Перестроили последнюю милю и добились 30% экономии на логистике доставки: совместный вебинар Euromebel с Яндекс Маршрутизацией

Как «Евромебель» автоматизировали доставку и снизили затраты на логистику на 30%
На вебинаре Яндекс Маршрутизация и «Евромебель» разобрали, как выстраивать доставку крупногабаритных заказов при работе с наёмным транспортом — и почему ручное планирование перестаёт эффективно масштабироваться вместе с бизнесом.

Спикеры вебинара:

• Александр Семёнов — старший менеджер по работе с корпоративными клиентами Яндекс Маршрутизации.
• Евгений Кучковский — генеральный директор «Евромебель».
• Елена Антипова — программист 1С «Евромебель».

Евгений: Мы занимаемся розничной продажей мебели: наша сеть охватывает 27 городов Казахстана. Собственного автопарка у нас нет — доставку полностью обеспечивает наёмный транспорт. Сегодня в работе задействованы более 90 машин и курьеров.

Для нас доставка всегда была сильной стороной сервиса, но одновременно — одной из главных операционных проблем. В мебели почти каждый заказ — это многопакетный крупногабаритный груз, поэтому клиентский опыт сильно зависит от того, насколько предсказуемо работает доставка. При этом наш основной логистический центр находится в Алматы, а дальше в каждом городе работает локальная доставка последней мили.

До внедрения Яндекс Маршрутизации после выезда машины со склада доставка фактически превращалась в «чёрный ящик». Пока шла загрузка, мы понимали, что происходит. Но как только курьер уезжал со склада, прозрачность терялась: мы не видели, где находится водитель и как он движется по маршруту.

В каждом городе у нас был свой диспетчерский центр. Утром диспетчеры вручную распределяли доставку: получали накладные с адресами, весом и объёмом грузов, открывали карты и буквально рисовали маршруты.

Основная проблема была в том, что мы не могли дать клиенту точное время доставки. Обычно мы говорили так: «Привезём завтра — с утра до вечера».

Машины часто уходили недозагруженными, потому что вручную сложно эффективно спланировать десятки маршрутов одновременно и учесть особенности разных типов грузов — например, корпусной мебели и диванов. Чем больше становился объём доставки, тем сильнее росла нагрузка на диспетчеров и тем больше времени занимало планирование. Тогда мы поняли, что такой подход не позволяет масштабировать доставку вместе с ростом бизнеса.

Перед внедрением Яндекс Маршрутизации мы поставили задачи: отказаться от ручного планирования, перейти к единым правилам построения маршрутов и загрузки транспорта, повысить прозрачность доставки и обозначать клиентам точные временные окна.

Евгений: На старте водители и диспетчеры скептически относились к системе. Типичный вопрос звучал так: «Как алгоритм может построить маршрут лучше человека, который 20 лет ездит по этому городу?» Поэтому на этапе пилота мы проверяли всё на практике. Лично выезжали на точки, тестировали тайминги, проверяли время на разгрузку, загрузку и остановки. Нам было важно убедиться, что система корректно учитывает реальные условия доставки.

Первым городом для внедрения стал Павлодар. Мы сознательно работали с теми водителями, которые сильнее всего сопротивлялись изменениям. Процесс был таким: водитель и диспетчер вручную строили маршрут по привычной схеме, после чего эти же заказы загружались в Яндекс Маршрутизацию. Дальше мы сравнивали результаты.
Во всех случаях маршруты, построенные системой, оказывались эффективнее ручного планирования — иногда разница была небольшой, но алгоритм стабильно показывал лучший результат.

Одновременно с маршрутизацией мы внедрили мониторинг и мобильное приложение Яндекс Курьер. Это повысило прозрачность доставки и упростило работу с претензиями. Например, после доставки курьеры фотографировали заказ у клиента, а снимки автоматически прикреплялись к заказу в системе. Так мы смогли разбирать спорные ситуации на основе фактов, а не субъективных оценок.

Евгений: Процесс стал значительно проще: мы собираем маршрутные задания в системе, отправляем их в Яндекс Маршрутизацию и получаем готовые маршруты.
Раньше только в Алматы, где ежедневно работало 50–60 экипажей, на построение маршрутов уходило до шести часов ручной работы. Сейчас вся доставка по стране планируется за 15–17 минут.

За счёт автоматизации изменилась и сама модель управления доставкой. Если раньше у нас было девять региональных диспетчеров и два центральных, то сейчас планированием занимается один центральный диспетчер. Остальных сотрудников мы перевели на другие задачи — например, на работу с клиентскими обращениями и операционную поддержку.

Самым важным результатом для нас стало повышение предсказуемости доставки. Сейчас более чем в 90% случаев мы соблюдаем обещанное клиенту временное окно — ±1 час. Для крупногабаритной доставки это критически важно с точки зрения клиентского сервиса и качества всей логистики

Евгений: После внедрения мы продолжили развивать систему под особенности бизнеса. Например, добавили сценарии, при которых машины могут стартовать не только со склада, но и из магазинов, если доставка идёт с экспозиции.

Дополнительно настроили персональные коэффициенты скорости для водителей. Система учитывает не только дорожную ситуацию, но и особенности работы конкретного курьера: кто-то проходит маршрут быстрее, кто-то медленнее. За счёт этого планирование стало точнее.

Для Алматы отдельно внедрили диазонирование маршрутов. Зимой система автоматически снижает допустимую загрузку машин для верхней части города с учётом подъёмов и гололёда. Это помогает безопаснее распределять груз и снижать риски на сложных участках маршрута.

Даже в ситуациях с форс-мажорами — например, при поломке машины на маршруте — мониторинг позволяет быстро реагировать. Мы узнаём о проблеме раньше клиента и можем предупредить о переносе доставки.

Экономический эффект от внедрения оценили через полгода после запуска: прямая экономия составила около 30%. Через год показатели остались примерно на том же уровне.