一、盒馬供應(yīng)鏈介紹

1、盒馬商業(yè)模式

盒馬是一個(gè)技術(shù)創(chuàng)新的公司，更是一個(gè)消費(fèi)驅(qū)動(dòng)的公司，回歸消費(fèi)者價(jià)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(huì)員店、盒馬超云、盒馬鄰里等多種業(yè)務(wù)模式，其中最核心的商業(yè)模式是線上線下一體化，最快 30 分鐘到家的 O2O（即盒馬鮮生）模式。

2、盒馬經(jīng)營(yíng)品類介紹

盒馬精選全球品質(zhì)商品，追求極致新鮮；結(jié)合品類特點(diǎn)和消費(fèi)者購(gòu)物體驗(yàn)預(yù)期，為不同品類選擇最為高效的經(jīng)營(yíng)模式。盒馬生鮮的銷售占比達(dá) 60%~70%，是最核心的品類，該品類的特點(diǎn)是用戶預(yù)期時(shí)效性高，非常適合盒馬鮮生這種將門店開到用戶周邊的業(yè)態(tài)。

3、不同供應(yīng)鏈模式的物流與庫(kù)存成本

在考慮使用什么樣的供應(yīng)鏈模式前，需要均衡物流成本和庫(kù)存成本。相同數(shù)量的商品，整件物流成本遠(yuǎn)低于包裹物流，冷鏈差異更加明顯（暫時(shí)不考慮送貨時(shí)效和規(guī)模效應(yīng)）。反之庫(kù)存越分散，需求不確定性越大，如果不能準(zhǔn)確把握消費(fèi)者需求，就提前將庫(kù)存布局在門店，會(huì)導(dǎo)致很高的缺貨和損耗，即庫(kù)存成本高。

4、盒馬供應(yīng)鏈網(wǎng)絡(luò)

為了實(shí)現(xiàn)高效供需匹配，多種業(yè)務(wù)模式需要有配套的供應(yīng)鏈支撐，盒馬多種業(yè)務(wù)模式后端融合，盡量共享干線網(wǎng)絡(luò)和庫(kù)存，大幅提高資源利用率，提高供應(yīng)鏈效率。

二、供應(yīng)鏈算法定位

供應(yīng)鏈算法本質(zhì)上是在傳統(tǒng)供應(yīng)鏈方法上，借助算法和數(shù)據(jù)的力量提高效率。

1、電商行業(yè)供應(yīng)鏈算法定位

電商行業(yè)算法主要分為基礎(chǔ)算法和業(yè)務(wù)算法。

基礎(chǔ)算法包括圖像、語音、文本等。電商業(yè)務(wù)算法直觀地分為三種，一、從前端（流量，用戶*商品維度）來說，和視頻網(wǎng)站和資訊網(wǎng)站區(qū)別不大，采用搜索、廣告、推薦方法；二、從中端（零售，商品維度）來說，包括商品、價(jià)格和庫(kù)存等預(yù)測(cè)與決策算法；三、從后端（物流，訂單維度）來說，包括履約、倉(cāng)儲(chǔ)、配送等優(yōu)化算法。廣義的供應(yīng)鏈算法包括，中端（零售和商品預(yù)測(cè)與決策）和后端（物流和訂單優(yōu)化），狹義的供應(yīng)鏈算法只包括中端算法。

2、零售商供應(yīng)鏈算法優(yōu)勢(shì)

“牛鞭效應(yīng)”是指供應(yīng)鏈上的一種需求變異放大現(xiàn)象，使信息流從最終客戶端向原始供應(yīng)商傳遞時(shí)，無法有效地實(shí)現(xiàn)信息共享，使得信息扭曲而逐漸放大，導(dǎo)致了需求信息出現(xiàn)越來越大的波動(dòng)，此信息扭曲的放大作用在圖形上很像一個(gè)甩起來的牛鞭，因此被形象地成為“牛鞭效應(yīng)”。

零售商是最接近消費(fèi)者的企業(yè)，最能夠感知與把握消費(fèi)者需求，最有能力通過數(shù)據(jù)和算法來應(yīng)對(duì)市場(chǎng)波動(dòng)。

3、盒馬供應(yīng)鏈算法邏輯

零售本質(zhì)上是人貨場(chǎng)的匹配。在企業(yè)日常運(yùn)營(yíng)中，首先公司內(nèi)部會(huì)推出銷售計(jì)劃與策略，銷售計(jì)劃決定供應(yīng)，供應(yīng)能力決定庫(kù)存，通過庫(kù)存和履約能力決定短期銷售上限，從而對(duì)銷售進(jìn)行調(diào)控，下一輪的銷售計(jì)劃參考以上歷史信息，實(shí)現(xiàn)了完整的商業(yè)運(yùn)行閉環(huán)。

三、生鮮自動(dòng)補(bǔ)貨系統(tǒng)

1、盒馬生鮮自動(dòng)補(bǔ)貨背景

高品質(zhì)的商品是盒馬一貫的追求。為了滿足顧客極致的新鮮體驗(yàn)，盒馬商品的貨架期非常短，甚至還提供僅滿足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(fèi)品類，成為行業(yè)標(biāo)桿。即時(shí)的生鮮服務(wù)非常切合消費(fèi)者需求，但是對(duì)供應(yīng)鏈提出了很高的要求。

更短的售賣期，意味著更容易發(fā)生缺貨或者損耗，對(duì)此，盒馬供應(yīng)鏈算法根據(jù)生鮮零售的特點(diǎn)，考慮天氣、季節(jié)性、節(jié)假日、商品替代性、營(yíng)銷活動(dòng)，線上線下陳列展示等因素，構(gòu)建了一系列具有盒馬特色的高精度需求預(yù)測(cè)模型，通過仿真系統(tǒng)優(yōu)化庫(kù)存，實(shí)現(xiàn)了高度自動(dòng)化的訂貨系統(tǒng)，大幅降低人力成本的同時(shí)優(yōu)化了庫(kù)存指標(biāo)。

2、盒馬生鮮自動(dòng)補(bǔ)貨系統(tǒng)算法模塊

盒馬生鮮補(bǔ)貨系統(tǒng)包括需求預(yù)測(cè)、庫(kù)存模型、動(dòng)態(tài)調(diào)控三個(gè)模塊。需求預(yù)測(cè)部分由于數(shù)據(jù)量比較多，特征處理復(fù)雜，工作量占比最大；庫(kù)存模型主要目的是平衡用戶需求和庫(kù)存成本，實(shí)現(xiàn)利益最大化；動(dòng)態(tài)調(diào)控針對(duì)不符合銷售預(yù)期的商品，自動(dòng)生成營(yíng)銷活動(dòng)與流量調(diào)控，降低庫(kù)存水位，優(yōu)化周轉(zhuǎn)與損耗。

3、盒馬生鮮自動(dòng)補(bǔ)貨系統(tǒng)主要成就

在技術(shù)深度和創(chuàng)新上，成功將時(shí)空異構(gòu)圖神經(jīng)網(wǎng)絡(luò)模型引入到商品銷量預(yù)測(cè)需中，解決了復(fù)雜營(yíng)銷活動(dòng)信息損失過大等問題，使得預(yù)測(cè)準(zhǔn)確率顯著提升。

從算法效果來說，盒馬預(yù)測(cè)算法在阿里集團(tuán)時(shí)序預(yù)測(cè)比賽主要數(shù)據(jù)集上獲得冠軍和亞軍的好成績(jī)，整體準(zhǔn)確度高，通用性強(qiáng)。

從業(yè)務(wù)結(jié)果來說，生鮮訂貨系統(tǒng)算法建議采納率穩(wěn)定在 96% 以上，訂貨人效提升 70%，損耗率降低 30%，缺貨率降低 25%。

行業(yè)影響力方面，盒馬集成預(yù)測(cè)、庫(kù)存、價(jià)格與調(diào)控于一體的算法解決方案，成功入圍 2022 年 Franz Edelman 杰出成就獎(jiǎng)總決賽。

4、盒馬銷售預(yù)測(cè)算法迭代路徑

盒馬銷售預(yù)測(cè)算法迭代路徑分為簡(jiǎn)單模型、機(jī)器學(xué)習(xí)模型、深度時(shí)序模型、時(shí)空?qǐng)D網(wǎng)絡(luò)模型四個(gè)階段。簡(jiǎn)單模型貼近業(yè)務(wù)理解，確保覆蓋全量 SKU；機(jī)器學(xué)習(xí)模型比較穩(wěn)定，異常值較少，但是大量依賴特征工程，時(shí)序擴(kuò)展性差；深度時(shí)序模型不依賴特征工廠，原始時(shí)序信息遺漏少，時(shí)序拓展性強(qiáng)；時(shí)空?qǐng)D網(wǎng)絡(luò)模型考慮商品間的關(guān)聯(lián)性和跨樣本間的影響等。

5、盒馬銷售預(yù)測(cè)十大難點(diǎn)

6、時(shí)空異構(gòu)圖神經(jīng)網(wǎng)絡(luò)銷量預(yù)測(cè)模型框架

在預(yù)測(cè)時(shí)，預(yù)測(cè)的主要信息是商品銷量，考慮到活動(dòng)對(duì)商品銷量有影響，因此可以將商品和活動(dòng)建立圖關(guān)系；此外，其他對(duì)商品銷量有影響的因素也可以納入到圖模型中；對(duì)于該模型來說，在每一個(gè)時(shí)間窗上就構(gòu)成了一張商品銷量和各種特征的異構(gòu)圖。在計(jì)算過程中，首先利用 GraphSage、GATNE 等算法提取每個(gè)時(shí)間切片上的圖信息，由此獲取到點(diǎn)的更新信息，往下傳遞獲取到整個(gè)時(shí)序的信息。在實(shí)際應(yīng)用中，圖信息是輔助信息，主要的信息依然是時(shí)序信息；同時(shí)，時(shí)序模型可以根據(jù)不同的場(chǎng)景替換成不同的時(shí)序模型。

7、基于仿真的庫(kù)存模型

庫(kù)存模型主要分為兩部分，首先是單個(gè) SKU 的庫(kù)存量，其次是多個(gè)倉(cāng)庫(kù)的匯總量問題。新零售獨(dú)有的場(chǎng)景，安全保留量是指當(dāng)線上和線下共享庫(kù)存時(shí)，線上的顧客是先下單后拿實(shí)物，線下的顧客是先拿實(shí)物后下單，這樣會(huì)發(fā)生線上的顧客先下單的貨物被線下的用戶拿走了的問題，由此導(dǎo)致線上訂單無法履約。因此在這樣的場(chǎng)景中，需要通過控制參數(shù)，當(dāng)庫(kù)存小于某個(gè)值時(shí)，線上就不進(jìn)行售賣，防止發(fā)生無法及時(shí)出貨的風(fēng)險(xiǎn)。

8、庫(kù)存算法系統(tǒng)架構(gòu)

在進(jìn)行訂貨量決策時(shí)主要分為三步，首先是進(jìn)行業(yè)務(wù)目標(biāo)拆分，根據(jù)業(yè)務(wù)目標(biāo)和場(chǎng)景差異，確定某個(gè)商品是應(yīng)該側(cè)重保缺貨還是保損耗等；第二步是庫(kù)存批次推斷，例如我們倉(cāng)庫(kù)中有 10 件商品，其中有 5 件是臨期產(chǎn)品，如果沒有及時(shí)訂貨可能會(huì)由于臨期產(chǎn)品過期而產(chǎn)生缺貨，因此需要進(jìn)行庫(kù)存批次推斷；第三步最優(yōu)訂貨量計(jì)算，支持各種模型進(jìn)行訂貨量預(yù)估。

9、庫(kù)存動(dòng)態(tài)調(diào)控系統(tǒng)

由于生鮮商品保質(zhì)期較短，雖然銷售預(yù)測(cè)和庫(kù)存模型會(huì)最大力度提升模型性能，但是依然存在少量商品訂多或者訂少的情況，尤其是訂多的情況會(huì)帶來很大的損耗。因此通過建立庫(kù)存動(dòng)態(tài)調(diào)控系統(tǒng)，實(shí)時(shí)監(jiān)控銷量并更新預(yù)測(cè)結(jié)果，進(jìn)行庫(kù)存預(yù)警，通過線上促銷活動(dòng)，APP 流量?jī)A斜、線下門店折扣調(diào)整庫(kù)存，盡量避免由于庫(kù)存積壓產(chǎn)生的損耗。該系統(tǒng)的難點(diǎn)在于流量和價(jià)格的聯(lián)合調(diào)控，需要實(shí)現(xiàn)高頻的流量決策和低頻的價(jià)格決策全局最優(yōu)。

四、問答環(huán)節(jié)

Q1：預(yù)測(cè)評(píng)價(jià)標(biāo)準(zhǔn)是什么？

A1：行業(yè)通常使用的是加權(quán)的 MAPE，即準(zhǔn)確率= 1-（商品池的總誤差/總真實(shí)銷量）*100%。該誤差是帶有權(quán)重的，比如說某個(gè)商品真實(shí)銷量較大，產(chǎn)生的誤差也大，對(duì)于全局誤差貢獻(xiàn)也大，這樣符合業(yè)務(wù)認(rèn)知。

Q2：時(shí)空異構(gòu)圖 paper 鏈接？

A2：主要參考了這篇時(shí)空同構(gòu)圖論文思想，結(jié)合自身場(chǎng)景，使用了異構(gòu)圖。Huang Y, Bi H K, Li Z, et al. STGAT: Modeling spatial-temporal interactions for human trajectory prediction[C]//Proceedings of the IEEE International Conference on Computer Vision. 2019: 6272-6281.

Q3：簡(jiǎn)單模型使用的是哪個(gè)？會(huì)用于做其他模型的標(biāo)桿算增值嗎？

A3：使用什么簡(jiǎn)單模型不是關(guān)鍵，主要是能夠覆蓋全量 SKU，用于做兜底策略。常見的包括簡(jiǎn)單移動(dòng)平均法，上周同期等。