کاربرد ماشین لرنینگ و هوش مصنوعی در خدمات پستی: برنامه ریزی برای حمل و نقل و لجستیک

از جمله مواردی که در آن ماشین لرنینگ و هوش مصنوعی در شرکت های پستی کاربرد فراوانی دارند، پیش بینی رویدادهای عادی و برنامه ریزی برای آن و پیش بینی مسیرها و بهینه سازی است. برای بسیاری از شرکت ها، این اطلاعات، از تراکنش های قبلی در دسترس است.
آنچه ماشین لرنینگ و هوش مصنوعی، در آن مهارت کمتری دارند، اتفاقات غیرمنتظره است، مانند تحویل ناموفق. با این حال در این موارد نیز هوش مصنوعی این امکان را به ما می دهد که شرایط را شناسایی و برای آن اقداماتی را پیش بینی کنیم. بنابراین می توانیم با استفاده از برنامه ها، حالت عادی را کنترل کرده و درصورت تشخیص اتفاق غیرمترقبه، نیروی انسانی را وارد عمل کنند. و به این صورت زمان بیشتری برای مدیریت شرایط غیرعادی داشته باشیم.

بطور مثال تحویل های ناموفق پستی را می توان به نزدیک ترین مرکز توزیع به مشتری هدایت کرد. یا می توان در تنظیمات، بررسی و اقدام متناسب را ثبت و مدیریت کرد. زمانی که این اطلاعات را با سایر داده های تراکنش خود ترکیب کنیم، می تواند به شدت مفید واقع شود. بطور مثال می توانیم فرستنده، اندازه بسته و هزینه ارسال و بیمه را شناسایی کنیم.

و این می تواند ما را به برآورد محتویات بسته های پستی هدایت کند که این بسته فاسد شدنی، باارزش یا از چه نوعی است.
بطور مثال، زمانی که بسته مشتری ما یک تلویزیون گران قیمت باشد، مسلما ترجیحات متفاوتی برای تحویل دارد تا مشتری دیگری که در بسته اش یک جفت جوراب دارد. وقتیکه تحویل ناموفق اتفاق می افتد، ممکن است مسیریابی به روش درست و مناسبی انجام نشده باشد. در این موارد می توانیم ترجیحات مشتری را به تحویل دهنده ی بسته توصیه کنیم. یا بطور خودکار، روشی که مشتری برای تحویل درخواست داشته را فعال کنیم تا متصدی پستی بر اساس آن بتواند تحویل را با مشتری هماهنگ کند.

استفاده از داده ها در خدمات پستی: داده ها از کجا می آیند؟

در بسیاری از موارد، داده هایی که برای شرکت های پستی نیاز هست، از تراکنش های قبلی به دست می آیند. به این صورت که شرکت های پستی، بازخورد مشتریانشان را در زمان تحویل و ارسال و تعامل بسته ها، در پیشخوان شرکت یا درب منزل مشتری، جمع آوری می کنند. ازین طریق، شرکت های پستی می توانند یک خط کلی از داده ها را برای شروع جمع آوری کنند.
هدف از جمع آوری داده ها، تحلیل موقعیت آنها نیست. بلکه لازم است داده ها را برای دریافت بینشی کاربردی در مسیر اهدافمان استخراج کنیم. دفاتر پستی، با به کار انداختن داده ها می توانند تجربه بهتری برای مشتری فراهم کنند، بار مشکلات خود را سبک تر کنند و خدمات بهتری را به مشتریان ارائه دهند.