隨著網絡消費的持續增長，消費者對寄遞服務快捷、便利的需求越來越高，迫使零售商、物流商和郵政運營商不得不優化服務、提升質量，不斷完善“最后一英里”的服務。完美的合作協同與技術優化能夠助力郵政企業在競爭日益激烈的包裹寄遞市場提升適應力和競爭力。

　　美國郵政監察長辦公室近日發布一份《協同發展、技術優化與郵政應用》研究報告。報告稱，要想實現高效、創新、協同的“最后一英里”投遞，必須具備4種核心要素，分別是優化算法、機器學習、共享寄遞供應鏈、同步系統。這些能力可以統稱為協同優化技術，能夠使供應鏈上的各個要素高效、協同運轉，實現員工、運輸和設備等資源的優化配置與合理利用，能夠讓郵政企業從基礎設施中獲得附加價值。

　　該報告指出，郵政和其他寄遞企業從20世紀80年代就開始利用數學模型，綜合考慮業務量、時間窗口、車輛可用性、裝載容量以及最大行駛時間等因素，計算和規劃距離最短或成本最低的投遞路線。優化算法意味著投遞司機可以獲得動態、實時的路線選擇，會根據交通擁堵、更改派送信息以及其他突發事件對投遞路線進行更改、優化，不斷提升“最后一英里”客戶體驗，而不是像以前那樣從司機出發開始就按最初既定的路線完成配送。這種靈活性對于提高配送時效、滿足客戶需求、降低運營成本至關重要。例如，敦豪于2009年在德國開始測試實時動態優化系統；聯合包裹在實施ORION路徑優化系統后，每年可節約成本4億美元。

　　與大多數行業一樣，郵政行業每天都會處理大量的數據信息，包括地址信息、訂單信息、投遞路線信息、倉儲信息和車輛管理信息。這些信息都可以通過機器學習，達到提升客戶體驗、改善“最后一英里”服務的目標。美國郵政監察長辦公室將機器學習定義為一種統計模型，通過收集、分析數據，推理出市場需求與客戶行為背后隱藏的規律，隨著新的數據不斷進入系統，這種算法也會不斷優化。例如，美國郵政的Expected Delivery服務旨在為客戶提供2小時窗口的包裹投遞服務，根據歷史投遞數據作出的預測分析和快遞員出發的實際時間，來推算即將配送的窗口時段。機器學習還可用于預測進口包裹及郵件量，幫助郵政企業優化投遞資源配置。

　　客戶對寄遞服務更快、更便利的需求給寄遞企業帶來巨大壓力，各種各樣的按需寄遞企業將傳統的包裹寄遞價值鏈變成了點菜式系統，在不同企業之間構建一條虛擬的共享寄遞供應鏈。數字寄遞平臺能夠讓寄件人根據包裹重量、價格、體積、投遞時間、可靠性及其他偏好因素，在多家“最后一英里”配送公司中自由選擇，還可通過訂購按需倉儲等服務將業務拓展到新區域。對收件人來說，數字寄遞平臺能夠提供豐富的定制化投遞選擇。郵政企業也可借助這些新型協同化平臺，提升郵政寄遞網絡能力，拓寬客戶“最后一英里”選擇。

　　同步系統旨在提升郵件傳遞的可視性，促進郵件和包裹內部運營信息與外部客戶服務信息的協調統一。美國郵政于2014年推出郵件量流入信息系統，郵局監察員可以實時監控流入郵件量、內部郵件和包裹設施的運轉情況、快遞員和車輛進站及出站時間、運輸資源與勞動力資源的使用情況。

　　類似的同步系統對于整合不同投遞模式、實現投遞企業合作也非常重要。英國無人生活公司的無人機可以利用卡車頂部實現起飛和降落，通過研制一套車輛頂部的系統集成箱，可以監控卡車的位置信息，實現車輛與郵政中心投遞系統的互聯，同時還能為無人機提供導航服務。

來源網絡：MYEX 整理