摘要：用真实数据设置到货日
很多自配送卖家设置 handling time 和 transit time，是靠经验。
这个 SKU 平时两天能发，就填 2 天。
这个线路一般五天到，就填 5 天。
旺季怕出事，就全部加一天。
淡季想抢转化，就全部压短。
但到货承诺不是运营手填一个乐观数字。
它既影响转化，也影响迟到风险、差评、退货、买家消息和账号绩效。
今天拆的是 INFORMS 2022 论文《Real-Time Delivery Time Forecasting and Promising in Online Retailing: When Will Your Package Arrive?》。
第 07 篇原来的 .download 文件是不完整 PDF，已补下载公开可访问的 TSpace 版本，并按这篇真实论文写作。
这篇论文研究的不是 Amazon LSR 公式，而是一个更底层的问题：
电商平台应该怎样实时预测配送时间分布，并给买家承诺一个既有竞争力、又不容易失约的到货日？
论文信息卡
论文标题：Real-Time Delivery Time Forecasting and Promising in Online Retailing: When Will Your Package Arrive?
作者：Nooshin Salari, Sheng Liu, Zuo-Jun Max Shen
来源：Manufacturing & Service Operations Management, 2022
DOI：https://doi.org/10.1287/msom.2022.1081
研究对象：在线零售中的实时配送时间预测和承诺到货日决策
数据来源：JD.com 2020 MSOM Data Driven Research Challenge 数据
本文使用文件：
02_订单缺陷率_ODR_迟发_取消预测/07_Real-time Delivery Time Forecasting and Promising in Online Retailing.pdf
重要边界：论文研究的是 JD.com 真实订单和配送数据，不是 Amazon Seller Central 官方配送承诺算法。本文提炼的是“到货承诺如何由真实履约能力驱动”的运营方法。
一句话结论
这篇论文对卖家的最大启发是：
到货承诺不是越快越好，而是在转化收益和失约成本之间找一个数据驱动的平衡点。
承诺太快，短期可能多拿订单，但迟到概率上升，后面会变成买家不满、差评、退货、客服压力和复购损失。
承诺太慢，迟到风险下降，但买家可能直接去买更快的竞品。
所以问题不是“我要不要把 handling time 压短”。
真正的问题是：
这个 SKU、这个仓库、这个承运商、这个目的地区域，在今天这个仓库负载下，应该承诺哪一天到货？
论文到底做了什么
论文解决两个问题。
第一，实时预测新订单的配送时间分布。
注意，不是预测一个平均值。
它要预测的是一条分布：这个订单有多大概率一天到、两天到、三天到，极端情况下会不会更慢。
第二，根据预测分布决定承诺到货日。
这一步不是简单取平均数，也不是全部取最保守日期。论文把决策问题转化成成本敏感决策：承诺太快会产生迟到成本，承诺太慢会损失销售机会。
这和卖家日常非常像。
你在 Amazon 后台设置的 handling time、shipping template、transit time，最终都会影响买家看到的预计到货时间。
如果设置太乐观，订单多了，但迟发和迟到风险也会上来。
如果设置太保守，风险小了，但 Featured Offer、转化率和买家点击意愿可能变差。
论文用了哪些数据
论文使用的是 JD.com 2018 年 3 月的订单数据。
原始数据覆盖 9,159 个 SKU，从 56 个地区发往 60 个地区。
经过匹配配送信息和清洗后，得到 293,204 个独立订单，其中 244,333 个来自 1P SKU，48,871 个来自 3P SKU。
论文后续重点关注 20 个最热门 DC，因为这些 DC 接收了超过 75% 的订单，数据量更稳。
它使用的预测变量很值得卖家学习，主要包括：
- 下单小时和星期
- 发货仓库
- 最近 2 小时从仓库发出的订单数
- 仓库等待出库的订单数
- 某个 SKU 在仓库里的等待订单数
- 某个 SKU 最近 2 小时出库数量
- 一个订单包含多少不同 SKU
- 是否有捆绑折扣、优惠券、赠品
- SKU 是 1P 还是 3P
- 用户等级、城市等级、会员状态
这些变量说明一件事：
到货承诺不是只由承运商线路决定，也由仓库当前负载、SKU 处理复杂度和订单结构决定。
为什么要预测“分布”
很多卖家最容易犯的错误，是只看平均到货天数。
比如某线路平均 4 天到。
于是你填 4 天。
但平均值会掩盖波动。
如果这个线路有一半订单 3 天到，另一半订单 6 天到，平均 4.5 天并不能告诉你该承诺哪一天。
论文用 quantile regression forests 生成配送时间分布预测，并能给出类似 50% 区间、90% 区间这样的信息。
卖家可以简单理解：
不要只问“平均几天到”。
要问“80% 的订单能不能在几天内到”。
如果你承诺的是买家体验，就不能只看最常见情况，还要看尾部风险。
结果说明了什么
论文的机器学习模型，在 JD.com 数据上明显优于在线经验基准。
论文摘要和正文提到，提出的 quantile regression forests 相比 online empirical forecasting benchmark，预测准确率提升超过 40%。
更关键的是，论文不只做预测，还把预测接到承诺到货日决策。
模拟结果显示，新的数据驱动 delivery time promise policy 在控制延误风险的同时，相比 JD.com 当时的常规策略，销售量可提升 3.7%-6.1%。
对卖家来说，这个结果的意义不是“你也能立刻提升 6.1%”。
真正的启发是：
承诺到货日不是后台设置项，而是销售、履约和账号绩效之间的平衡器。
放到 Amazon 自配送，该怎么理解
Amazon 官方对 seller-fulfilled orders 的说明里，把 Handling time 定义为从买家下单到卖家把订单交给承运商的时间；Transit time 是从交给承运商到送达买家的时间。
Amazon 的卖家文章也提示，卖家可以调整 SKU 级 handling time，或使用 Automated Handling Time；同时 Shipping Settings Automation 可以帮助提高 transit time 的准确性。
最近 Amazon 官方论坛关于 handling time 的公告也强调：handling time 是 promised delivery dates 的重要输入；很多卖家设置的 SKU 级 handling time 比实际需要更长，导致配送承诺被高估。
这和论文的结论是同一个方向：
承诺太保守，买家看到的到货日变慢，转化会受影响。
承诺太激进，迟发和迟到风险上升，账号绩效会受影响。
所以 Amazon 自配送卖家不应该用一个固定天数套所有 SKU。
更合理的方式，是按 SKU、仓库、线路、承运商和季节动态分层。
卖家明天就能做的 6 个动作
第一，先建 30 天真实到货表。
字段至少包括：订单号、SKU、下单时间、承诺发货日、实际交接承运商时间、首扫时间、承运商、目的州或邮编段、实际送达时间、是否迟到。
第二，按 SKU 分层。
不要把所有 SKU 用同一个处理时间。单件、组合、多件、易碎、带电、需要特殊包装的 SKU，处理波动完全不同。
第三，按线路分层。
仓库到不同州、不同邮编段、不同偏远程度，实际到货分布不同。不要只看全店平均到货天数。
第四，按仓库负载调整。
爆单、节假日、缺人、补货混乱、同 SKU 排队，都应该提高处理时间缓冲。
第五，按承运商复盘。
有的承运商不是慢在配送，而是慢在揽收和首扫。买家看到的是到货日，但卖家要管理的是每个节点。
第六，每周调参。
看承诺日、实际到达、迟到率、转化、退货和买家消息。不要半年不动，也不要每天乱改。
一个简化版承诺日规则
如果你现在没有模型，可以先用分层规则。
对每个 SKU + 仓库 + 目的地区域 + 承运商组合，统计过去 30 天：
- P50 到货天数：一半订单能在几天内到
- P80 到货天数：80% 订单能在几天内到
- P90 到货天数：90% 订单能在几天内到
- 迟到率
- 首扫延迟率
- 买家催单率
如果 SKU 是主推款、利润足、转化敏感，可以接近 P80 设置承诺。
如果 SKU 容易投诉、退货成本高、承运商波动大，就更接近 P90。
如果当前仓库爆单或承运商异常，再加一档缓冲。
这不是论文里的完整算法，但它是卖家可执行的起点。
不要误读这篇论文
第一，这不是 Amazon 官方 Delivery Promise 算法。
论文基于 JD.com 数据和研究框架，不是 Amazon 后台规则。
第二，不要只追求“更快承诺”。
论文强调的是成本敏感决策。快能带来销售，但迟到会伤害长期信任。
第三，不要只看平均值。
到货承诺要看分布，尤其要看尾部风险。平均 3 天到，不代表承诺 3 天安全。
第四，不要把自动处理时间当成免管。
Amazon 的自动化设置可以提高准确性，但卖家仍要管理真实处理能力、SKU 差异、仓库负载和承运商异常。
第五，不要用虚假发货来掩盖承诺过快。
如果处理能力撑不住，应该调整承诺和履约，而不是提前确认发货。
结论
到货承诺不是拍脑袋。
它是销售承诺，也是账号风险入口。
这篇论文给卖家的启发非常直接：
不要只设置一个固定 handling time，而要用真实订单数据估计到货时间分布，再根据迟到成本和转化收益决定承诺哪一天。
卖家真正要建立的能力，不是每天盯后台有没有迟发。
而是让每个 SKU、每条线路、每个承运商、每个仓库负载，都能对应一个更真实的承诺。
快一点，可能多卖。
晚一天，可能伤信任。
好的运营，是在这两者之间用数据找平衡。
参考资料
- 论文 DOI：https://doi.org/10.1287/msom.2022.1081
- TSpace 公开 PDF：https://utoronto.scholaris.ca/items/57708c53-d776-49f4-aaaf-fd7bef88b0c1
- Amazon Sell on Amazon：How to manage seller-fulfilled orders on Amazon https://sell.amazon.com/blog/amazon-order-management
- Amazon Seller Central：Modify handling time https://sellercentral.amazon.com/help/hub/reference/external/G200955560
- Amazon Seller Central：Handling time requirement https://sellercentral.amazon.com/help/hub/reference/external/GD559HDD5ZUZ8LNM