亚马逊打包策略背后:机器学习驱动的优化
随着亚马逊成为一个庞大的履行中心,该公司不得不提升其结构,重塑产品的运输方式,“为了客户和地球的利益”。它通过利用先进的算法和机器学习来做到这一点,同时考虑到可回收性。
“我们知道客户关心用于运送亚马逊订单的包装,”该公司在一份声明中表示。“客户希望订单以尺寸合适、易于回收的包装交付,以确保产品完好无损地送达,并最大限度地减少对环境的影响。”
在包装中利用技术
为了减少浪费并确保产品包装在尺寸合适的盒子或邮筒中,亚马逊一直在利用机器学习。该技术传达了哪些产品适合软包装(即邮寄和袋子),因为它们比类似大小的盒子轻 75%,并且更可持续。
在过去五年中,亚马逊一直在利用这种方法,这些算法在北美和欧洲减少了 35% 以上的瓦楞纸箱使用量。此外,几年前,亚马逊开始利用算法减少多件货物的包装,自 2018 年以来减少了北美 7% 的货物的包装尺寸。
亚马逊表示:“我们还一直在投资优化我们的包装套件,以最大限度地减少每个包装的用纸量,每年节省大约 60,000 吨纸板。”
据该公司称,这些算法——由基于网络的工具 PackOpt 运行——就像 3D 俄罗斯方块一样工作。高性能算法可以快速确定如何在一个盒子内配置不同的物品,分析可折叠或可压缩的物品,例如可以套在其他更坚固物品周围的衣服。
该算法需要两个输入:该地区的历史货运数据和箱子的尺寸。在幕后,该技术考虑了 25 个不同的参数。
然而,Amazon 的目标是让该工具足够简单,以便在全公司范围内进行流线型部署。