Calidad de Servicio en Despacho del Canal Online: Realidad y Desafíos Futuros

Por Luis Aburto, Director Data Science de Penta Analytics e Investigador Centro de Estudios del Retail (CERET).

Hasta hace muy poco, uno de los puntos débiles del servicio de retail -tanto el canal físico como online- era el despacho de productos a domicilio. Si, por ejemplo, un cliente quería comprar un refrigerador en la tienda, no podía especificar en qué horario quería recibir el electrodoméstico en su hogar, lo que muchas veces significaba que tuviese que quedarse esperando todo el día por el producto. Asimismo, hace un par de años la demanda que recibían las grandes tiendas en su formato online, en épocas peak como Cyber Monday, superaba con creces la capacidad de despacho que tenían instaladas. Esto causaba que algunas compras se entregarán recién un par de semanas después de realizada la compra.

Estos escenarios muestran que aspectos como el almacenamiento, diseño de cadena logística, gestión de inventario, procesos de picking o armado de pedidos y ruteo juegan un rol clave en la calidad del servicio del despacho a domicilio. Esto es aún más importante para el canal online, constituyéndose para las empresas de retail en un elemento diferenciador con respecto a la competencia. Es lo que se llama la gestión de la última milla. Se trata de un desafío bastante complejo de abordar, dado que son muchos pedidos, con distinta prioridad, a distintos lugares y con muchos productos involucrados. Administrar este tipo de problemas es, sin duda, una tarea difícil si, además, uno quiere hacerlo con costos controlados y satisfaciendo una demanda muy cambiante.

Actualmente, los grandes retailers han visto esta brecha de calidad en el despacho como una oportunidad de mejora y de ventaja competitiva, más aún ante la siempre amenazante llegada del gigante Amazon. Varios retailers han invertido de manera importante en nuevos sistemas de administración de bodegas y proyectos de optimización de rutas de despacho. Otros han invertido en nuevos centros de distribución para reaccionar más rápido y de manera más eficiente a la demanda. Hoy las aplicaciones de machine learning permiten aprender de la data histórica transaccional de compras para estimar la demanda de productos a nivel muy detallado, especificando qué comuna o sector requerirá qué tipo de productos. Esto permite al retailer anticiparse a las demandas futuras planificando recursos de inventario y distribución para responder en tiempos breves, antes que la competencia. Así lo hace JD.COM, el principal competidor de Alibaba en China. Específicamente en Shanghái, esta empresa utiliza modelos predictivos para cargar anticipadamente su cadena de abastecimiento, logrando despachos en el mismo día, para una hora especificada por el mismo cliente. Es tal la capacidad de despacho que este retail tiene, que ya ha empezado a vender servicios de traslado de paquetes de otras empresas para aprovechar su capacidad logística y ventaja competitiva de sus modelos de despacho.

La oportunidad de negocio en la calidad del despacho es grande. En los últimos años han aparecido distintos actores globales (Uber Eats, Glovo, Pedidos Ya, Rappi, Cornershop) que realizan este despacho de la última milla entre retailers y otros proveedores de servicios, así como con los clientes finales, a través de las economías colaborativas. Usando esta especialización, algunos retailers han realizado acuerdos con estas empresas o incluso adquirido algunas de ellas (por ejemplo, Wallmart controlando Cornershop) para mejorar sus competencias en la gestión y despacho de la última milla. Otra forma de resolver el problema es con el uso de software como servicios (SaaS, por su sigla en inglés). Un ejemplo de ello es Simpliroute.com, creado por proveedores chilenos y que ayuda a optimizar los costos de ruteo y reparto de última milla para cualquier empresa con repartos a clientes finales.

Aún queda mucho trabajo por hacer. Para verlo, basta con volver a nuestro ejemplo inicial: el reparto de electrodomésticos solo se puede programar en rangos bastante amplios (no con indicaciones horarias específicas) y funciona solo para ciertos productos y zonas geográficas. Poder repartir compras de supermercado dentro de una hora es una mejora bastante importante, la pregunta es cómo hacerlo de manera eficiente y poco costosa, incluso en los momentos de alta demanda. Sin duda, las nuevas tecnologías de optimización de rutas y machine learning pueden apoyar la toma de decisiones para responder de manera eficiente y mejor, ante compradores más exigentes que demandan cada vez más productos y de manera más rápida y económica. Así, los retailers que logren sacar provecho de su información histórica de compras y despachos lograrán posicionarse con una ventaja importante en esta competitiva industria.

Publicado en Logistec.

Referencias:

Calidad de Servicio en Despacho del Canal Online: Realidad y Desafíos Futuros

Menú general del sitio

Información de contacto de Penta Analytics

¡Síguenos!