8 tips om je bezorgroutes te verbeteren

Natuurlijk wil je een zo strak mogelijke planning maken en de reistijd verminderen. Maar in de praktijk blijkt dat mooie streven vaak niet haalbaar. Klinkt dat bekend? Dan ben je misschien niet streng genoeg geweest voor je data. Want dat je ergens 80 mag rijden, betekent niet dat je dit het hele traject kúnt doen. Zeker niet wanneer je onderweg een paar keer iets moet afleveren. Kijk dus kritisch naar de data waarmee je plant: zijn de reistijden wel realistisch? En houdt de software rekening met vertragingen in de spits? Veel software berekent reistijden op basis van een optimale doorstroming. En dat is in de praktijk zelden het geval.

Bij het maken van routes hebben we het altijd over reistijden. Stoptijden? Die worden vaak genegeerd. Maar als jouw bezorger zijn pakket in een portiekflat op 3 hoog moet afleveren, dan haal jij je planning niet meer. Zonde! En vooral ook onnodig: er zijn namelijk data die je meer zekerheid bieden. Denk aan informatie over het type woning, het aantal verdiepingen en de afstand van de weg naar de voordeur. Maar ook de ervaring van een chauffeur, het volume van de levering en het tijdstip van bezorging kunnen van invloed zijn. Waarschijnlijk heb je een deel van deze data al voorhanden: maak er gebruik van.

Het kan nuttig zijn software of instellingen zo te tweaken dat routes anders worden vormgegeven. Misschien sta je minder lang in de file als je eerst bezorgt bij de adressen die het verste weg liggen. Rij je altijd op drukke momenten? Dan is het wellicht een goed idee om routes compact te houden.

Per auto bezorgen in de binnenstad? Dat is vaak niet handig. In de drukte van het centrum kun je met een fiets of stint – een elektrische bolderkar – beter uit de voeten. Maar met deze voertuigen ga je natuurlijk geen bezorgingen in het buitengebied doen. Location intelligence is alles! Kijk naar de mate van verstedelijking of de dropdichtheid – de dichtheid van afleveradressen in een bepaald gebied – om het beste vervoersmiddel te kiezen.

Hubs of overslagpunten vormen het hart van je routes. Denk dus goed na waar je ze wilt hebben. Bedenk ook wanneer ze vooral bezocht worden. Het is niet handig als je elke avond in de spits vanaf een overslagpunt aan de ring direct kan aansluiten in de file. Ook een optimale verdeling van bezorggebieden is belangrijk. Houd je bijvoorbeeld al rekening met natuurlijke grenzen of kritieke punten in de infrastructuur? Dat kan je behoorlijk wat onnodige kilometers en vertraging besparen.

Kijk eens kritisch naar je eigen organisatie: kunnen er binnen jouw organisatie processen worden geoptimaliseerd voor bedrijfsspecifieke uitdagingen? De standaard algoritmes voor je planning zijn waardevol, maar niet altijd goed afgestemd op jouw organisatie en processen. Zo bezorgt online supermarkt Picnic met name in steden en ontdekten ze dat ze daardoor zelf een ‘beter’ planalgoritme konden ontwikkelen dan ORTEC. Bovendien willen ze hun elektrische autootjes niet over A- of N-wegen laten rijden. Ook daarvoor voldeed standaard routeertooling niet en moesten algoritmes worden aangepast.

Same-day delivery, volgende dag in huis of specifieke bezorgdatum? ’s Ochtends, ’s middags of ’s avonds? Er zijn steeds meer bezorgopties om uit te kiezen. Dat helpt niet mee voor het efficiënter maken van je bezorgroutes. Liever reduceer je het aantal bezorgopties. Als de klant weet waar hij aan toe is, dan zijn zoveel bezorgopties helemaal niet nodig! Een andere slimme mogelijkheid is om de klant te verleiden tot bepaalde opties. Heb je al een geplande order in de buurt staan voor een bepaald tijdstip? Zet je bezorgopties dan flexibel in en bied dit tijdvak goedkoper aan!

Misschien wel het allerbelangrijkste item uit dit lijstje: verzamel zoveel mogelijk data van de routes zoals ze gereden worden. Het is onmogelijk om routes in één keer volledig betrouwbaar en efficiënt te plannen. Van je data kun je veel leren. Bijvoorbeeld vanaf welk punt de route uitliep en wat toen de omstandigheden waren. Met deze inzichten kun je jouw planning nog beter maken. Eeuwig zonde dus dat veel bedrijven niets doen met dit soort data.