Machine learning “doma” a la última milla logística

¿Predicción o certeza? La entrega final de productos al consumidor electrónico ha puesto en aprietos a más de una empresa. La llamada última milla cuenta con una serie de obstáculos, algunos fuera del control de cualquier pronóstico, que abonan al alto costo que supone su operación.

El crecimiento desmesurado que ha experimentado el comercio electrónico a escala global en el último año, a partir de la crisis sanitaria, ha potenciado esta situación, pero también ha acelerado la carrera entre las compañías tecnológicas por “domar” estos retos de la última milla.

En América Latina, la chilena SimpliRoute ha apostado por la implementación de tecnologías como machine learning y la inteligencia de datos en sus servicios de optimización de rutas de entrega. Su más reciente apuesta tecnológica permite predecir casi con exactitud (con un margen de error de 5 minutos) la hora en la que un vehículo llegará a un destino particular donde se realizará la entrega final de un producto adquirido por la vía del e-commerce.

Al otorgar esta certeza a los clientes de sus clientes, SimpliRoute se encamina al esfuerzo o tendencia empresarial por otorgar un mejor servicio y experiencia de compra, siendo la última milla -específicamente el contacto final entre el mensajero con el cliente- el rostro más visible dentro de toda esta actividad en el comercio electrónico.

“A través de millones de puntos GPS y el análisis del comportamiento de conductores y la ciudad, la plataforma creó un modelamiento capaz de predecir en +/- 5 minutos, y en un 82% de las veces, el momento exacto en que el camión de despachos llegará con el producto”, afirmó la compañía a través de un comunicado de prensa.

De acuerdo con el Reporte de KPI’s de logística, presentado a finales del año pasado por la Asociación Mexicana de Venta Online (AMVO), 76% de las entregas despachadas de manera mensual se realiza a tiempo, 14% a destiempo y el 10% simplemente no se realiza.

Dentro de las principales razones por las que los pedidos no son entregados se encuentra: el cliente no estaba en casa; no se encontró su dirección; el cliente rechazó el producto; el paquete se dañó en tránsito y robo y extravío, según el reporte.

El estudio de la AMVO encontró, a su vez, que la mayoría de los comercios consideran a los costos de envío (78%), daños en los envíos (58%), errores de captura en las direcciones de los clientes (53%), entregas en zonas rurales/remotas (50%), robos y seguridad en el transporte (45%), destinatarios ausentes (42%), encontrar direcciones (38%), manejo de alto volumen de envíos (35%) y manejo especial de mercancía (24%) como los principales retos a resolver al vender en canales digitales.

“En logística, uno de los procesos que genera más costos, pérdida de tiempo y reclamos es cuando un despacho no se finaliza producto de que se tiene una dirección imprecisa o una referencia poco clara”, señaló Álvaro Echeverría, CEO y fundador de SimpliRoute, citado en el comunicado.

Con base a esta problemática, la compañía desarrolló el NLP (Natural Language Processing), un sistema Inteligencia Artificial que permite descifrar lo que quiso decir una persona, aunque no haya sido precisa.

En las ventas online, si una persona ingresa su dirección con una referencia poco clara o no existente en el mapa, solo el 63% de los despachos logra realizarse. Sin embargo, si esa data pasa por una serie de logaritmos del NLP, el software permite "interpretar" lo que la persona quiso decir y que el 95% de las veces el camión de despacho encuentre el destino.

Machine learning también trabaja para hacer que una máquina "piense como un chofer".

Es decir, si un software establece la ruta de un vehículo, por defecto no tomaría ciertos criterios que para los humanos sí son importantes, como evitar que los caminos se crucen muchas veces, que avances y retrocedas en los puntos o que se tomen calles mal mantenidas o estrechas.

Es por eso que, recreando esos criterios con machine learning, el equipo de data science de la compañía chilena permite que el software aprenda con base al comportamiento de los conductores, a diseñar no solo rutas que sean eficientes, sino que también "agradables".

“De poco sirve crear rutas inteligentes si a la hora de evaluar el comportamiento real en la calle los conductores no la usarán. Por eso es importante que la logística también tenga en consideración ese tipo de detalles, que a la larga aportan para que los softwares sean más precisos y los clientes finales tengan una experiencia mejor”, enfatizó Echeverría.

En un mercado digital en el que la velocidad y la precisión se paga con lealtad del consumidor, la última milla continuará siendo un reto para muchas empresas, pero también un motivador para el desarrollo de tecnología que considere la solución a los distintos obstáculos que se presentan en su ejecución.

Comenta y síguenos en Twitter: @GrupoT21