전자상거래에서의 예측 물류

게시일: 2015년 8월 25일 / 업데이트일: 2018년 11월 26일 – 저자: Konrad Wolfenstein

Shutterstock / vipman

주문한 지 얼마 안 됐는데 벌써 문 앞에 도착했어요.

어제 주문하고 내일 배송: 얼마 전까지만 해도 주문 후 48시간 이내 배송은 온라인 소매업체가 경쟁업체와 차별화할 수 있는 품질의 상징이었습니다. 그러나 익일 배송이 보편화되고 일부 업체는 당일 배송까지 제공하기 시작하면서, 초단시간 배송은 많은 고객에게 당연한 일이 되었을 뿐만 아니라, 명시적으로 요구되는 사항이 되었습니다.

지금까지 배송 시간은 자연적인 제약에 따라 제한되어 왔으며, 상당한 기술적 노력을 통해서만 연장할 수 있었습니다. 분산형 물류창고 네트워크 구축 및 운송 차량 확충 외에도 예측 물류는 최적화를 위한 핵심 영역입니다.

예측 배송 기술 개발은 전자상거래 업계의 선두주자인 아마존 . 아마존이 보유한 방대한 데이터 덕분에 이는 당연한 결과입니다. 아마존 웹사이트에서는 모든 상품 조회, 방문 페이지, 클릭 내역이 기록됩니다. 이러한 정보는 잠재 구매자의 구매 가능성을 예측하는 알고리즘에 활용됩니다. 알고리즘은 웹사이트 체류 시간이나 페이지 반복 방문 패턴을 분석하여 구매 확률을 예측합니다. 분석 방식은 지속적으로 새로운 데이터를 학습하며 예측 정확도를 꾸준히 향상시킵니다. 일정 수준의 정확도에 도달하면 아마존은 주문 처리, 상품 포장, 배송 준비 등 후속 물류 프로세스를 우선적으로 진행할 수 있습니다. 고객이 최종적으로 "구매" 버튼을 클릭할 때쯤이면 상품은 이미 준비되어 배송 전 라벨 부착만 하면 되는 상태가 됩니다.

하지만 아마존이 특허를 낸 이 기술은 한 단계 더 나아가 개별 주문을 넘어 확률 계산을 활용해 전체 고객 그룹을 대상으로 마케팅을 진행합니다. 이를 통해 특정 지역의 구매 행태를 예측할 수 있습니다. 예를 들어, 어떤 도시에서 스포츠 경기가 열린다고 가정해 보겠습니다. 경기 일주일 전부터 인근 창고에서 참가팀 유니폼 배송 준비가 시작됩니다. 유니폼에는 수령인의 도시 또는 우편번호가 표시된 주소 스티커가 부착됩니다. 그런 다음 해당 지역으로 운송되어 필요한 경우 예상 주문이 도착할 때까지 트럭이나 분산된 완충 창고에 보관됩니다. 이후 배송 라벨을 작성하면 트럭이 출발하여 주문 접수 직후 유니폼을 배송합니다.

예측 기반 창고 물류

중앙 물류창고든 지역 완충 창고든, 빠른 배송을 위한 필수 조건은 원활한 상품 피킹입니다. 시간적 이점을 배송 지연으로 잃지 않으려면 고성능 물류 솔루션이 필수적입니다. 바로 이 지점에서 소규모 전자상거래 업체들이 시애틀에 본사를 둔 거대 기업과 속도 경쟁을 펼칠 기회를 잡을 수 있습니다.

여기서도 프로세스는 능동적으로 관리됩니다. 예를 들어, 제어 소프트웨어는 운송 시스템이나 주문 피커에 할당된 작업 계획을 기반으로 후속 주문을 배정합니다. 이는 피킹할 추가 품목의 보관 위치 근처에 해당 장비가 있는 경우에 해당합니다. 다른 선택 기준으로는 RFID 칩이나 GPS 장치와 같은 온보드 위치 센서가 포함될 수 있습니다. 자율 로봇의 경우, 예측 제어는 장비들이 서로 자율적으로 통신하고 현재 위치 또는 계획된 경로를 기반으로 어떤 모듈이 품목을 집어 올리는 데 가장 적합한지 결정할 수 있도록 함으로써 작동합니다.

소프트웨어 제어 방식이든 자율 운영 방식이든, 예측 계획은 창고 내 이동 경로를 효율적으로 조정하는 데 도움이 됩니다. 얼마 전까지만 해도 물품은 기존의 랙식 창고에 보관되었고, 수작업으로 꺼내 장거리 운송을 거쳐 배송이나 생산에 투입되었지만, 이제 많은 기업에서 창고 프로세스는 완전히 자동화되어 병렬적으로 운영됩니다.

이러한 자동화된 물류 시스템에는 피킹 스테이션 가까이에 배치할 수 있으면서 높은 처리량을 제공하는 소형 보관 장치가 필요합니다. 수직형 버퍼 보관 시스템은 작은 크기와 뛰어난 피킹 성능 덕분에 이러한 요구 사항을 충족하는 솔루션이 될 수 있습니다.

아마존 배송 드론 (출처: 아마존)

고객에게 운송

하지만 아무리 알고리즘이 뛰어나고, 분산형 물류창고를 갖추고, 주문 처리 속도가 빠르더라도 고객에게 배송되는 도중에 교통 체증에 갇히면 무슨 소용이 있겠습니까? 바로 이럴 때 빅데이터 기술이 해결책이 됩니다. 교통 흐름을 지속적으로 모니터링하고 운전자에게 최적의 경로를 제공하는 것이죠. 하소 플래트너 연구소 , 내부 정보와 공개적으로 이용 가능한 교통 관련 데이터를 실시간으로 연결하는 시스템을 개발했습니다. 이 솔루션을 통해 물류 기업은 교통 흐름을 정확하게 예측할 수 있습니다. 시스템은 사용자의 화물 운송 차량 정보와 최신 교통 데이터를 결합하고 분석합니다. 이를 통해 기업은 트럭이 교통 체증에 갇힌 위치와 시간, 그리고 이로 인해 배송이 얼마나 지연되는지 즉시 파악할 수 있습니다.

하지만 이 시스템은 그 이상의 기능도 수행할 수 있습니다. 교통 체증이 실제로 발생하기 전에 이를 예측할 수 있는 것입니다. 예를 들어, GPS 데이터에서 고속도로의 차량 수가 증가하는 것으로 나타나면 교통 체증이 임박했음을 알 수 있습니다. 마찬가지로, 기상 정보를 활용하여 페리나 항공편 출발 시간을 예측할 수 있습니다. 이러한 정보를 통해 계획된 경로를 사전에 최적화할 수 있으므로 고객은 온라인으로 주문한 상품을 거의 즉시 받아볼 수 있습니다.

대안으로, 미국의 웹 거대 기업인 아마존이 다시 한번 고려해볼 만한 선택지가 될 수 있습니다. 아마존은 적어도 중기적으로는 드론 배송을 통해 직접 시장에 서비스를 제공할 계획이기 때문입니다. 아마존 입장에서는 드론 배송을 활용하여 프라임 나우(Prime Now) 서비스를 최적화할 수 있는 좋은 기회로 여겨질 것입니다. 교통 체증, 혼잡한 도로, 배송 차량 주차 공간 부족 등은 빠른 배송을 방해하는 요소가 될 수 없습니다.

기업 경영진들은 이미 무인 항공기 전용 항공 회랑을 요구하고 있습니다. 이를 통해 배송 드론은 항공 교통을 방해하지 않는 60~120미터 고도에서 운항할 수 있게 됩니다. 기술적으로 드론을 이용한 상품 운송은 큰 문제 없이 실현 가능합니다. 캐나다를 포함한 여러 국가에서 이미 시험 운행이 진행 중입니다. 현재 가장 큰 장애물은 필요한 규제 승인입니다. 하지만 승인이 나면 '프라임 에어' 아마존은 그 해답을 가지고 있을 것