纵观科技发展史，绝大多数的发明都在解决人们“偷懒”的诉求。随着新一代用户群体成为消费主力军，他们追求省时省力，希望提升效率与品质，由此诞生了“懒人经济”，而疫情进一步催生出“宅经济”概念，用户只要手机下单，足不出户即可享受到各类上门服务。
在这种消费升级的强烈需求下，相应的技术解决方案也应运而生。基于卓思的技术实践，本文将梳理商业上门服务如何进行最优资源安排，希望帮助相关行业解决业务痛点，找到新的业务拓展机会。
一场突如其来的疫情踩下“宅经济”发展的油门，外卖、代送物品、社区生活服务等业态迎来春天，商业上门服务需求呈现井喷式增长，站上风口。换个角度窥探“懒人经济”，在“偷懒”的表象下，这一类消费者实际上是单位时间成本更高、更注重效率的人，对服务的时效性有更高的需求，对服务过程中的体验更加敏感。
回溯上门服务发展的初期，供给、需求都较小，经常会出现接单时间慢、派单距离远的情形，导致客户体验极差。而在上门服务行业，满足“懒人需求”的核心命题之一，就是精准预测供需、科学规划派单路径，从而降低用户的时间成本，提升服务质量。
1、经典路径优化：最短路径
无论是To B还是To C产品，技术发展追求的方向都是以最短路径和最低成本满足客户需求，这是提升服务效率、增加客户量的关键，尤为重要。
其中，最短路径问题是图论研究中的一个经典算法问题，有多种表现形态，但最基本的就是已知起点和终点，求两节点之间的最短路径。解决这类问题有很多种算法，如 或广度优先搜索算法、弗洛伊德算法、迪杰斯特拉算法和Bellman-Ford算法等。
(来源：Maxinsight卓思)
如图所示，图中有7个节点，从4号点到6号点最短一条路径是哪条呢?图中红色线条就是用迪杰斯特拉算法得出的最短路径。这类算法总体来说是高效的，应对大规模需求也没有问题，但它解决的问题多是局部和静态的，比如示例图中，节点数量是静态确定的，且某些节点是可略过的。
但是，上门服务业务的基本逻辑，是要安排N个员工去拜访分布在全国各地的M个位置并提供相应的服务，然后回到出发地，这种需要巡行(Tour)的问题被称为“旅行商问题”。面对这类情形时，最短路径算法显然需要进一步优化。
2、组合路径优化：旅行商和多人旅行商问题
旅行商问题(TSP)也被称为旅行推销员问题，是指一名旅行商需要拜访多个城市，给定一系列城市和每对城市之间的距离，求解访问每一座城市后再回到起始城市的最短路径。它是组合优化中的一个NP完全问题(多项式复杂程度的非确定性问题)，在运筹学和理论计算机科学中非常重要。
多人旅行商问题(MTSP)由此衍生而来，即多个旅行商遍历多个城市，在满足每个城市被一个旅行商经过一次的条件下，求遍历全部城市的最短路径，例如卓思的“明检”和“神秘客”就是这样的业务逻辑。在过去的研究中，大多将 MTSP转化成多个TSP，再使用针对TSP的算法进行求解。
旅行商问题最初是为交通运输而提出，比如飞机航线安排、送邮件、快递服务等，用于规划最合理高效的路径，更好地设置节点，减少运营成本，应用范围非常广泛。
(来源：Maxinsight卓思)
如上图所示，这是某个工作人员执行某次任务时在全国范围内的轨迹。或许有些看官会质疑图中大跨度的调度，感觉这个路线和上文提到的最短路径有矛盾。没错，由于执行项目时，有人员规避、日期规避、规定日期内完成等多种规则，决定了某个执行人员不能在某个地域内连续执行任务，因此图示是用算法在特定条件下求解的“最短路径”。
这类算法有普遍的现实意义，能够帮助我们规划一个大范围执行任务的人员或设备调度问题，但它解决的问题仍是相对静态且低效的，无法直接应用到实时上门服务业务中。
3、动态组合路径优化：带动态预测的多人旅行商问题
“懒人经济”中的上门服务，在具体订单确定前，无法得知客户什么时间、什么位置会有上门服务需求，企业只知道自己有几个工程师在哪天可以提供上门服务。因此，实时上门服务可以说是动态的多人旅行商问题。
面对实时上门服务，首先需要构建一个带有订单预测功能，并可根据订单情况排划出最优路线的综合系统。客户下单时，系统会根据实际服务余量情况，为客户提供可供预约或建议预约的时段;当某时段的订单确定后，系统会动态划分，在每个划分单元里寻找最优路径，最终完成动态的多人旅行商问题。
订单预测
上文提到，当用户在某个日期有某种需求时，系统需要提供当前可下订单的时间。那么，我们如何计算在某个地址、某个时间、某种级别的工程师是可用的呢?我们可能需要维护一个时间、空间、服务容量的三维矩阵。
(来源：Maxinsight卓思)
这种思路比较直接，但实际计算会变得异常复杂。由于工程师的级别、位置和时间有互斥关系，且这种关系不可简单量化，比如E工程师上午8点在北京五道口提供一个小时的上门服务，那他就不能在其它位置提供8点的服务，甚至10点也不行，因为8-9点完成服务后，1个小时的时间是赶不到下一个服务位置的。那么在时间这个维度上，当某个人被占用1小时，总体减去的服务能力或许就不止1人/时。
因此，我们进一步采用了一种虚拟的三维矩阵，用来计算不同时间段的服务能力。
(来源：Maxinsight卓思)
排划订单
在预测完成后，对于按预测容量收到的所有订单，就可以按多人旅行商的模型去解决了。由于启发示算法效率较低且对计算资源要求较高，而我们需要同时保证某些订单必须能够执行完成，所以我们会采用动态切分策略，在局部中寻找最优解。
(来源：Maxinsight卓思)
下面通过一张图片为大家展示工程师的实际路线安排。虽然对于个体工程师来说可能不是最佳路径，但在某个维度上能够达到全局最优，让系统在较为均衡的情况下给工程师安排更多的服务单，提升服务效率。
(来源：Maxinsight卓思)
从成效上看，卓思目前的上门服务资源优化方案可大大提升服务响应速度，同时节约计算资源。基于卓思的自动化派单系统，我们帮助拜耳旗下To C品牌“虫虫拜拜”优化派单路线，使其线下服务团队每个工程师每天平均服务的客户量提升了近2倍，真正带来了客户体验管理和企业经营的双效提升。
好的预测和排划算法对高效合理安排服务资源具有重要意义，在很多业务场景下都是有价值的研究课题。多年来，卓思致力于打造更好的路径优化解决方案，持续提升预测、推荐和技术服务能力，为合作伙伴的上门服务业务提供更先进的技术支持。
随着消费观念的转变与升级，各类新业态经济不断聚焦消费者细分需求，提供本地化的便利服务。可以预见的是，“宅”已经逐渐成为一种全新的生活方式，面对新一代消费者，企业必须打造以客户为中心，高效便捷的“懒人”服务模式，才能持续优化客户体验，取得竞争优势。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
