Как стать автором
Обновить
12
0
Роман Халкечев @Khalkechev

Руководитель отдела аналитики

Сейчас строго выгодней делать наоборот — отметить, что ты на велосипеде, если он у тебя есть, так как для курьеров-велосипедистов есть приоритет при распределении заказов.

При этом Вы правы в том, что есть случаи фрода, когда пеший курьер регистрирует себя велосипедистом, чтобы получать больше заказов. Но это не ведет ни к чему хорошему, так как система считает, что курьер передвигается на велосипеде и таймеры по доставке становятся сильно меньше. Плюс у нас есть различные механики (от реальных проверок до анализа данных), нацеленные на поиск такого фрода.
Доброго дня! Спасибо за позитивный фидбек.

А далее получается интересная история, я в своём районе, как и мои коллеги, по какой-то причине оказываемся в хвосте за ресторанами которые находятся даже далее нашей зоны доставки вашими курьерами.

Если я правильно Вас понял, то речь про позицию в выдаче ресторанов. Если это так, то на эту самую позицию влияет не только время приготовления и доставки, но и другие факторы, такие как рейтинг, количество отмен и т.п. Впрочем, вероятно, Вы имеете ввиду, что время приготовления + доставки определяется нами неверно.

Мне кажется где-то с показателем прогноза приготовления и позицонированием ресторана на вашем сайте у вас явно есть ошибка, так как от вашего ближайшего конкурента мы в итоге получаем заказов в десятки раз больше, ещё раз обращаю внимание в десятки раз больше.

Вполне может быть и так, если Вы подскажете как называется Ваш ресторан и по какому адресу он находится, то мы с радостью проверим данный конкретный случай, а заодно посмотрим на ошибку предсказания времени приготовления.

Мы правда стараемся сделать так, чтобы приводить курьера как можно точнее к концу приготовления и в наших интересах уметь определять это время как можно точнее. Вы очень поможете.

Ещё раз спасибо!
Вероятно, это штраф курьерской службы. В любом случае, у предложения заказа есть тайм-аут, если в течение этого времени заказ не будет принят курьером, то алгоритм попытается его переназначить на другого курьера.
Ага, вот определение из статьи: «Под эффективностью мы понимаем оборачиваемость — среднее число заказов, которые курьер успевает доставить за час.»
На самом деле, нет понятия района, есть понятие радиус назначения, который ограничен несколькими километрами.
При этом как и в любом сервисе есть правила, согласно которым нужно принимать заказы когда курьер вышел на линию, если принимать заказы курьер не может, то можно просто уйти с линии.
На самом деле, много о чем можно было и хотелось бы рассказать, но все не уместил в один пост :) Отвечаю на Ваши вопросы:
1. «Как вы определяете что курьер успеет получить заказ вовремя?» — у нас есть delivery promise — время, в которое мы обещали клиенту доставить заказ; далее мы в некотором радиусе находим курьеров, рассчитываем время прибытия для каждого из них и выбираем тех, кто успевает к клиенту (или не сильно опаздывает, не больше X минут) и уже из этих кандидатов выбираем «победителя». Есть ряд нюансов, связанных с тем, что у нас есть приоритизация среди курьеров в зависимости от того на каком слоте они работают, но это уже не столь важно.
2. «Как формируются границы области по которым ведётся поиск курьеров?» — это отдельная оптимизационная задача, в двух словах про неё не рассказать. Думаю, что сможем осветить это в отдельном посте.
Нет, таких предположений в основании алгоритмов не делаем :)
Курьеры могут выбирать район в котором выходить на линию, но, конечно же, заказом курьера может утянуть в соседний район.
Если это возможно и не требует бесконечного количества времени, то стараемся сделать офлайн модель ещё до разработки, чтобы оценить потенциальный профит при разных предпосылках.
Онлайн эксперименты тоже проводим, когда это возможно. Это отдельная наука, так как мы живем в системе с сетевыми эффектами: то есть когда изменение алгоритма назначения одного курьера может влиять на назначения других курьеров. Про это постараемся тоже рассказать, если интересно :)
Вы всё верно понимаете :)
Если под SLA подразумевать отмены по логистическим причинам и опоздания более, чем на 10 минут, то по первому это <0.5%, а по второму <10% от всех заказов.
Отвечаю по пунктам :)

1. Если у курьера нет заказа, то прямо сейчас мы не пытаемся прогнозировать его местоположение в будущем. Но идея хорошая. Более того, было бы классно предлагать курьеру куда-то переместиться с целью повышения вероятности получить заказ и, соответственно, заработка. Такое есть в планах!
2. Если у курьера есть заказ и он движется по маршруту, то это уже учитывается при расчете «успевания» в ресторан и к клиенту для нового заказа. И в значимом проценте случаев мы назначаем новый заказ «по цепочке».
3. Про Ровер пока не могу назвать точных сроков, но могу сказать, что мы работаем над этим :)
Нет, персональная скорость не учитывается. При этом учитывается тип транспорта, то есть, если курьер на велосипеде, то время в пути будет отличаться от времени в пути пешком.
При выборе того, какому курьеру предложить выполнить заказ есть много нюансов, но в основе приоритизации лежит не расстояние, а время в пути до ресторана. Чем оно ниже, тем выше вероятность, что мы назначим заказ. Время рассчитывается по роутеру и учитывает, например, пробки.
Что касается погодных условий, то нужно понимать, что речь идет про довольно небольшие расстояния: 1-3 км в пути и погода, как правило, не сильно отличается в таких промежутках.
Ага, я вот выше ответил про отдых: для перерыва можно взять паузу в приложении, в этот момент заказы приходить не будут. Плюс, теперь можно выполнять комфортное число заказов за меньшее число времени и просто меньше часов в день работать.

Это внедрение высвободило время простоя в ожидании конца приготовления у ресторана, но это время уже можно потратить не только на заказы, но и на то, чтобы раньше закончить рабочий день. В этом смысле стало только лучше.
Да, смотрите, для отдыха можно взять паузу в приложении, в этот момент заказы приходить не будут. Плюс, теперь можно выполнять комфортное число заказов за меньшее число времени и просто меньше часов в день работать.
Не секрет, да, если говорить, например, про Москву, то на окраинах (Химки, Красногорск, ...) стабильно качество доставки хуже, чем в центре.
«Проблемные» курьеры тоже встречаются, мы ведем статистику и совместными силами с курьерскими службами боремся с систематическими случаями непринятия заказов.
Для случаев, когда курьер не принимает заказ у нас предусмотрено автоматическое переназначение на другого курьера. То есть мы будем последовательно предлагать выполнить заказ разным курьерам.

В Вашем примере, если все 4 откажутся, а других курьеров не будет рядом, мы попробуем спасти заказ с помощью саппорта и назначить его вручную, позвонив курьеру, если не получится, то будем вынуждены отменить заказ и вернуть деньги клиенту.

Но таких случаев у нас доли процентов.
Я выбрал для этого рассказа курьерский CTE по двум причинам:
1. Среднее число заказов в час напрямую зависит от времени, которое курьер тратит на заказ
2. Эффект от внедрения нового алгоритма можно явно отследить по CTE, а оборачиваемость всё же довольно высокоуровневая метрика, на которую влияют почти все наши процессы: соотношение числа курьеров и заказов, корректный вывод курьеров, ценообразование, а также факторы от нас не зависящие: погода, например.
1

Информация

В рейтинге
Не участвует
Откуда
Москва, Москва и Московская обл., Россия
Работает в
Дата рождения
Зарегистрирован
Активность