配送半径不是在地图上拍脑袋画出来的——它是一道用数据算的题。算对了又快又便宜,算错了又慢又贵。
今天要讨论的是三个问题,关于配送网点,它放在哪里,要放几个,每个能管多大?所以我们就需要搭一个能够直接拿去用的工具,末端网点和配送半径的优化矩阵。
我们现在把一件事情说清楚,配送半径它不是越大越好,也不是越小越好
你要是把半径放得很大,那么网点肯定是省了固定成本,首先它是降下来了。可是它的问题是订单摊得太开了,骑手一趟要跑好远,时效拖垮了,那么客户的体验也会受到很大的影响。反过来说你把半径缩小了,送得是快的,服务肯定是做好了,可是网点的数量蹭蹭地往上涨,那么每个网点的房租、水电、值守的人力这些都是需要花钱的。如果我们密到一定程度,可能这些赚的钱还不够交房租的
中间让成本和服务都能接受的点,才是我们真正要寻找的东西,如果我们找不到它,要么就贵死,要么就慢死,其实这两条路都不好走
我们要找到这个点是由什么来决定的呢?其实只要盯住下面这6个变量基本上是够用的。第一个是订单密度,这个是头一个,单子越密,半径就该越小,单量足够,随着送,也能把我们的骑手喂饱,顺便还可以把时效提上来。其次是地形和交通,这个是第二个。如果老城区它的路窄,有单行道,还有一些商圈落差大的地方,那么我们半径一定要往小的去压,不然我们光绕路就已经够呛了。时效要求是第三个,要求半小时送达和当天送到,这个完全是两种打法,要求越急的话,那么半径越是要收紧
那么剩下的三个是:骑手的效率越高,半径就可以越大,同样是一片区域,那么熟练手和新手就能差出一倍的单量;客户分布越集中其实越好办,单子扎堆在几栋写字楼和散在一大片城中村,这个难度是天差地别的;成本结构是最容易被我们遗忘掉的,市中心一个网点的房租,在郊区已经可以开三个了,房租贵的地方,反而要把半径拉大,网点摊薄,用覆盖面积去换成本
这六个里头,订单密度和时效要求分量最重。我们就拿这两个,先把矩阵的骨架搭出来。
我们把订单密度放在横轴,分高中低三档,把时效要求放在纵轴,也分三段,这样3×3共9种组合几乎就可以把所有城市里的配送场景都抓进去,每一格对应一个推荐的半径区间和网点的策略。
那么这9种场景我们可以挑几个典型的说一说,大家就可以了解了。像订单密集、时效又高,那么这个是非常难啃的一块骨头,在核心商圈和大型写字楼都是这个路数,这个半径很多时候一定要压在1~2公里以内,网点加密铺,骑手才可以追得上节奏。那些订单密集但时效比较松的,半径就可以放到3~5公里,网点按标准间距去铺,集约一点,成本也可以省不少。到了订单稀疏、时效也松的那一头,这个半径完全可以拉到8~15公里,一个大网点可以覆盖一大片,千万不要浪费了资源。中间那几个就按照这个逻辑去推就行了,一个维度松一点,半径放一点,紧一点就收一点
光看密度和时效还不够。同样是订单密、时效中的场景,放在市中心和放在城乡结合部,答案并不一样。差就差在成本。所以你得给矩阵再叠一层,把人力成本和房租成本这个维度加上去。
如果房租和人工高的区域,适当的时候要把半径放大,网点减少,千万不要让固定成本压垮你;房租和人工低的区域,就反过来把半径收一收,网点加一加,把省下的成本投在服务上面。在同一个场景,在贵的地方和便宜的地方,落地方案就可以差出三成,这一层很多人会比较容易漏掉,但它往往才是决定一个网点到底赚不赚钱的关键。
那么我们矩阵搭好了,怎么落到地上呢?其实可以4步走:我们先把数据捞起,像订单量、收货地址、时效记录、各项成本一样都不要少,如果我们数据不全,后面计算的意义不是很大。再把区域往矩阵里面归类,每一个网格落在九宫格的哪一格,可以先对号入座;然后再去算半径,把归类好的区域丢进模型里面,算出每一个最优的数字,而不是靠感觉,我们一定要算出来;最后再去验证,我们可以先在系统里面模拟跑一遍,去看看成本、时效、人效这几个数,好不好,在小范围试点,如果稳了,再去铺开。
那么还有一点我们千万不要忘记,半径它不是定下来就一劳永逸的,它是跟着节奏在变的。大促和旺季单量再翻几倍,这个时候临时把半径缩小,把人力加上去,先把时效保住;那么淡季单量如果掉下来了,我们再把半径放开,把成本省回来。那么我们会碰上新开的一些区域,也千万不要一上来就把它铺得很密,我们先用大半径去把它覆盖起来,把单量先养起来,如果密度上来了,再逐步加密,先大后小,稳扎稳打。
那么不同的业态,它们半径的盘子根本都不在一个量级:即时配送这一类,像外卖、生鲜基本上就是1~3公里;快递派送3~5公里是常态;城配末端配送5~10公里;那么家电、家具这种大件一般都是10~20公里,都算是正常的了。所以你得先看一下你是哪个业态,先对一下这个区间,那么你心里至少有底了。
讲个例子你体会一下。游牧科技在某个二线城市做即时配送,早期网点是按经验铺的,看着挺均匀。结果跑下来,城东商圈那块投诉率居高不下,城西的几个网点又闲得发慌。
他们把这套矩阵用上,先把全城划成几十个网格,挨个测密度和时效。一归类才发现,城东商圈明明是订单密、时效高的场景,半径却画到了四公里,骑手根本追不上;城西是订单稀的场景,半径才两公里,网点严重过剩。调整之后,城东半径压到一公里半、加密了网点,城西几个网点合并、半径放到八九公里。
这一进一退,单均配送成本从七块四五降到六块三五,降了近一成半;平均时效从四十五分钟出头压到三十三分多,快了四分之一还要多;投诉率更是从百分之三点多直接砍到不足百分之二。
果子鲜配做生鲜的,思路类似。生鲜对时效更敏感,他们整体半径压得更紧;但在郊区房租低的仓配点,又把半径适当放开,用覆盖面积摊薄了冷链的固定成本。这两家的共同点只有一条——没有一个放之四海皆准的半径,全是按场景一格一格抠出来的。

我顺手把城东商圈那块的半径和成本单拎出来算了算。半径从一公里一路放到四公里,单均总成本先降后升,在两公里这个点最低,五块二一单。再往大画,骑手在路上耗的钱就盖过了省下来的网点成本。这条 U 型曲线我也放进了工具包的 Excel,你换成自己的数,最低点在哪一眼就看出来。工具上其实没什么神秘的:GIS 地图把网点和订单标在图上,哪儿密哪儿稀一眼就明;路径规划算法帮你把半径和路线一起优化。效果好不好,盯四个数就行——单均成本、平均时效、投诉率、骑手人效。
从影响因素到核心模型,再到落地、调整和评估,整条逻辑串起来是这样一张图:
配送半径优化矩阵逻辑架构图
把这套方法落到组织里,运营、数据、系统、网点四方怎么接力,用泳道图看最清楚:
本篇配套工具包(知识星球下载)▼







-END-
工作没思路,想体系化学习供应链知识
了解下“游牧自由的”的知识星球,体系化的学习笔记和专业模板
看到这里详细了解点击了解
▼
作者往期精彩原创推荐▼
点击下方“阅读全文”







