Postis simplifica las entregas internacionales mediante machine learning y AWS SageMaker

Postis ofrece una plataforma digital en tiempo real para la automatización, la optimización y el seguimiento de sistemas logísticos, lo que permite al sector minorista y a los servicios de mensajería dominar hasta el último kilómetro del recorrido hasta sus clientes, garantizando así una experiencia satisfactoria desde la realización del pedido hasta la recepción de los productos. Esta empresa emergente rumana de rápido crecimiento utiliza machine learning para ayudar a los vendedores a encontrar la solución de mensajería más adecuada y rentable para cada tipo de producto, recorrido del cliente o destino. Ha utilizado AWS para crear un sistema escalable con la capacidad de ejecutar pesadas cargas de trabajo de machine learning y respaldar su expansión en todo el mundo. En la actualidad, Postis presta servicios a más de 200 clientes en 25 países con AWS, entre los que se encuentran compañías de renombre, como Ikea, Carrefour, Alcampo e Intersport.

Postis quiere ayudar a minoristas y empresas de mensajería a dominar el último kilómetro del recorrido hasta sus clientes. Esta empresa emergente rumana de rápido crecimiento ofrece una plataforma digital en tiempo real para la automatización, la optimización y el seguimiento de sistemas logísticos, lo que garantiza una experiencia excelente del servicio, desde la realización del pedido hasta la recepción de los productos.

Para ello, Postis utiliza machine learning (ML) para ayudar a los vendedores a encontrar la solución de mensajería más adecuada y rentable para cada tipo de producto, recorrido del cliente o destino. La empresa ha utilizado Amazon Web Services (AWS) para crear un sistema escalable con la capacidad de ejecutar pesadas cargas de trabajo de machine learning y respaldar su expansión en todo el mundo.

Esta empresa fundada en 2017 presta servicio a más de 200 clientes en 25 países mediante AWS. Sus clientes pertenecen a diversos sectores, como los de la distribución minorista, el comercio electrónico, la logística y el transporte, entre los que se incluyen compañías de renombre, como Ikea, Carrefour, Alcampo e Intersport. Trabaja para ayudar a sus clientes a realizar entregas óptimas y tomar decisiones estratégicas más inteligentes. 

Postis sabía que con el machine learning podía ofrecer mejores opciones de entrega a sus clientes. Sin embargo, entrenar un modelo de ML requiere grandes cantidades de datos sobre operaciones de transporte y logística, como el tiempo que se tarda en realizar las entregas, las preferencias de entrega de los clientes, las mejores alternativas entre centros de procesamiento y puntos de entrega, el rendimiento de los servicios de mensajería locales y la frecuencia con la que los destinatarios rechazan las entregas.

Postis pasó un año entero recopilando este tipo de datos de clientes y creando fórmulas estadísticas para generar información útil. Este proceso ayudó al equipo a determinar los puntos de datos que eran más valiosos para el entrenamiento del modelo que utiliza ahora. «Nuestro modelo inicial funcionaba de una forma muy lenta en nuestros recursos locales, pero el proceso fue útil, porque fue cuando empezamos a entender los distintos factores que afectaban a las entregas», afirma Florin Bulgarov, científico de datos responsable de Postis. 

Mientras buscaba una solución más eficaz, la empresa empezó a utilizar Amazon SageMaker para crear, entrenar e implementar su modelo de ML. Cuando vieron que ese modelo empezaba a generar buenos resultados de manera oportuna, Postis empezó a usar Amazon Kinesis, que facilita la recopilación, el procesamiento y el análisis de datos de streaming en tiempo real para obtener información en el momento oportuno, con el objetivo de crear paneles sencillos para rastrear el progreso de las entregas en tiempo real. Postis comparte estos paneles con todos los departamentos internos para identificar errores rápidamente y simplificar los procesos de atención al cliente.

Mediante API basadas en AWS, Postis puede enviar alertas en tiempo real sobre el progreso de las entregas a los distribuidores o directamente a los consumidores que han pedido los productos. El hecho de que los consumidores tengan acceso directo a información de seguimiento ayuda a los clientes de Postis a reducir la carga de trabajo de los equipos de atención al cliente. Los distribuidores empezaron a recibir menos llamadas (un 25 % menos) en los centros de contacto después de empezar a usar el sistema de actualizaciones en tiempo real de Postis para enviar a los consumidores alertas por SMS o correo electrónico.

El seguimiento de los datos también ha reducido el índice de rechazo de pedidos (la frecuencia con la que los compradores no aceptan la entrega en su domicilio) en un 20 %. «Algunos de nuestros clientes ahorran cientos de miles de euros cada año gracias a nuestro sistema, que reduce el índice de rechazo de pedidos», afirma Bulgarov.

Los minoristas que utilizan Postis pueden ofrecer nuevas funciones a los usuarios finales, gracias a un acceso más rápido a los datos de entregas en la plataforma. Por ejemplo, los compradores reciben el coste de la opción de envío que han elegido en tiempo real, de manera que los distribuidores pueden proporcionar el coste exacto de la entrega mientras el comprador está realizando el pedido.

Cuando los clientes utilizan Postis, el sistema analiza sus operaciones de entrega y ofrece información sobre el comportamiento de sus compradores en tiempo real. Esta información puede resultarles útil para tomar mejores decisiones estratégicas. Por ejemplo, los distribuidores pueden identificar fallos en entregas durante el último kilómetro y otras incidencias típicas en la experiencia de los clientes e implementar nuevas políticas para solucionar este tipo de problemas. Gracias a los datos históricos, los distribuidores pueden analizar y comparar el rendimiento y la calidad de todo su equipo de mensajeros para mejorar su selección y la negociación de contratos. Las decisiones basadas en datos también se toman en tiempo real, al elegir la mejor solución en función de más de 100 criterios en menos de 20 milisegundos.

Postis está luchando por abrirse un hueco en el panorama internacional para aumentar su cobertura geográfica y el número de distribuidores a los que presta servicio, así como para optimizar y aumentar el volumen de entregas. Postis utiliza recursos computacionales locales de AWS para ejecutar sus modelos de ML.

Esto significa que los clientes de Postis pueden ofrecer entregas en áreas nuevas sin necesidad de ajustar sus sistemas informáticos. «Nuestros clientes pueden adaptarse rápidamente para aceptar pedidos de países nuevos», dice Florin. «Tenemos toda la infraestructura y todos los datos preparados, así que lo único que tienen que hacer es firmar contratos con mensajeros locales». 

Dado que trabaja con distribuidores, Postis necesita gestionar los picos de demanda durante épocas de muchas compras, como el Black Friday o Navidad. Se encarga de gestionar entre 7 y 10 veces más de solicitudes durante estos periodos de alta demanda.

Sus bases de datos se escalan automáticamente para satisfacer la demanda variable mediante Amazon Elastic Compute Cloud (Amazon EC2), que ofrece capacidad de computación segura y de tamaño adaptable para cualquier carga de trabajo, y Amazon Relational Database Service (Amazon RDS), que permite configurar, operar y escalar bases de datos relacionales en la nube. «No es necesario que intervengamos durante los picos de tráfico. Todo se escala automáticamente», dice Bulgarov. «Esto significa que estamos seguros de estar prestando un servicio fiable y de que nuestros equipos de TI se puedan centrar en otras tareas».

Postis ha empezado con buen pie: está expandiendo rápidamente su cartera de clientes y triplicando sus ingresos cada año desde que se fundó. «Ahora estamos preparados para ofrecer nuestros servicios en toda Europa y para seguir añadiendo funciones a fin de aumentar el alcance de nuestro ecosistema», afirma Bulgarov. «Desarrollar nuestros productos en AWS nos ha ayudado a conseguir grandes logros en muy poco tiempo».