หลายปีที่ผ่านมาเราจะได้ยินคำว่า Lazy Culture กันบ่อยมากขึ้น ซึ่งพฤติกรรมลักษณะนี้เป็นเหตุผลหลักที่ทำให้เกิดแพลตฟอร์มเดลิเวอรี่ใหม่ๆ ขึ้นมา ขณะที่ Grab บริษัท ride-hailing จากสิงคโปร์ ซึ่งเป็น Top brand ยอดนิยมในเอเชียตะวันออกเฉียงใต้ ที่เลือกใช้บริการฟู้ดเดลิเวอรี่ และถือว่าเป็นอีกหนึ่งแพลตฟอร์มเดลิเวอรี่ที่ประสบความสำเร็จอย่างมาก
ในวันนี้เราอยากจะหยิบประเด็นระบบหลังบ้านของ GrabFood มาเล่าให้ฟัง ว่าระบบการทำงานมีขั้นตอนอย่างไร กระบวนการทำงานเป็นแบบไหนแบบง่ายๆ ไม่ต้องซับซ้อนไม่ต้องขุดภาษาเทพเชิงเทคนิคมาให้งง เริ่มตั้งแต่ที่ระบบ GrabFood ได้รับคำสั่งซื้อจาก Eater (ผู้ทาน) ส่งไปยัง Driver (ผู้ขับหรือไรเดอร์) จนออเดอร์ถึงมือ Merchant (ร้านค้า)
ระบบหลังบ้านของ GrabFood น่าสนใจหลายอย่าง ตั้งแต่ ดีไซน์ของฟีเจอร์ในแต่ละประเทศเอเชียตะวันออกเฉียงใต้ที่ไม่เหมือนกัน โดย Xiaole Kuang, Head of Engineering, Deliveries จาก Grab เล่าให้ฟังว่า หน้าโฮมเพจของ GrabFood ในแต่ละประเทศมีหน้าตาไม่เหมือนกัน แต่อาจจะคล้ายๆ กัน ซึ่งรูปแบบดีไซน์หน้าโฮมเพจก็มาจากพฤติกรรมผู้บริโภคของประเทศนั้นๆ หรือพฤติกรรมที่มาจากการ ‘ค้นหา’ อาหาร/เครื่องดื่มประเภทนั้นๆ อยู่บ่อยครั้ง
อย่างเช่น ในประเทศไทยที่ค้นหา-ออเดอร์ ‘ไก่ทอด’ ถึง 26% ส่วนคนเวียดนามประมาณ 27% ออเดอร์ซื้อ ‘ชานมไข่มุก’ มากที่สุด หรือจะเป็นคนสิงคโปร์เองที่เป็น pizza lover มากถึง 34% ดังนั้น รูปแบบการแสดงผลต่างๆ มีความสำคัญมากในการดึงดูดผู้ใช้ และการขยายฐานผู้ใช้มากขึ้นในเอเชียตะวันออกเฉียงใต้
สรุปง่ายๆ ก็คือ 3 รูปแบบดีไซน์ที่แตกต่างกันในแต่ละประเทศในเอเชียตะวันออกเฉียงใต้ ก็คือ
- แบนเนอร์ (ในไทยแสดงผลร้านที่กำลังลดราคา ส่วนในสิงคโปร์เป็นประเภทอาหารยอดนิยม หรือร้านใหม่)
- การจัดหมวดหมู่ (วิธีการดีไซน์ไอคอนิกที่ดึงดูดคนในประเทศนั้นๆ ไปจนถึง การแสดงผลเรียงจากสิ่งที่ผู้บริโภคอยากรู้มากที่สุด เช่น ในไทยที่เรียงจาก Big Sale 50% ไปจนถึง ร้านอาหาร Cuisines ทั้งหมด เป็นต้น) แม้แต่ดีไซน์ของคอนเทนต์ – รูปภาพ (จัดอยู่ด้านซ้าย หรือขวา) ยังต้องศึกษา insight พฤติกรรมจากประเทศนั้นๆ ด้วยเหมือนกัน
- ตัวเลือกแบบ Carousel (ในไทยเลือกที่จะแสดงผลจากร้านอาหารที่มีราคาสุดคุ้ม, Big Sale, Discount(%) ส่วนในสิงคโปร์จะแสดงผลร้านอาหารที่เพิ่งเข้าระบบ GrabFood ร้านใหม่ ร้านที่ต้องลอง เป็นต้น)
Recommend For You มาจากเทคโนโลยี machine learning
Xiaole Kuang ได้ยกตัวอย่างให้ดูระบบหลังบ้าน GrabFood ที่น่าสนใจอีกอย่างหนึ่งก็คือ เซ็กชั่นที่เป็น Recommend For You หรือ ร้านอาหาร/ประเภทอาหารแนะนำเรา โดยการแสดงผลดังกล่าวมาจากเทคโนโลยี machine learning โดยอธิบายง่ายๆ ก็คือ เวลาที่ Eater ใช้งานเพื่อค้นหา (ณ เวลานั้น) แต่น้อยกว่า 4 ตัวเลือก แพลตฟอร์มจะค้นหาตัวเลือกเพิ่มเติมจากคีย์เวิร์ดที่คล้ายคลึงกันในหมวดเดียวกันให้เราอัตโนมัติ หรือแบบเรียลไทม์
ทั้งนี้ GrabFood มี 2 หลักเกณฑ์หลักๆ ในการจัดอันดับตัวเลือกอาหารที่แนะนำให้แก่ผู้ใช้บริการหลายปัจจัยด้วยกัน เพื่อให้เกิดรูปแบบบริการแบบ Personalization หรือตรงใจลูกค้าคนนั้นๆ มากที่สุด มีอะไรบ้าง?
- ปัจจัยทั่วไป (ความนิยมของร้านอาหาร, การคำนวณเวลาที่ออเดอร์จะมาถึงมือ (Estimated Time of Arrival: ETA), ปริมาณคนขับที่พร้อมรับงาน)
- ปัจจัยส่วนบุคคล (ประวัติการสั่ง หรือค้นหาเมนูอาหาร, ประเภทอาหาร, งบประมาณแต่ละออเดอร์, ตัวเลือกอาหารที่ชอบ หรือเครื่องเคียง เป็นต้น)
ขณะที่รูปแบบการค้นหา หรือสั่งอาหาร/เครื่องดื่ม GrabFood มีทั้งหมด 5 รูปแบบด้วยกันในแอปพลิเคชั่น คือ
-
Delivery On-Demand
-
Self Pick-Up
-
Scheduled Delivery
-
Group Order
-
Mix-and-Match
GrabMarchant สำหรับร้านพาร์ทเนอร์ยกระดับบริการ
ไม่ใช่แค่ฝั่งลูกค้า หรือ users GrabFood เท่านั้นที่มีฟีเจอร์ มีลูกเล่นเยอะแยะในแอปฯ แต่ฝั่งของร้านค้าพาร์ทเนอร์เองก็มี GrabMarchant ที่ช่วยพัฒนาประสิทธิภาพการให้บริการให้ดีขึ้น อย่างน้อยๆ การอัพเดทข้อมูลที่เป็นเรียลไทม์ให้กับลูกค้ามีความจำเป็นมากต่อ journey ในการสั่งอาหารแต่ละครั้ง
โดยสิ่งที่ร้านอาหารจะใช้จากแอปฯ นี้ได้ ก็คือ เห็นคำสั่งซื้อเรียลไทม์จากลูกค้าทุกรูปแบบ ทั้ง On-Demand, สั่งอาหารล่วงหน้า หรือ Mix-and-Match นอกจากนี้ ร้านค้าจะสามารถอัปเดตข้อมูลได้ทันที เช่น สินค้าหมด หรือปรับเวลาทำการร้านค้า เป็นต้น
รวมไปถึง ช่วยให้ร้านค้าวิเคราะห์ข้อมูลได้จากข้อมูลในแอปฯ นี้ ช่วยให้เข้าใจพฤติกรรมการใช้จ่ายของลูกค้า ช่วยให้เข้าใจการจัดแคมเปญดึงดูดลูกค้า
GrabFood ยังมีเครื่องมือช่วยร้านค้าพาร์ทเนอร์ด้วย Open Platform การทำงานของมันก็คือ เวลาที่ลูกค้าสั่งซื้อสินค้า คำสั่งนั้นจะส่งตรงไปที่ ระบบ ณ จุดขายของพาร์ทเนอร์ร้านค้า (POS) และก็ส่งข้อมูลนั้นไปที่ระบบของ GrabMerchant ในเวลาเดียวกัน ทำให้ร้านค้าเห็นออเดอร์เรียลไทม์มากขึ้น ร้านค้าอัปเดตสถานะเมนูในระบบ ณ จุดขายในแอปฯ GrabFood แบบทันที ช่วยให้การคำนวณเวลาเตรียมอาหาร+เดลิเวอรี่ มีความแม่นยำมากขึ้น
ใส่ใจ Customer Journey เพิ่มประสิทธิภาพให้ Driver
ปัญหาใหญ่ที่หลายคนเคยเจอ และเป็นหนึ่งในเหตผุลที่ไม่พอใจในบริการเดลิเวอรี่ ก็คือ เวลา การคำนวณเวลาที่ไม่แม่นยำพอเป็นปัญหามากกว่าที่คิด ขณะที่ปัจจัยเรื่อง ไรเดอร์มีไม่เพียงพอกับความต้องการก็เป็นความท้าทายอีกอย่างหนึ่งของหลายๆ แพลตฟอร์มเดลิเวอรี่ รวมถึง GrabFood ด้วย
แต่มี 2 โมเดลของ GrabFood ที่น่าสนใจ #1ระบบ batching คือ ระบบจะจ่ายออเดอร์ 2 คำสั่งซื้อ หรือมากกว่าให้กับไรเดอร์ 1 คน แต่มีเงื่อนไขว่า คำสั่งซื้อนั้นๆ ต้องมีจุดรับ (pick-up) ใกล้เคียงกัน หรือมีจุดส่ง (drop-off) ใกล้เคียงกัน ซึ่งโมเดลนี้จะนำมาใช้ในช่วง Peak Time หรือช่วงที่มีไรเดอร์ไม่เพียงพอ เช่น เทศกาลปีใหม่, เวลาที่มีฝนตกหนัก, ช่วงอาหารมื้อเย็น เป็นต้น
#2การลดรัศมีการส่ง สำหรับใช้ในช่วงเวลา crunch time หรือช่วงที่มียอดออเดอร์เข้ามาเยอะๆ พร้อมกันจนล้น มีความเสี่ยงสูงที่ลูกค้าจะรอนานเกินไป รวมไปถึงร้านค้ากดยกเลิกออเดอร์ ดังนั้น GrabFood จึงปรับระบบเลือกที่จะค่อยๆ ปรับลดรัศมีการส่งงาน (เดลิเวอรี่) โดยอัตโนมัติ เพื่อให้อัตราการจ่ายงานแก่คนขับ (driver allocation rate) และอัตราการจบงานของคนขับ (order completion rate) บาลานซ์กันมากที่สุด ซึ่งโมเดลการทำงานรูปแบบนี้จะช่วยไรเดอร์ให้มาอยู่ในรัศมีพื้นที่ที่แคบลง(ไม่ต้องขี่รถไกล) เพิ่มอัตราการจบงานให้เร็วขึ้นนั่นเอง
โดยเฉลี่ยแล้วการคำนวณเวลาที่ออเดอร์จะมาถึงมือผู้สั่ง (ETA) คนขับจะใช้เวลารออาหารที่ร้านประมาณ 6-11 นาที รวมถึงระยะเวลาในการเดินทางมาอีก +/- 10 นาที (กว่า 80% ของออเดอร์ ตามสถิติจากไตรมาส 4/2020) แต่อย่าลืมว่าสภาพท้องถนน การจราจร ความหนาแน่นของรถบนท้องถนนในแต่ละประเทศไม่เหมือนกัน อย่างในกรุงเทพฯ ที่การจลาจลติดขัด ถูกยกมาเป็นหนึ่งในปัจจัยท้าทายที่ทำให้การเดลิเวอรี่ตามเวลาที่คำนวณล่าช้าในบางครั้ง
ถึงอย่างนั้น ความสำเร็จของ GrabFood และความพึงพอใจจาก users ก็การันตีได้อีกเสียงว่า แอปฯ ฟู้ดเดลิเวอรี่นี้ยังโดดเด่นในวงการเดลิเวอรี่
ข้อมูลโดย GrabFood