訂單預測與人力預測雙模型搭配，如何讓每時段外送員不會空等？

Question

Accepted Answer

訂單與人力預測雙模型協作，保障外送員上線即有單

foodpanda為了解決外送市場中訂單與人力供需失衡的難題，特別是尖峰時段訂單湧入卻人力不足，或是離峰時段人力過剩導致外送員空等浪費時間，導入了「訂單預測」與「人力預測」兩個AI模型進行協同作業。有別於部分平台允許外送員自由上線，foodpanda採取了「選班制」的模式，要求外送員預先登記特定時段的班表。此舉的關鍵在於，平台藉由分析長期的歷史數據，包含季節性變化、特定時段的消費習慣等，進行精確的時序分析，以預測各個時段預計會產生的訂單數量。

精準預測訂單量，並依此動態調配人力

訂單預測模型的建立，是foodpanda優化運營效率的基石。透過深入分析海量的歷史訂單數據，結合時間序列分析（Time Series Analysis）技術，並納入季節性因素（如節慶、假日）及每日不同時段的消費高峰與低谷，平台能夠相當準確地預估未來特定時段的訂單需求量。例如，在午餐或晚餐尖峰時段，預測模型會顯示出訂單量的顯著攀升。有了這些預測數據，平台便能進一步規劃人力資源，確保在訂單量預期較高的時段，有足夠的外送員待命。

班次人數限制與人力調配，確保外送員有效率工作

在訂單預測的基礎上，人力預測模型則扮演著關鍵的分配者角色。此模型會根據外送員主動選擇的班次，以及他們過往的服務表現與效率數據，來計算並分配每個時段所需的外送員人數。foodpanda的策略是在每個班次時段設定一個上限，限制同時上線的外送員人數。這樣的設計，意在確保所有在該時段上線的外送員，都能有足夠的訂單可以接取，大幅降低因訂單量不足而導致的外送員空等情況，提升他們的實際工作效率與收入穩定性。

應對人力不足與優化彈性，實現供需動態平衡

為了應對突發狀況或預測誤差，foodpanda也建立了一套機制來處理班次人力不足的情況。當預測或實際情況顯示某一時段的外送員人數不足以應付預期的訂單量時，平台會啟動「加碼」機制，例如提供額外的獎勵金或津貼，以吸引更多外送員加入該時段的工作。此外，也會進行其他的資源調配，例如將鄰近區域的外送員進行彈性支援。在極端天氣，如酷暑、寒流或暴雨等情況下，此類人力增幅的措施，據稱最高可達10%至30%，有效緩解因天氣因素導致的供需失衡。透過預測模型與彈性調配機制的結合，foodpanda致力於維持外送員與訂單之間的精準供需平衡。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

訂單預測與人力預測雙模型搭配，如何讓每時段外送員不會空等？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友