Анализ доставки: как можно получать до 18–25 млн с помощью геоаналитики упущенных заказов

Крупная ресторанная сеть,
осуществляющая доставку блюд по всей России.

Клиент отслеживает логистику заказов с помощью delivery-приложения собственной разработки на базе OpenStreetMap, где на карте отображены все заказы из разных каналов продаж: сервисов Яндекс Еда и Delivery Club, сайта, мобильного приложения.

У каждого ресторана сети на карте отображена зона покрытия в виде полигонов, согласно которой заказы распределяются по линиям доставок: собственная служба доставки сети (первая линия) и службы доставки агрегаторов (вторая линия). Также в delivery-приложении отображена тепловая карта по выручке с заказов, график распределения по каналам продаж и таблица с заказами по расстоянию, отменам и времени доставки.
Уникальность собственной разработки – сбор всей информации о потенциальных заказах в одном приложении.

Покупатель может оформить заказ на сайте или в сервисе доставки, но, если заказ не входит в зоны доставки, ближайший ресторан закрыт или загружен, покупатель получает уведомление о невозможности принять заказ. Данные об упущенных заказах собираются в отдельную таблицу и отображаются на карте delivery-приложения в виде меток.

Для сети ресторанов это – ценная информация, которая позволяет оценить поведение пользователей и оптимизировать логистику, а также при необходимости расширить географическое присутствие.

С вопросом доработки анализа упущенных заказов к нам и обратился клиент. Ежемесячно система собирала 100–120 тыс. заявок с порядка 2000 адресов, из которых 30–40 тыс. могли бы стать выполненными заказами и принести прибыль. Но текущее решение не предоставляло релевантной детализации по причинам отмены заказов.

Задачей проекта стала настройка детальных отчетов о причинах упущенных заказов в delivery-приложении.

1. Первым шагом проекта стало разделение фактических и потенциальных заказов и доработка представления данных по фактическим заказам.

Этот проект стал уникальным в своем роде – на рынке не так много решений для геоаналитики, которые давали бы возможность сбора и детального анализа информации по упущенным заказам.

Специалисты Qlever Solutions совместно с клиентом разрабатывали и дополняли ТЗ в режиме реального времени. Решение дополнительно улучшалось по факту проведения работ, пока не был достигнут результат, который обеспечил клиента максимально полной информацией для оценки причин упущенной прибыли.

Решение позволило клиенту:

• Увеличить время работы тех ресторанов, в которые часто поступали заказы после завершения рабочего дня
• Оптимизировать штат сотрудников, перераспределить команды ресторанов и доставки в соответствии с загруженностью зон и расстояниями до адресов потенциальных заказов
• Наметить потенциальное расширение первой и второй линий доставок, чтобы сократить неохваченные доставкой зоны
• Запланировать открытие новых ресторанов в регионах и районах, где есть высокий спрос на блюда ресторанов, но точек ранее не было
• Получить дополнительную прибыль в виде 18–25 млн руб. с ранее упускаемых 30–40 тыс. потенциальных заказов

В дальнейшем разработка Qlever Solutions станет основой для новых подобных решений по геоаналитике, которые могут быть полезны для маркетплейсов, ресторанных сетей, ритейла и прочих отраслей, осуществляющих доставку продукции.

Интеграция решения с инструментами для работы с картографическим контентом, такими как API 2ГИС, может помочь оптимизировать логистику и строить маршруты курьеров с учётом текущих и прогнозируемых пробок, препятствий и закрытых территорий жилых районов.

В перспективе планируем разработать ML-сервис для оценки потенциала регионов и районов с точки зрения открытия новых ресторанов и расширения зон доставки заказов.

Инструменты машинного обучения позволят оценивать территорию по важным для бизнеса критериям: плотность населения района, количество и периодичность потенциальных заказов, расположение и активность конкурентов и т. д. Это поможет не только расширить зоны доставки, но и автоматизировать процессы в отделе развития.