美國(guó)零售電商Instacart創(chuàng)辦于2012年，僅僅用了兩年多的時(shí)間做到估值20億美元，如今，Instacart的創(chuàng)始團(tuán)隊(duì)又借助數(shù)據(jù)科學(xué)（ Data Science）和機(jī)器學(xué)習(xí)（Machine Learning）幫助企業(yè)優(yōu)化運(yùn)營(yíng)，實(shí)現(xiàn)正現(xiàn)金流并逐步走向盈利。

從簡(jiǎn)單的搬運(yùn)工變得更高效，Instacart或許可以為國(guó)內(nèi)的同行們提供一些參考。

模式：不僅僅是零售商的搬運(yùn)工

Instacart是自身不做采購(gòu)倉(cāng)儲(chǔ)的在線零售商，Instacart與美國(guó)著名的零售商合作，把這些零售商的商品搬到線上銷售，其中包括Whole Foods、Costco、Marsh等知名連鎖零售商。消費(fèi)者可以通過(guò)電腦或者手機(jī)App下單， 然后由Instacart簽約的代購(gòu)者（Shopper）去指定的商店采購(gòu)，在1小時(shí)內(nèi)配送到消費(fèi)者家中。

下圖是消費(fèi)者用手機(jī)App購(gòu)物的流程：

Instacart的代購(gòu)者（Shopper）很像Uber的司機(jī)，他們可以是全職也可以利用閑散時(shí)間兼職。下圖是一個(gè)代購(gòu)者 用App接單并完成訂單的流程：

單元經(jīng)濟(jì)盈利：打破燒錢魔咒

對(duì)于這種創(chuàng)新的商業(yè)模式，能否盈利是最根本的問(wèn)題。而早在2016年，Instacart就已經(jīng)實(shí)現(xiàn)單元經(jīng)濟(jì)效益（Unit Economics）盈利。

所謂單元經(jīng)濟(jì)效益（UnitEconomics），是指在商業(yè)模型中， 能夠體現(xiàn)收入與成本關(guān)系的某個(gè)最小運(yùn)作單元。在Instacart，這就是來(lái)自客戶的每一筆訂單，如下圖所示，在這每一筆訂單中，能夠帶來(lái)的收益有四類：送貨費(fèi)、小費(fèi)、產(chǎn)品合作方、零售合作方，而每一筆的成本來(lái)自：交易費(fèi)（信用卡和保險(xiǎn)）、購(gòu)物時(shí)間和送貨時(shí)間。如果能壓縮購(gòu)物時(shí)間和送貨時(shí)間，那么，Instacart就能在單元經(jīng)濟(jì)效益上盈利。

在 Instacart的單元經(jīng)濟(jì)效益模型中，只要平均完成訂單時(shí)間在最大時(shí)間的70%就可以盈利，如今他們已經(jīng)實(shí)現(xiàn)了這個(gè)目標(biāo)，Instacart在2016年中實(shí)現(xiàn)了正現(xiàn)金流，并預(yù)計(jì)2017年會(huì)實(shí)現(xiàn)財(cái)務(wù)盈利。

精準(zhǔn)預(yù)測(cè)的重要性

要實(shí)現(xiàn)盈利以及企業(yè)的良好運(yùn)營(yíng)，精準(zhǔn)地預(yù)測(cè)客戶需求，并且滿足客戶需求顯得尤為重要。

Instacart每天要應(yīng)對(duì)來(lái)自消費(fèi)者數(shù)以萬(wàn)計(jì)的訂單，這些訂單都需要在客戶指定的時(shí)間完成配送，如何把這些訂單分配給同樣數(shù)以千計(jì)的代購(gòu)者，每個(gè)代購(gòu)者接哪些訂單，走什么線路去指定的零售店，在每個(gè)零售店又如何快速尋找到指定的產(chǎn)品，采購(gòu)?fù)旰螅呤裁淳€路去配送給每個(gè)消費(fèi)者……這些都需要精準(zhǔn)的預(yù)測(cè)和規(guī)劃。

（圖示：Instacart為代購(gòu)者優(yōu)化后的超市采購(gòu)線路圖）

Instacart必須要為自己的預(yù)測(cè)準(zhǔn)確率負(fù)責(zé)，如果預(yù)測(cè)準(zhǔn)確率低，那么結(jié)果就是客戶的訂單延誤，這不僅僅會(huì)造成履單成本的提高，也會(huì)讓客戶不滿意并造成客戶流失。

機(jī)器學(xué)習(xí)幫助提升

為了應(yīng)對(duì)這些挑戰(zhàn)，Instacart選擇了利用數(shù)據(jù)科學(xué)（Data Science）和機(jī)器學(xué)習(xí)（Machine Learning）。

第一步，是建立大數(shù)據(jù)平臺(tái)。在Instacart，每天要處理和應(yīng)對(duì)的是來(lái)自多方面的海量數(shù)據(jù)，比如，僅僅代購(gòu)者每天的GPS定位信息就有1GB左右。Instacart要把這些數(shù)據(jù)分類部署，然后用RabbitMQ來(lái)處理各個(gè)數(shù)據(jù)庫(kù)之間的通訊，用PostgreSQL做生產(chǎn)數(shù)據(jù)庫(kù)，用Amazon Redshift做離線數(shù)據(jù)分析。

Instacart會(huì)建立多種預(yù)測(cè)模型來(lái)對(duì)客戶需求、超市購(gòu)物時(shí)間、配送時(shí)間等進(jìn)行預(yù)測(cè)。每個(gè)模型都會(huì)用歷史大數(shù)據(jù)進(jìn)行回顧測(cè)試，去不斷的優(yōu)化算法。模型每天做重復(fù)的訓(xùn)練來(lái)提高預(yù)測(cè)的準(zhǔn)確率。

當(dāng)遇到惡劣天氣或突發(fā)事件時(shí)，會(huì)有偏離模型的警告，Instacart有一個(gè)監(jiān)測(cè)市場(chǎng)變化的團(tuán)隊(duì)，他們會(huì)在這個(gè)時(shí)候用自己的接口對(duì)預(yù)測(cè)進(jìn)行調(diào)整。Instacart的數(shù)據(jù)科學(xué)團(tuán)隊(duì)正在努力實(shí)現(xiàn)調(diào)整部分工作的自動(dòng)化。

梯度推進(jìn)模型優(yōu)化配送預(yù)測(cè)時(shí)間

梯度推進(jìn)模型GBM（Gradient boosting）是一種機(jī)器學(xué)習(xí)的技術(shù)，該技術(shù)可以提高現(xiàn)有預(yù)測(cè)模型的準(zhǔn)確率。

比如， 在舊金山地區(qū)的Instacart辦公室，要在幾個(gè)小時(shí)之內(nèi)完成數(shù)千個(gè)客戶訂單，那么，如何給出一個(gè)最優(yōu)化的方案，用最少的人力和時(shí)間去完成這些訂單呢？顯然需要更精確地去預(yù)測(cè)每個(gè)代購(gòu)者每條可能路線的時(shí)間。此時(shí)，GBM模型就非常有用。更精準(zhǔn)的預(yù)測(cè)可以讓系統(tǒng)用優(yōu)化算法得出最優(yōu)的完成訂單方案，這個(gè)方案可以比以往更快地完成客戶的訂單。

自然語(yǔ)言處理（NLP）提升用戶體驗(yàn)

自然語(yǔ)言處理NLP（Natural Language Processing）實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的方法。在這里的用處就是分析用戶以往的采購(gòu)行為，然后給用戶推薦可信的熱賣單品。

Instacart與全美數(shù)百家零售商合作，商品匯總起來(lái)，數(shù)量竟有數(shù)百萬(wàn)之巨。這些產(chǎn)品的訂單頻次分布是長(zhǎng)尾分布，那么如何能夠給用戶推薦那些他們真正需要而不僅僅是熱賣的單品呢？Instacart 用NLP技術(shù)去歸納總結(jié)，然后推薦那些即使不常被購(gòu)買但是對(duì)客戶有用的商品。比如某個(gè)用戶經(jīng)常購(gòu)買啤酒、奶粉、尿布和游戲產(chǎn)品，那么系統(tǒng)或許會(huì)推薦一本《一個(gè)奶爸的自我修養(yǎng)》給他。

也玩深度學(xué)習(xí)

Instacart也用到了深度學(xué)習(xí)（Deep Learning）技術(shù)，比如產(chǎn)品目錄團(tuán)隊(duì)使用深度學(xué)習(xí)來(lái)進(jìn)行圖片處理，以及代購(gòu)者在商場(chǎng)某處，重新安排代購(gòu)清單和線路。深度學(xué)習(xí)技術(shù)解決了以往機(jī)器學(xué)習(xí)中的很多棘手的問(wèn)題，這為提升服務(wù)帶來(lái)了新的機(jī)遇。

最后，我們來(lái)看美國(guó)著名科技媒體TechCrunch對(duì)Instacart的采訪視頻，看看他們每天是如何快速處理和完成來(lái)自客戶數(shù)以萬(wàn)計(jì)的訂單：

https://v.qq.com/x/page/j0377e9vska.html

（作者：鄭倫，聯(lián)系微信公眾號(hào)“田野觀察AgriReview“，本文首發(fā)于《天下網(wǎng)商》轉(zhuǎn)載請(qǐng)注明，商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者本人）

文章：10 篇

瀏覽：1792 次

代表文章

案例分析：每日優(yōu)鮮的快速增長(zhǎng)和盈利之道

“失敗者”的教訓(xùn)，2016生鮮電商年度總結(jié)（下）

硅谷華人生鮮電商的逆襲，不僅是華人的勤奮和節(jié)儉

增長(zhǎng)去哪兒了？2016生鮮電商年度總結(jié)

再見(jiàn)鄉(xiāng)愁！2016農(nóng)村土地政策、流轉(zhuǎn)和電商回顧與總結(jié)

人工智能還會(huì)賣菜，估值超百億，這家零售界的Uber是如何顛覆你的菜籃子的！

土地流轉(zhuǎn)電商：一場(chǎng)互聯(lián)網(wǎng)+的土地改革

5天又爆4例，非洲豬瘟的中國(guó)故事會(huì)改變什么？

AI讓農(nóng)業(yè)變天？

東網(wǎng)易，西Eataly，他們要掀起養(yǎng)豬業(yè)的文藝復(fù)興嗎？