Grab cải thiện công nghệ để chuyển đồ ăn tươi ngon, nóng hổi

Để đạt được mục tiêu đó, điều quan trọng đối với Grab là kiểm tra xem làm thế nào để tối ưu hóa các chuyến đi và hành trình này cho tài xế và đối tác giao hàng, giúp họ kiếm được nhiều tiền hơn từ nền tảng, đồng thời cung cấp cho người tiêu dùng trải nghiệm tin cậy.

Trong khi người tiêu dùng mong muốn thực phẩm đến tay họ tươi và nóng, thì các đối tác giao hàng cũng muốn thời gian làm việc của họ hiệu quả nhất có thể để tối đa hóa thu nhập trong ngày của họ. Ngoài ra, các thương nhân hy vọng các đơn đặt hàng đã đặt trước sẽ được nhận nhanh chóng, đặc biệt là trong những giờ cao điểm.

Chính trong vô số kỳ vọng này mà hệ thống công nghệ thực hiện đơn hàng của Grab phát huy tác dụng kỳ diệu của nó.

"Chúng tôi đảm bảo tất cả các đặt chỗ và đơn đặt hàng mà chúng tôi nhận được trên siêu ứng dụng của mình có thể được thực hiện bằng cách sử dụng hệ sinh thái của đội ngũ tài xế và khả năng thị trường của chúng tôi", ông Prashant Kumar, người đứng đầu bộ phận thực hiện sản phẩm tại Grab giải thích.

Tối ưu giao hàng

Mặc dù hệ thống công nghệ hoàn thiện đơn hàng được tích hợp trong tất cả các dịch vụ của Grab, nhưng một trong những dịch vụ hưởng lợi lớn nhất của Grab là giao đồ ăn, một ngành dọc mà nhóm của Kumar đang tích cực phát triển.

Ví dụ, một khiếu nại phổ biến mà cả người giao và người bán đồ ăn thường gặp phải là đơn hàng không sẵn sàng để nhận khi tài xế đến nhà hàng hoặc cửa hàng. Khoảng thời gian chờ đợi này có thể được người lái xe sử dụng để hoàn thành nhiều công việc hơn, trong khi đối với những người bán đồ ăn, việc lái xe chen chúc xung quanh cũng có thể gây khó chịu, dẫn tới làm việc không hiệu quả, đặc biệt là khi có một lượng lớn khách hàng phải phục vụ tại chỗ.

Để giải quyết vấn đề này, Grab đang xây dựng sự hiểu biết sâu sắc hơn về các thuộc tính của đơn hàng như thời gian chuẩn bị đồ ăn tại mỗi nhà hàng. Theo đó, nền tảng có thể dự đoán chính xác hơn thời gian người lái xe đến nhận hàng và xác định người lái xe phù hợp nhất cho công việc này.

Trong cả hai trường hợp, dữ liệu thời gian thực và thông tin chi tiết từ mỗi đơn đặt hàng được chuyển trở lại các mô hình AI của công ty, cho phép liên tục cải thiện độ chính xác.

Kumar cho biết: "những tối ưu hóa chuỗi cung ứng này kết hợp với nhau để tạo ra một hệ thống hiệu quả hơn, cho phép các đối tác kiếm được nhiều tiền hơn". Ông chia sẻ rằng vào tháng 7/2022, Grab đã loại bỏ khoảng 12 triệu phút thời gian chờ đợi của đối tác tài xế so với tháng 2/2022.

"Cuối cùng, điều này giúp các đối tác tin tưởng hơn khi làm việc với hệ thống của Grab. Người tiêu dùng cũng được hưởng những trải nghiệm nhất quán và tin cậy hơn, thúc đẩy kinh tế nhờ cung và cầu mạnh mẽ", Kumar bổ sung thêm.

Hiệu quả về thời gian

Bên cạnh các cơ chế tối ưu hóa hành trình của đơn hàng, Grab còn triển khai các đơn hàng theo đợt. Mặc dù về mặt lý thuyết, việc chỉ định một tài xế duy nhất cho các đơn đặt hàng khác nhau được giao đến cùng một khu vực trong cùng khung thời gian có vẻ đơn giản, nhưng Kumar giải thích rằng về mặt công nghệ, đây là một vấn đề phức tạp với nhiều phần cần phải giải quyết.

"Nếu chúng tôi làm được việc này, tài xế chỉ phải đỗ xe một lần và giao hàng cho nhiều người trong một tòa nhà văn phòng hoặc khu chung cư. Chúng tôi muốn các tài xế có thể "hiệu quả về thời gian hơn".

Để đạt được điều này, Grab tìm kiếm câu trả lời cho các câu hỏi chi tiết - như mặt hàng nào sẽ được vận chuyển, trọng lượng bao nhiêu và thời gian chuẩn bị - bằng cách phân tích dữ liệu được thu thập với sự trợ giúp của những người bán hàng, tài xế và chính nhóm tác vụ địa lý của Grab. Với thông tin này, các mô hình khoa học dữ liệu của công ty có thể tìm ra lộ trình tốt nhất để hướng dẫn tài xế thông qua việc nhận và trả hàng theo đợt.

Gắn liền với việc sắp xếp đơn đặt hàng là sự hiểu biết sâu sắc về mạng lưới đường bộ, bãi đậu xe và điều hướng. Tận dụng kinh nghiệm và hiểu biết sâu sắc về đội xe đa quốc gia của mình, Grab thu thập thông tin về thế giới thực để cải thiện công nghệ lập bản đồ nội bộ của mình.

Tất cả những nỗ lực đằng này đã góp phần hướng tới mục tiêu của Grab: cho phép các tài xế của họ trực tuyến và tập trung vào việc lái xe và giao hàng mà không phải lo lắng về các chi tiết.

Địa phương hóa

Mặc dù Grab nỗ lực tạo ra những chuyến đi hiệu quả và hiệu quả hơn cho các đối tác tài xế của mình, nhưng Grab cũng lưu ý đến sự khác biệt giữa 8 thị trường mà Grab phục vụ ở Đông Nam Á.

Kumar nhấn mạnh: "Đông Nam Á là một thị trường rất cạnh tranh với nhiều sắc thái. Nếu chúng tôi thực sự nghiêm túc với tham vọng giải quyết nhu cầu của khách hàng và tài xế, thì cách tiếp cận một kiểu cho tất cả sẽ không hiệu quả".

Để bắt đầu, sự kết hợp đội xe của mỗi địa phương có thể khác nhau rất nhiều. Singapore có số lượng người đi xe đạp khá lớn trong khi các thành phố của Việt Nam chủ yếu là người đi xe máy. Điều này mang đến những cơ hội khác nhau trong cách triển khai và tối ưu hóa từng đội xe.

Các mô hình khoa học dữ liệu của Grab có thể mở rộng và được xây dựng có tính đến sự phức tạp của khu vực và phần lớn dữ liệu mà Grab sử dụng - chẳng hạn như điều kiện giao thông địa phương hoặc hỗn hợp đội xe - đến từ thông tin thu thập được của chính công ty. Tuy nhiên, Kumar chia sẻ rằng cũng có những sắc thái địa phương như các yêu cầu quy định phải được nhóm chỉ định thủ công.

Tác động của tất cả những hoạt động tối ưu hóa liên tục này bắt nguồn từ cốt lõi của những gì Grab hướng đến để cung cấp dưới dạng một nền tảng: khả năng tiếp cận các dịch vụ thiết yếu hàng ngày đáng tin cậy và hợp túi tiền cho người tiêu dùng, cơ hội thu nhập khả thi cho tài xế và đối tác giao hàng, đồng thời mở rộng phạm vi tiếp cận khách hàng cho các thương nhân.

Trong thời gian chờ đợi, Kumar và nhóm của mình tiếp tục thực hiện một số cải tiến và tối ưu hóa nền tảng để mang lại lợi ích cho hệ sinh thái siêu ứng dụng của Grab.

Kumar cho biết: "Mỗi khi chúng tôi làm đúng, chúng tôi lại tiến thêm một bước trong việc hiện thực hóa sứ mệnh hỗ trợ các doanh nhân hàng ngày trên khắp Đông Nam Á"./.