Amazon Fulfillment: Ba lớp tối ưu
Amazon xử lý hàng tỉ đơn hàng mỗi năm qua mạng lưới hơn 175 fulfillment centers trên toàn thế giới. Để đạt được cam kết giao hàng 1-2 ngày (hoặc cùng ngày), họ xây dựng hệ thống tối ưu hóa 3 tầng:
┌─────────────────────────────────────────────────────────────┐
│ LỚP 1: ANTICIPATORY SHIPPING (Dài hạn — tuần/tháng) │
│ → ML dự đoán nhu cầu → Di chuyển hàng đến gần khách │
│ TRƯỚC KHI đặt hàng │
├─────────────────────────────────────────────────────────────┤
│ LỚP 2: REGIONALIZATION (Trung hạn — ngày/tuần) │
│ → Chia mạng lưới kho thành vùng tự trị │
│ → Đảm bảo 70-80% đơn hàng được giao nội vùng │
├─────────────────────────────────────────────────────────────┤
│ LỚP 3: CONDOR (Ngắn hạn — giờ) │
│ → Tái tối ưu fulfillment plan liên tục trong cửa sổ 5-6h │
│ → Gom đơn, tối ưu lộ trình, giảm chi phí │
└─────────────────────────────────────────────────────────────┘
Anticipatory Shipping — Gửi hàng trước khi đặt
Ý tưởng điên rồ nhưng hiệu quả
Amazon có bằng sáng chế (US Patent 8,615,473) mô tả hệ thống bắt đầu vận chuyển hàng TRƯỚC KHI khách đặt đơn. Nghe như science fiction nhưng đây là thực tế.
Mô hình truyền thống:
Khách đặt hàng → Kho xử lý → Ship → Giao (2-5 ngày)
Anticipatory Shipping:
ML dự đoán "Khách ở khu vực X sẽ mua iPhone 16 trong 3 ngày tới"
→ Chuyển iPhone 16 từ kho chính đến hub gần khu vực X
→ Khách đặt hàng → Hàng đã sẵn sàng tại hub → Giao cùng ngày!
Dữ liệu đầu vào cho ML Model
| Input Feature | Ý nghĩa |
|---|---|
| Purchase history | Khách mua gì, bao lâu một lần? |
| Browsing behavior | Xem sản phẩm nào nhiều? Bỏ vào giỏ rồi chưa mua? |
| Wishlist | Sản phẩm trong danh sách yêu thích |
| Seasonal patterns | Mùa nào bán chạy gì? (áo ấm mùa đông, kem chống nắng mùa hè) |
| Regional demographics | Khu vực nào có thu nhập cao? Gia đình trẻ? Sinh viên? |
| Trending products | Sản phẩm đang viral trên mạng xã hội |
| Weather forecast | Mưa → dù, ô → bán chạy khu vực có dự báo mưa |
| Events calendar | Lễ tết, Black Friday, Prime Day |
Late-Select Addressing — Kỹ thuật then chốt
Luồng Anticipatory Shipping:
1. ML Model: "Khu vực zip code 700000 (TP.HCM) có 87% xác suất
sẽ cần 200 thùng nước Aquafina trong 3 ngày tới"
2. Hệ thống: Di chuyển 200 thùng từ kho trung tâm → Hub TP.HCM
Kiện hàng CHƯA CÓ ĐỊA CHỈ CỤ THỂ → chỉ ghi "Khu vực 700000"
3. Khách A tại Q1 đặt 2 thùng nước:
→ Gắn địa chỉ vào 2 thùng đã sẵn ở Hub TP.HCM
→ Giao trong 2 giờ!
4. Khách B tại Q7 đặt 3 thùng nước:
→ Gắn địa chỉ vào 3 thùng khác → Giao cùng ngày!
5. Nếu dự đoán sai (còn dư 50 thùng chưa ai mua):
→ Giảm giá flash sale / coupon cho khu vực đó
→ Hoặc chuyển về kho chính
CONDOR — Customer Order and Network Density OptimizeR
Vấn đề CONDOR giải quyết
Khi khách đặt hàng, Amazon không xử lý đơn ngay lập tức. Có một cửa sổ 5-6 giờ giữa lúc đặt hàng và lúc kho bắt đầu pick-pack. CONDOR tận dụng cửa sổ này để tối ưu.
17:00 — Order A đặt tại Q1
→ CONDOR Plan v1: Ship từ Kho Bình Dương, xe riêng
17:15 — Order B đặt tại Q1 (gần nhà Order A)
→ CONDOR Plan v2: Gom A+B cùng 1 route → tiết kiệm 1 chuyến xe
17:30 — Order C đặt tại Q2 (cùng hướng)
→ CONDOR Plan v3: Gom A+B+C → 1 chuyến xe duy nhất
17:45 — Order D đặt tại Thủ Đức (khác hướng)
→ CONDOR Plan v4: Route 1 (A+B+C) + Route 2 (D riêng)
→ Mỗi 15 phút, CONDOR chạy lại để tìm phương án tốt hơn.
→ Deadline: Khi cửa sổ đóng (23:00), kho bắt đầu pick theo plan cuối cùng.
Thuật toán CONDOR
CONDOR giải một biến thể của bài toán Prize Collecting Vehicle Routing Problem (PCVRP) — phức tạp hơn VRP thông thường:
PCVRP:
Maximize: Tổng "prize" (giá trị đơn hàng được giao đúng hẹn)
Minimize: Tổng chi phí vận chuyển
Subject to:
- Capacity constraint (mỗi xe có giới hạn)
- Time windows (mỗi đơn có deadline giao)
- Fleet size (số xe hữu hạn)
- Network density bonus: gom nhiều đơn cùng khu vực → giảm cost/đơn
Kỹ thuật giải:
1. Mathematical optimization (LP/MIP relaxation)
2. Local search (2-opt, 3-opt swap giữa routes)
3. CVRP solvers (capacitated routing)
4. Iterative re-optimization (mỗi 15 phút chạy lại)
Đột phá chính
Amazon công bố rằng CONDOR giảm số quyết định routing khả dĩ cho mỗi khu vực từ hàng triệu xuống dưới 10 phương án, khiến bài toán NP-hard trở nên giải được trong thời gian thực.
Regionalization — Phân vùng mạng lưới
Trước 2022, khi khách ở New York đặt hàng, đơn có thể được ship từ kho California (cách 4000km). Rất lãng phí.
Amazon đã tái cấu trúc thành 8 vùng tự trị trên lãnh thổ Mỹ:
Trước Regionalization:
Khách NY → Kho CA (4000km) → 3-5 ngày giao
Sau Regionalization:
Khách NY → Kho NJ hoặc kho PA (100-200km) → Giao cùng/hôm sau
Kết quả:
- Quãng đường trung bình giảm ~60%
- Chi phí ship giảm đáng kể
- Thời gian giao giảm 1-2 ngày
- Carbon footprint giảm
Chiến lược đặt hàng tồn kho theo vùng
SKU "IPHONE-16-256GB":
Nhu cầu toàn quốc: 100.000/tháng
Vùng Đông Bắc (NY, NJ, PA): 25.000/tháng → Stock 30.000
Vùng Tây (CA, WA, OR): 20.000/tháng → Stock 25.000
Vùng Nam (TX, FL, GA): 18.000/tháng → Stock 22.000
Vùng Trung Tây (IL, OH, MI): 12.000/tháng → Stock 15.000
Các vùng khác: 25.000/tháng → Stock 30.000
Buffer: 22.000 ở kho trung tâm (overflow/rebalance)
So sánh Amazon vs eBay vs Shopee
| Khía cạnh | Amazon | eBay | Shopee |
|---|---|---|---|
| Mô hình | 1P + FBA (sở hữu kho) | Marketplace (seller tự gửi) | Marketplace + Fulfillment |
| Số kho | 175+ FC toàn cầu | Seller’s warehouses + 3PL | SLS (Shopee Logistics Service) |
| Allocation | CONDOR (global optimization) | Rule-based (seller-side) | Matching engine (regional) |
| Anticipatory | Patent (Late-Select Addressing) | Không | Không |
| Regionalization | 8 vùng tự trị (US) | N/A | Kho vùng miền |
| Công nghệ | Proprietary ML + OR | Inventory API | In-house engine |
Bài học áp dụng
Bạn không cần xây CONDOR để học được nguyên lý:
- Batch processing: Đừng xử lý đơn ngay khi nhận. Gom đơn trong 15-30 phút rồi tối ưu cả batch → luôn tốt hơn xử lý từng đơn riêng lẻ.
- Re-optimization: Phương án tốt nhất lúc 17:00 có thể không còn tốt nhất lúc 17:30. Chạy lại thuật toán khi có thêm data.
- Predictive placement: Nếu biết khách hàng thường mua gì, chuẩn bị sẵn hàng ở nơi gần nhất.
- Regionalization: Chia nhỏ bài toán lớn thành nhiều bài toán nhỏ → dễ giải hơn.
Tiếp theo, chúng ta sẽ tìm hiểu bài toán split shipment, consolidation, và last-mile delivery — nơi chiếm 53% tổng chi phí logistics. Đọc tiếp Phần 5 — Split Shipment, Consolidation & Last-Mile Delivery.