|供应链:入仓推荐浅析


编辑导读:入仓推荐是指在采购一批商品之后 , 由系统为用户提供入仓仓库和数量 。 进入哪个仓库才会让后续的成本更低呢?针对这个问题 , 本文作者展开了四方面的分析 , 希望对你有帮助 。
|供应链:入仓推荐浅析
本文插图

入仓推荐是指 , 售卖方在采购一批商品后 , 基于有多个可用仓库的前提 , 由系统为用户提供入仓仓库及入仓数量 。
在供应链的发货链路中 , 我们通常会考虑通过合单、选择低价物流、选择离用户最近的仓库发货等方式降低履约成本 。 但是 , 所有决策的基础商品的存储仓库已经固定了 , 因此也在一定程度上限定了成本降低的可能性 。 那么怎么让商品一开始就可以去到后续成本更低的仓库呢?
今天我们就来分享下简单的入仓推荐的决策吧 。
|供应链:入仓推荐浅析
本文插图

一、为什么需要入仓推荐
履约成本(从用户下单到商品送到用户手中的成本 , 此处不包含商品本身的成本)主要由以下部分组成:订单处理成本、人工(仓库拣货包装)成本、包材成本、存储成本(仓库分摊成本 , 包含仓租水电、固定资产折旧等)、物流成本 。
其中人工、存储成本是直接与仓库相关 , 物流成本则是间接相关 。 而这三项成本基本上占到履约成本的70~80% 。 也就是说 , 一旦商品入仓 , 那么可变动的履约成本基本上就很少了 。 因此我们应该把握源头 , 让商品一开始就进入“对的”仓 。
对于自营电商平台 , 甚至是稍微有些末的淘宝店来说为了更快满足用户诉求、提升用户体验 , 基本上都存在区域分仓的情况 。
即全国不同区域都有仓库(仓库密度按实际体量和诉求有所不同) , 这就涉及到每次采购的商品应该入库到哪个仓库 , 才可以使后期成本更低 。
当仓库数量少时 , 还可以通过人工经验判断 , 货品的分仓比例(当然 , 这对人员的要求还是很高的 , 他需要了解各地的销售情况、物流成本等大量基础数据) 。 而仓库数量过多时 , 人为判断几乎是不可能的了 。
二、基础数据的准备
1. 仓库基础数据
对于仓库来说 , 需要明确其运营类目、库容、人工成本和合作物流这四大基本要素 。
2. 货品基础信息
重量 , 体积(抛货需要考虑体积) , 组合商品 , 历史销售数据 。
3. 物流基础信息
覆盖区域 , 配送时效 , 物流价格 。
4. 供应商基础信息
可配送范围 , 起送量 。
|供应链:入仓推荐浅析
本文插图

基于以上基础信息 , 系统可以根据既定策略计算预计成本并演算最优入库方案 。
下面我们来看下上述的基础数据在运算过程中是如何使用的 。
三、策略概述
1. 可用仓库筛选
要选择入库仓库 , 首先要明确 , 哪些仓库是当前这次决策可用的 。 根据供应商可配送范围和仓库位置、仓库运营类目和商品类目、当前可用库容>0的匹配筛选可用仓库列表 。
|供应链:入仓推荐浅析
本文插图

2. 相关成本分解
入仓推荐的目标是降低后期履约成本 , 那么我们需要先了解下入库仓库可以影响哪些成本:存储成本、人工成本、物流成本 。 针对成本进行分解 , 计算每个可用仓库的预计未来履约成本 。
存储成本中除了仓租水电的分摊外 , 还包含固定资产的分摊 。 存储成本通常需要根据该仓库的合同(固定)及历史费用(水电等非固定)计算均值 。 需要注意的是 , 存储成本的计算还会涉及都商品的平均周转天数 。
如A仓日均单件商品存储金额是0.1RMB/件(通过租金和库存量计算) , 而商品X平均周转天数为30天 , 那么对于单件X商品而言 , 其占用的存储成本为3RMB 。
单件存储成本=(日仓租+日固定成本分摊)*单品周转天数/日均库存数
人工成本通常可分为2大类:固定的包干成本和人员工资 。 包干成本是指仓库方提供给平台甲方的报价 , 按固定的N元/包裹(或阶梯)的方式;人员工资则是每月按照实际仓库人员工资进行结算 , 需要按照实际发货的包裹数分摊到包裹来核算单包裹的人工成本 。
单包裹人工成本=仓库报价或总工资数/总发货包裹数
物流成本则是指商品从所存储的仓库发往目的地实际物流费用 , 通常可以根据物流公司提供的报价结合包裹重量计算得出 。
单件物流成本=根据收发货地、商品重量和物流计费规则(首续重等)计算物流费用
人工成本从仓库发货维度只能计算到单包裹的费用而无法精确到单品分摊费用 , 通常要按包裹中商品件数分摊 。
物流成本虽然在表面上看计算除了单件成本 , 但实际上物流的维度也是基于每个包裹的 , 而一个包裹中往往是不止单件商品的 , 这就会导致上面计算出的单件物流成本实际是偏高的 , 也需要按照单品再进行分摊 。
这就需要使用包裹中的商品结构 , 即历史订单数据进行拆解 。 用户购买此商品时是否同时还会购买其他商品?应该如何进行分摊?
|供应链:入仓推荐浅析
本文插图

3. 销售数据分析
基于此商品历史区域销售占比(如果是季节性商品则需参考往年同期销售) 。 注意 , 销售的数量预测在采购计划中已经完成 , 在当前的步骤中只需要区分不同区域的不同销售量的占比 。
以下为示例:
|供应链:入仓推荐浅析
本文插图

关联商品是指 , 用户采购该商品时 , 有超出n%的比例会同时采购另一商品(n由平台自行定义) , 此时称这两款商品存在关联 。
关联商品的引入 , 可用于物流成本和人工成本的分摊 。
举个简单的例子:对于杭州-江干用户来说 , 购买商品X时 , 总有90%的用户同时会购买商品A 。 那么如果仓库中同时有A商品库存 , 则认为后期发出的包裹中有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数和重量进行对应的分摊 。 在下图中 , 分摊后仓1到杭州-江干的成本是低于仓2的成本的 。
|供应链:入仓推荐浅析
本文插图

同样的 , 单笔销售件数的数量指的是每单(包裹)用户购买此单品的数量 , 此数量用于单件商品分摊人工、物流成本 。 基于以上 , 可以计算出X商品入指定仓后单件的物流成本和人工成本 。
单件物流成本=(A+X)共同销售占比*X重量*(A+X)运费/(A+X)总重量 + [1-(A+X)共同销售占比]*X运费
单件人工成本=(A+X)共同销售占比*1*单包裹人工费/(A+X)总商品件数+[1-(A+X)共同销售占比]*单包裹人工成本
A表示除单件X之外其他任何商品组合 , 实际为枚举 。
4. 计算模型
可用仓库W1,W2…Wn , 总采购量P , 分配到每个仓库的入库量分别为p1 , p2…pn , 供应商起发量为Limit1;仓内库存为i1 , i2…in , 库存上限I1 , I2…I3;仓库的总单件成本分别为c1 , c2…cn(已包含三项成本) , 预估未来总成本为Target 。
求解目标即为:求出p1,p2…pn使Target最小 。

  • Target=p1*c1+p2*c2+…+pn*cn;
  • 约束1:P=p1+p2+…+pn;
  • 约束2:p1,p2…pn≥Limit1;
  • 约束3:i1+p1≤I1,i2+p2≤I2…i n+pn≤I n;
四、总结
以上是一个比较简单的入仓推荐的算法 , 考虑的约束因子实际上并不是十分全面的 。
比如上述例子中并没有考虑到时效问题(包括物流时效和仓内发货能力上限决定的出库时效) , 默认时效均可达到诉求 , 如果对于时效要求比较高的场景 , 建议对时效和成本分别增加权重 , 取综合最优方案 。
此外 , 也没有考虑到供应商的送货成本分摊 , 这取决于供应商价格协议 , 如果是甲方承担 , 则这部分成本也需要进行考虑 。
此外 , 以上分析是基于此单品有过一定量历史销售数据的前提 , 如果是新品 , 则建议参考同品类其他商品的历史销售 。
大家可以一起再思考下 , 还有什么因子是可以考虑进去的 。
入仓推荐的本质实际上是“基于销售数据(预测) , 计算未来最低成本” , 因此这个推荐策略实际也是适用于日常区域调配、开仓 。 既然是基于预测的 , 那么就有存在波动影响实际成本的可能 。 在实际应用中 , 应当监控波动 , 实时调整 。
希望今天的分享可以对你有所帮助 。
作者:麋鹿产品 , 公众号:麋鹿产品手册
本文由 @麋鹿产品手册 原创发布于人人都是产品经理 。 未经许可 , 禁止转载 。
【|供应链:入仓推荐浅析】题图来自Unsplash , 基于CCO协议 。


    推荐阅读