Нормально делай, нормально будет / Саша Клименко

Как в оффлайне проводить эксперименты (почти) бесплатно
#кейс #процессы

Контекст. Emex— холдинг с 6 бизнес-моделями, который доставляет автотовары в 38 стран мира. Fulfillment направление компании в год теряло около 20% прибыли из-за неотгруженных заказов. Искандер, head of product, придумал решение за неделю без дорогостоящих экспериментов.

⚙️Задача. На сортировочном центре в напольных ячейках хранится большое количество коробок, из-за чего часть заказов не могли найти — сроки доставки срывались, а некоторые товары вовсе не доходили до получателя.

Спасти ситуацию могли дополнительные стеллажи, но
— Какие ячейки нужны и сколько стеллажей ставить? Для размещения коробок наверху нужна техника, а ей — проход около 3,5м. Поэтому при установке стеллажа мы добавляем ячейки наверху, но из-за прохода теряем их внизу. Также, длина полки стеллажа ± 360см, ее можно разделить на 2, 3 или 4 ячейки — непонятно, как лучше нарезать.
— В какой стратегии размещать коробки? Маленькие наверх неэффективно — придётся постоянно пользоваться техникой ради мелочёвки, а большие надо ставить вниз из-за габаритов.

Решать задачу с помощью A/B или последовательного тестов в офлайне дорого и долго. После внедрения любого процесса нужно написать инструкцию, провести демо и еще подержать сотрудников склада за ручку, пока они учатся. На это может уйти до нескольких месяцев. Теперь представим A/B тест, где бы эту работу пришлось раздваивать на каждый новый объект эксперимента. А вот последовательный тест неплох, когда речь идет о недорогом продукте, но у нас стеллажи стоят порядка $30k за линию.

💡Решение — сделать симуляцию. За 2 дня написали скрипт на JS и за неделю нашли эффективноое решение. Вот что сделали:

1️⃣Поставили все средние коробки наверх. Симуляция показала, что нужно около 2k ячеек внизу и 300 наверху. Не то: на полу останется большое количество коробок, место наверху не будет использоваться и сложность поиска сохранится. В классическом подходе это бы поняли только через 2 месяца.

2️⃣ Решили сегментировать все коробки по размеру и весу. Проанализировали поток коробок за полгода и вывели оптимальные условия хранения для каждой. Запустили симуляцию — нужно около 1,5k ячеек внизу и 700 наверху. Уже лучше, но до сих пор наибольшая нагрузка остается на нижние ячейки.

3️⃣ Решили сортировать маленькие коробки по получателям в нижних ячейках. После того, как они забивались, собирали товары получателя в одну среднюю коробку и поднимали наверх, освобождая ячейку внизу. Закодили логику — 800 ячеек внизу, чуть больше 1k наверху. Можно закупать стеллажи.

✅ Результаты. В 2 раза снизили долю отклонений, когда заказ не собирался за 5 минут. В классическом подходе нам бы пришлось покупать лишние стеллажи и ждать примерно полгода, чтобы найти оптимальное решение. С симуляцией была единственная трата — зарплата продакта за неделю работы.

А как вы могли бы использовать симуляцию в своей работе для проверке экспериментов? Напишите в комментариях🙃