資數(shù)/總發(fā)貨包裹數(shù)
物流成本則是指商品從所存儲的倉庫發(fā)往目的地實際物流費用,通常可以根據(jù)物流公司提供的報價結合包裹重量計算得出。
單件物流成本=根據(jù)收發(fā)貨地、商品重量和物流計費規(guī)則(首續(xù)重等)計算物流費用
人工成本從倉庫發(fā)貨維度只能計算到單包裹的費用而無法精確到單品分攤費用,通常要按包裹中商品件數(shù)分攤。
物流成本雖然在表面上看計算除了單件成本,但實際上物流的維度也是基于每個包裹的,而一個包裹中往往是不止單件商品的,這就會導致上面計算出的單件物流成本實際是偏高的,也需要按照單品再進行分攤。
這就需要使用包裹中的商品結構,即歷史訂單數(shù)據(jù)進行拆解。用戶購買此商品時是否同時還會購買其他商品?應該如何進行分攤?
3. 銷售數(shù)據(jù)分析
基于此商品歷史區(qū)域銷售占比(如果是季節(jié)性商品則需參考往年同期銷售)。注意,銷售的數(shù)量預測在采購計劃中已經(jīng)完成,在當前的步驟中只需要區(qū)分不同區(qū)域的不同銷售量的占比。
以下為示例:
關聯(lián)商品是指,用戶采購該商品時,有超出n%的比例會同時采購另一商品(n由平臺自行定義),此時稱這兩款商品存在關聯(lián)。
關聯(lián)商品的引入,可用于物流成本和人工成本的分攤。
舉個簡單的例子:對于杭州-江干用戶來說,購買商品X時,總有90%的用戶同時會購買商品A。那么如果倉庫中同時有A商品庫存,則認為后期發(fā)出的包裹中有80%是A+X合包裹,A、X重量相同。其物流成本和人工成本都需要按照件數(shù)和重量進行對應的分攤。在下圖中,分攤后倉1到杭州-江干的成本是低于倉2的成本的。
同樣的,單筆銷售件數(shù)的數(shù)量指的是每單(包裹)用戶購買此單品的數(shù)量,此數(shù)量用于單件商品分攤人工、物流成本?;谝陨?,可以計算出X商品入指定倉后單件的物流成本和人工成本。
單件物流成本=(A+X)共同銷售占比*X重量*(A+X)運費/(A+X)總重量 + [1-(A+X)共同銷售占比]*X運費
單件人工成本=(A+X)共同銷售占比*1*單包裹人工費/(A+X)總商品件數(shù)+[1-(A+X)共同銷售占比]*單包裹人工成本
A表示除單件X之外其他任何商品組合,實際為枚舉。
4. 計算模型
可用倉庫W1,W2…Wn,總采購量P,分配到每個倉庫的入庫量分別為p1,p2…pn,供應商起發(fā)量為Limit1;倉內(nèi)庫存為i1,i2…in,庫存上限I1,I2…I3;倉庫的總單件成本分別為c1,c2…cn(已包含三項成本),預估未來總成本為Target。
求解目標即為:求出p1,p2…pn使Target最小。
- Target=p1*c1+p2*c2+…+pn*cn;
- 約束1:P=p1+p2+…+pn;
- 約束2:p1,p2…pn≥Limit1;
- 約束3:i1+p1≤I1,i2+p2≤I2…i n+pn≤I n;
四、總結
以上是一個比較簡單的入倉推薦的算法,考慮的約束因子實際上并不是十分全面的。
比如上述例子中并沒有考慮到時效問題(包括物流時效和倉內(nèi)發(fā)貨能力上限決定的出庫時效),默認時效均可達到訴求,如果對于時效要求比較高的場景,建議對時效和成本分別增加權重,取綜合最優(yōu)方案。
此外,也沒有考慮到供應商的送貨成本分攤,這取決于供應商價格協(xié)議,如果是甲方承擔,則這部分成本也需要進行考慮。
此外,以上分析是基于此單品有過一定量歷史銷售數(shù)據(jù)的前提,如果是新品,則建議參考同品類其他商品的歷史銷售。
大家可以一起再思考下,還有什么因子是可以考慮進去的。
入倉推薦的本質(zhì)實際上是“基于銷售數(shù)據(jù)(預測),計算未來最低成本”,因此這個推薦策略實際也是適用于日常區(qū)域調(diào)配、開倉。既然是基于預測的,那么就有存在波動影響實際成本的可能。在實際應用中,應當監(jiān)控波動,實時調(diào)整?。?
希望今天的分享可以對你有所幫助。
作者:麋鹿產(chǎn)品,公眾號:麋鹿產(chǎn)品手冊
本文由 @麋鹿產(chǎn)品手冊 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉載。
題圖來自Unsplash,基于CCO協(xié)議。
基于現(xiàn)有的入倉推薦算法,你們現(xiàn)在超區(qū)的情況如何?