7-5 盒馬供應鏈算法.pdf

1、盒馬供應鏈算法分享楊光耀 高級算法專家|01盒馬供應鏈介紹02供應鏈算法定位03生鮮自動補貨系統目錄 CONTENT|盒馬供應鏈介紹01|盒馬商業模式|辦公場景在家場景周末場景3公里盒區半徑路上場景盒馬是一個技術創新的公司，更是一個消費驅動的公司，回歸消費者價值：買的到、買的好、買的方便、買的放心、買的開心。盒馬包含盒馬鮮生，X會員店，盒馬云超，盒馬鄰里等多種業務模式，其中最核心的商業模式是線上線下一體化，最快30分鐘到家的O2O模式。盒馬經營品類介紹|盒馬精選全球品質商品，追求極致新鮮；結合品類特點和消費者購物體驗預期，為不同品類選擇最為高效的經營模式。餐飲半成品3R蔬菜水果生活服務標準品海

2、鮮水產大包裝商品不同供應鏈模式的物流與庫存成本|相同數量的商品，整件物流成本遠低于包裹物流，冷鏈差異更加明顯（暫不考慮送貨時效和規模）。庫存越分散，需求不確定性越大，如果不能準確把握消費者需求，就提前將庫存布局在門店，會導致很高的缺貨和損耗，即庫存成本高。平臺賣家個人賣家工廠基地國產地外CDC生產商經銷商農場自營CDCRDCRDC自營RDC門店門店門店門店門店消費者C2M自營B2C盒馬鮮生平臺B2C整件物流包裹物流盒馬供應鏈網絡|遍布全國的物流中心40多個常溫和冷鏈倉近20個生鮮加工中心活鮮暫養倉多種履約模式30分鐘達次日達3日達多種采購模式500多個基地基地直采100多個國家海外直采批市采購

3、零售需要實現高效供需匹配，多種業務模式需要有配套的供應鏈支撐，盒馬多種業務模式后端融合，盡量共享干線物流網絡和庫存，大幅提高資源利用率，提高供應鏈效率；供應鏈算法定位02|電商行業供應鏈算法定位|業務算法前（流量，用戶*商品）搜索搜詞糾錯詞語推薦商品推薦展示排序廣告廣告網絡DSP廣告SEM廣告推薦榜單推薦相似推薦相關推薦初始推薦中（零售，商品）商品輿情監控商品匹配區域選品價格最優定價活動設置活動選品庫存銷量預測訂貨策略庫存調節后（物流，訂單）履約時間預估集單算法倉儲貨位指派倉內調度人員排班配送地址解析智能派單最優路徑基礎算法圖像語音文本零售商供應鏈算法優勢|“牛鞭效應”是指供應鏈上的一種需求變

4、異放大現象，使信息流從最終客戶端向原始供應商端傳遞時，無法有效地實現信息共享，使得信息扭曲而逐級放大，導致了需求信息出現越來越大的波動，此信息扭曲的放大作用在圖形上很像一個甩起的牛鞭，因此被形象地稱為牛鞭效應?！绷闶凵淌亲罱咏M者的企業，最能夠感知與把握消費者的需求，最有能力通過數據和算法來應對市場波動；盒馬供應鏈算法邏輯|供應需求銷售計劃與策略供應鏈計劃與執行銷售&調控庫存&履約貨人場店倉4.歷史銷售影響后續計劃1.銷售計劃決定供應2.供應決定庫存3.庫存&履約能力決定短期銷售上限生鮮自動補貨系統03|盒馬生鮮自動補貨背景|高品質的商品是盒馬一貫的追求。為了滿足顧客極致的新鮮體驗，盒馬商品

5、的貨架期非常短，甚至還提供僅滿足家庭每日所需的只售一天的日日鮮系列商品，涵蓋牛奶，蔬菜，肉禽等日常消費品類，成為行業標桿。即時的生鮮服務非常切合消費者需求，但對供應鏈提出了很高的要求。更短的售賣期，意味著更容易發生缺貨或者損耗，對此，盒馬供應鏈算法根據生鮮零售的特點，考慮天氣、季節性、節假日、商品替代性、營銷活動，線上線下陳列展示等因素，構建了一系列具有盒馬特色的高精度需求預測模型，通過仿真系統優化庫存，實現了高度自動化的訂貨系統，大幅降低人力成本的同時優化了庫存指標。盒馬生鮮自動補貨系統算法模塊|需求預測動態調控庫存模型盒馬生鮮自動補貨系統主要成就|影響力業務結果算法效果技術深度與創新集成預

6、測，庫存，價格與調控于一體的算法解決方案，成功入圍2022年Franz Edelman杰出成就獎總決賽解決方案闖入Edelman決賽生鮮訂貨系統算法建議采納率穩定在96%以上，訂貨人效提升70%，損耗率降低30%，缺貨率降低25%高度自動化的生鮮訂貨系統盒馬預測算法在阿里集團時序預測比賽主要數據集上取得冠軍和亞軍的好成績，證明盒馬預測算法整體準確度高，通用性強集團時序預測比賽第一名將時空異構圖神經網絡模型引入到商品銷量預測中，解決了復雜營銷活動信息損失過大等問題，預測準確率顯著提升時空異構圖神經網絡模型盒馬銷量預測算法迭代路徑|簡單模型 單SKU建模 貼近業務理解 確保覆蓋全量SKU機器學習模

7、型 跨SKU參考信息 穩定、異常值少 大量依賴特征工程深度時序模型不依賴特征工程原始時序信息遺漏少單模型預測未來多天時空圖網絡模型考慮樣本間相互影響表征活動等復雜信息空間多任務學習盒馬銷量預測十大難點|盒馬預測特點解決方案新品較多在圖模型中保留新品信息，對LOSS做mask，老帶新模型節假日影響引入出行數據，品類預測和單品預測聯合學習惡劣天氣影響小時級別天氣數據，惡劣天氣單獨訓練模型疫情影響公開的疫情數據+門店人工錄入信息，用于歷史異常數據剔除復雜活動、優惠券、會員權益對于營銷活動做異構圖，提取營銷活動全量信息APP資源位與線下堆頭先通過資源布局預估額外流量，再預測銷量的二階段模型商品替代性顯

8、著基于多種算法預分組的時空異構圖神經網絡模型市場行情影響大基于圖神經網絡的多商品模糊競品模型業務希望白盒化預測邏輯依托預測白盒化產品輸出因子系數數據非常多、流程復雜銷量預測任務模塊化，14步拆解與數據表對應，結構清晰時空異構圖神經網絡銷量預測模型框架|基于仿真的庫存模型|多種訂貨模型；庫存仿真系統；安全庫存天數智能化；安全保留量智能化；生鮮批次推斷模型庫存算法系統架構|模型層工程層數據層缺損目標拆分結果銷量預測結果業務層1.業務目標拆解模塊建議訂貨量安全庫存天數集團供應鏈中臺庫存仿真平臺業務缺損目標VLT與訂貨日歷歷史批次出入庫信息考慮不同商品的顧客批次偏好價格彈性與出清能力直接采用銷量預測區間估計2.庫存批次推斷模塊3.最優訂貨量計算模塊庫存批次分布按照歷史表現規劃求解考慮倉內庫存移動批次條碼監督學習模型自定義采樣分布每日不同參數機器學習方法自適應調整目標預測模塊共用銷量預測工程框架庫存動態調控系統|實時更新預測；動態流量傾斜；自動折扣清倉；多種調控全局優化；調控后銷量還原非常感謝您的觀看|