A data driven approach for a customer-centric last mile delivery

At a time of significant growth of eCommerce, failed deliveries cause important efficiency problems in the last mile delivery sector, whose costs represent more than half of the costs related to the overall delivery process (53%), thus negatively impacting both customers both eTailers and logistics service providers. In this study we propose an innovative approach aimed at increasing customer satisfaction and reducing operational delivery costs. To do this, an analytical model is developed first of all to generate and process home attendance customer data to build the availability profiles and then, using this data base, to solve a Last Mile Vehicle Routing Problem with Availability Profiles (LMVRAP) through the development of multiple algorithms that differentially optimize both distances and customer home attendances; furthermore, the application of the LMVRAP is performed on a high delivery density area, whose the results produce, on a sample of 128 customers, a reduction of failed deliveries up to almost 90% and a saving of the single delivery cost up to 16%. A sensitivity analysis, carried out on different types of customers in six additional scenarios, demonstrates the solidity and effectiveness of this approach that, in addition to reducing operating costs, it increases service level and also provide benefits from an environmental point of view. Future developments may consider a different delivery density area or an even larger number of customers to be visited in a longer time span to demonstrate the scalability and greater effectiveness of the model.

In un momento di significativa crescita dell'eCommerce, le consegne non riuscite causano notevoli problemi di efficienza nel settore dell'ultimo miglio, i cui costi rappresentano oltre la metà dei costi relativi al processo di consegna complessivo (53%), con un impatto negativo sia per i clienti sia per eTailer e fornitori di servizi logistici. In questo studio proponiamo un approccio innovativo volto ad aumentare la soddisfazione del cliente e a ridurre i costi operativi di consegna. Per fare ciò, un modello analitico viene sviluppato prima di tutto per generare ed elaborare i dati di presenza dei clienti a casa per costruire i profili di disponibilità e quindi, utilizzando questa base di dati, per risolvere un “Last Mile Vehicle Routing Problem with Availability Profiles” (LMVRAP) attraverso lo sviluppo di molteplici algoritmi che ottimizzano, in modo differenziale, sia le distanze che le presenze a casa dei clienti; inoltre, l'applicazione del LMVRAP viene eseguita su un'area ad alta densità di consegna, i cui risultati producono, su un campione di 128 clienti, una riduzione delle consegne non riuscite quasi fino al 90% e un risparmio sul costo di singola consegna fino al 16%. Un'analisi di sensitività, condotta su diversi tipi di clienti in sei ulteriori scenari, dimostra la solidità e l'efficacia di questo approccio che, oltre a ridurre i costi operativi, aumenta il livello di servizio e fornisce anche benefici da un punto di vista ambientale. Gli sviluppi futuri potrebbero considerare un’area con diversa densità di consegna o un numero ancora maggiore di clienti da visitare in un arco di tempo più lungo per dimostrare la scalabilità e una maggiore efficacia del modello.