Postis simplifie les livraisons internationales grâce au ML et à AWS SageMaker

Postis fournit une plateforme numérique en temps réel pour l'automatisation, l'optimisation et le suivi de la logistique, aidant les détaillants et les entreprises de livraison à maîtriser la dernière étape du parcours de leurs clients, garantissant ainsi une bonne expérience depuis la commande jusqu'à la réception des marchandises. Cette startup roumaine en pleine expansion utilise le machine learning pour aider les vendeurs à trouver la solution de livraison la plus adaptée et la plus rentable pour chaque type de produit, de parcours client ou de destination. Elle a utilisé AWS pour créer un système évolutif ayant la puissance nécessaire pour exécuter de lourdes charges de travail de machine learning et soutenir sa croissance mondiale. Postis dessert désormais plus de 200 clients dans 25 pays à l'aide d'AWS, dont de grands noms comme Ikea, Carrefour, Auchan et Intersport.

Postis veut aider les détaillants et les entreprises de livraison à maîtriser la dernière étape du parcours vers leurs clients. Cette startup roumaine à croissance rapide fournit une plateforme numérique en temps réel pour l'automatisation, l'optimisation et le suivi de la logistique qui garantit une excellente expérience de service tout au long du parcours du consommateur, de la commande à la réception des marchandises.

Pour ce faire, Postis utilise le machine learning (ML) pour aider les vendeurs à trouver la solution de livraison la plus adaptée et la plus rentable pour chaque type de produit, de parcours client ou de destination. La société a fait appel à Amazon Web Services (AWS) pour créer un système évolutif capable d'exécuter de lourdes charges de travail de ML et de soutenir sa croissance mondiale.

Grâce à AWS, l'entreprise, fondée en 2017, sert désormais plus de 200 clients dans 25 pays dans les secteurs du commerce de détail, du commerce électronique, de la logistique et du transport - dont de grands noms comme Ikea, Carrefour, Auchan et Intersport. Elle s'efforce d'aider les clients à assurer des livraisons efficaces et à prendre des décisions stratégiques plus judicieuses. 

Postis savait qu'en utilisant le ML, elle pouvait offrir à ses clients les options de livraison les plus efficaces. Mais la formation d'un modèle ML nécessite de grandes quantités de données sur les opérations de transport et de logistique, notamment la durée des livraisons, les préférences des clients en matière de livraison, les meilleures alternatives entre les points d'exécution et les lieux de livraison, les performances des coursiers locaux et la fréquence à laquelle les livraisons sont rejetées par les destinataires.

Postis a passé un an à collecter ces données auprès des clients et à créer manuellement des formules statistiques pour obtenir des informations utiles. Ce processus a permis à l'équipe de réaliser quels points de données étaient les plus précieux pour former le modèle qu'elle utilise maintenant. « Notre modèle initial fonctionnait trop lentement sur nos ressources sur site, mais le processus a été utile, car c'est à ce moment-là que nous avons commencé à comprendre les différents facteurs qui affectent les livraisons », explique Florin Bulgarov, directeur scientifique des données chez Postis. 

À la recherche d'une solution plus efficace, l’entreprise a commencé à utiliser Amazon SageMaker pour construire, former et déployer son modèle ML. Une fois que ce modèle a commencé à produire de bons résultats en temps voulu, Postis a utilisé Amazon Kinesis - qui facilite la collecte, le traitement et l'analyse des données en temps réel afin d'obtenir des informations opportunes - pour créer des tableaux de bord faciles à utiliser afin de suivre la progression des livraisons en temps réel. Elle partage ces tableaux de bord avec tous les départements internes afin d'identifier rapidement les bugs et de rationaliser les processus de service à la clientèle.

Grâce aux API construites par AWS, Postis peut envoyer des alertes en temps réel sur l'avancement des livraisons aux détaillants ou directement aux consommateurs qui ont commandé des marchandises. En offrant aux consommateurs un accès direct aux détails du suivi, les clients de Postis réduisent la charge de travail de leurs équipes de service à la clientèle. Les détaillants ont reçu 25 % d'appels en moins vers leurs centres de contact après avoir commencé à utiliser le système de mises à jour en temps réel de Postis pour fournir aux consommateurs des alertes par SMS ou par courriel.

Les données de suivi ont également permis de réduire de 20 % le taux de refus des commandes, c'est-à-dire le nombre de fois où les acheteurs n'acceptent pas la livraison à leur domicile. « Certains de nos clients économisent des centaines de milliers d'euros par an parce que notre système réduit leur taux de refus », explique M. Bulgarov.

Les détaillants qui utilisent Postis peuvent désormais proposer de nouvelles fonctionnalités aux utilisateurs finaux, grâce à un accès rapide aux données de livraison sur la plateforme. Par exemple, les acheteurs reçoivent le coût de l'option d'expédition qu'ils ont choisie en temps réel, de sorte que les détaillants peuvent fournir le coût exact de la livraison pendant que l'acheteur passe sa commande.

Lorsque les clients utilisent Postis, le système analyse leurs opérations de livraison et fournit des informations sur le comportement réel de leurs acheteurs. Ils peuvent ensuite utiliser ces informations pour prendre de meilleures décisions stratégiques. Par exemple, les détaillants peuvent identifier les échecs de livraison lors de la dernière étape et d'autres problèmes courants de l'expérience de l'acheteur, puis mettre en œuvre de nouvelles politiques pour remédier aux problèmes. Grâce aux données historiques, les détaillants peuvent analyser et comparer les performances et la qualité de l'ensemble de leurs transporteurs, améliorant ainsi leur sélection et la négociation des contrats. Les décisions fondées sur les données sont également prises en temps réel, choisissant la meilleure solution sur la base de plus de 100 critères en moins de 20 millisecondes.

Postis poursuit son expansion internationale pour accroître sa couverture territoriale et le nombre de détaillants qu'elle dessert et pour optimiser et augmenter le volume des livraisons. Postis utilise les ressources informatiques locales d'AWS pour exécuter ses modèles ML.

Les clients de Postis peuvent ainsi proposer des livraisons dans de nouvelles zones sans avoir à adapter leurs systèmes informatiques. « Nos clients peuvent rapidement se mettre en place pour accepter des commandes en provenance de nouveaux pays », explique Florin. « Nous avons toute l'infrastructure et les données prêtes pour eux, ils n'ont donc plus qu'à signer des contrats avec des coursiers locaux. » 

Parce qu'elle travaille avec des détaillants, Postis doit gérer les pics de demande pendant les périodes de forte activité commerciale, comme le Black Friday et la période de Noël. Elle traite 7 à 10 fois plus pendant ces périodes de pointe.

Ses bases de données évoluent automatiquement pour répondre à une demande variable en utilisant Amazon Elastic Compute Cloud (Amazon EC2), qui offre une capacité de calcul sécurisée et redimensionnable pour toute charge de travail, et Amazon Relational Database Service (Amazon RDS), qui permet de mettre en place, d'exploiter et de faire évoluer des bases de données relationnelles dans le cloud. « Nous n'avons pas à intervenir en cas de pic de trafic. Tout s'adapte automatiquement », explique M. Bulgarov. « Cela signifie que nous sommes sûrs de fournir un service fiable et que nos équipes informatiques peuvent se concentrer sur d'autres tâches. »

Postis a pris un bon départ, élargissant rapidement sa clientèle et triplant ses revenus chaque année depuis sa création. « Nous sommes désormais prêts à proposer nos services dans toute l'Europe et à continuer à ajouter des fonctionnalités pour accroître la portée de notre écosystème », déclare M. Bulgarov. « Construire nos produits sur AWS nous a permis de réaliser beaucoup de choses en peu de temps. »