Estimating Delivery Dates in Fashion e-Tail

Abstract

E-commerce is a rising trading manner that is driving customers towards an increasingly demanding behaviour. Since e-customers still perceive the shopping activity as uncertain, information sharing is a vehicle to customer trust and hence customer retention. Sharing delivery status and estimated delivery dates with customers enhances their satisfaction and their repurchase intention.

The current project seeks to estimate delivery dates in a multi-brand luxury fashion e-seller. This delivery process spans several entities and stages, starting in worldwide scattered boutiques until final customers. As such, this project comprises six independent sub-problems that represent the order processing phases. For each one of these, a predicting model was created to determine the corresponding timespans, based on a range of independent factors that ought to characterize each specific order. This was supported by several data mining techniques such as data cleaning, classification and regression. Data cleaning and classification were performed in order to reshape data so that modelling results could be obtained or improved. Data cleaning mainly consisted in outlier removal and variable standardization, while classification’s purpose was to decrease the number of levels of certain categorical factors. Modelling was an iterative process in which different techniques were explored, according to the previous modelling results. The main tool used in this stage were decision trees that created distinct order groups based on the combination of the chosen independent factors.

Due to the fact that each sub-problem comprises different processes and data, models’ results diverged. With the exception of step 6 (in transit), results were satisfactory, which was evaluated based on several mean error measures. Concerning this step in particular, due to its importance in the scope of the delivery, factor route should be treated with more detail in order to improve model performance. Overall, expected timespan measurements were successfully obtained for each combination of order factors, which also constitutes a meaningful insight on what impacts on delivery performance. As this is an iterative process, once data is updated, other teams can be involved in the project in order to implement this tool. This is expected to positively impact on both business control and customer satisfaction.

Alternate abstract:

O E-commerce é um modelo de comércio em crescimento que está a instigar nos consumidores um padrão de exigência crescente. Uma vez que estes clientes ainda pressentem uma incerteza associada à compra online, a partilha de informação constitui um veículo para a sua confiança e, consequentemente, a sua retenção. Partilhar com o cliente o estado da encomenda, assim como a data prevista para a sua entrega, aumenta o seu nível de satisfação e intensifica a sua intenção de efetuar novas compras.

O presente projeto tem como objetivo estimar as datas de entrega das encomendas de um retalhista multimarca de moda de luxo. Este processo compreende diversas fases e entidades, começando nas boutiques espalhadas a nível global até ao consumidor final. Deste modo, este projeto inclui seis subproblemas independentes que representam as fases de processamento das encomendas. Um modelo de previsão foi criado para cada uma destas, a fim de determinar as respetivas durações, com base num conjunto de fatores independentes caracterizadores de cada encomenda. Isto foi levado a cabo através de diversas técnicas de data mining, nomeadamente: data cleaning, classificação e regressão. As duas primeiras permitiram uma reestruturação dos dados, de modo a que a sua modelação pudesse ser realizada. A fase de Data cleaning consistiu na remoção dos outliers e uniformização das variáveis, enquanto o propósito da classificação foi reduzir o número de níveis de determinados fatores categóricos. O processo de modelação foi iterativo, permitindo a exploração de diferentes técnicas, de acordo com os resultados dos modelos anteriores. A principal ferramenta usada nesta fase foram as árvores de decisão, que permitiram a criação de grupos de encomendas distintos, com base na combinação das variáveis independentes escolhidas.

Uma vez que cada subproblema é constituído por diferentes processos e dados, os resultados dos modelos divergiram entre si. À exceção do sexto (em trânsito), os resultados foram satisfatórios, tendo sido avaliados com base num conjunto de medidas de erro médias. Relativamente a este problema em particular, dada a sua importância no contexto dos processos de entrega, o fator rota deve ser tratado com maior minúcia a fim de melhorar a performance do modelo. No cômputo geral, a duração esperada das diferentes fases foi obtida com sucesso para cada combinação de fatores, o que constitui um conhecimento significativo sobre os preditores da qualidade de entrega. Uma vez que este se trata de um processo iterativo, após a atualização dos dados, outras equipas poderão ser envolvidas no projeto a fim de implementar esta ferramenta. É esperado que esta tenha um impacto positivo no controlo dos processos de negócio, assim como na satisfação do cliente.