聚焦 [社区团购] ，亿景智联利用时空大数据技术服务美团优选，助力提供“菜篮子”
在疫情常态化的背景下，网上买菜以其便利、安全的特性，成为越来越多消费者的新选择，美团顺应这一趋势，在2020年7月份，宣布推出“美团优选”业务，正式进军社区团购赛道。客户通过微信小程序下单，次日就能在社区指定地点自提取货，保证社区“菜篮子”的稳定，为居民提供更优质的买菜服务。
运营模式上，美团优选通过自建和加盟的方式，在全国范围内建立大仓-网格仓-线下服务门店的物流配送体系，同时，在上游对接产地和供货商，引进质优价廉的生鲜食材及日用品，美团的BD通过赋能社区便利店、宝妈等人群，逐步发展“团长”，服务社区居民。
美团优选从7月份就推出“千城计划”，旨在年底前实现全国覆盖，并逐步下沉至县级市场，为更多社区居民提供便利、实惠的商品和服务。但是，在快速扩张的同时，美团优选也遇到了众多问题。
-
基于中心仓储位置，如何快速寻找过渡仓。提升配送的效率？
-
BD人员如何了解终端位置，分析市场空白终端，准确找到团长？如何发展更多的团长？
-
团长类型复杂，数量众多，BD拓展、配货需求各异，如何兼顾各方面因素自动划分销售责任区域，评估业务员访店、团长商覆盖的片区的指标，让其工作量相对饱和？
-
后期全国几十万个团长，BD每天要拜访很多团长，怎么自动地批量规划一个周期的巡店计划？如何结合团长的拜访频率、新老团长、店铺访时长等众多因素有效率地优化BD排班计划。
集成选址相关的大数据
过渡仓选址，集成城市AOI数据、土地交易数据、小区数据POI、购物中心数据POI、写字楼数据POI，交通枢纽及线路数据于地图进行可视化，支持进行周边查询，优质过渡仓评估。优质画像载体匹配过渡仓等功能。
中转仓周边查询
快速定位目标仓储的周边环境，融合GIS中缓冲区分析技术对周边土地资源交易数据进行查询，根据仓储选址的具体规格标准，匹配选址的画像，通过条件设置，资源画像匹配，对目标地块进行查询和收藏。
订单货品智能配送路径规划
对于蔬菜和生鲜零售来说，最为重要的便是高效配送以保证货品的品质。亿景智图提供了多点路径规划功能，可以辅助支持订单货品从中转仓（过渡仓）派发至各个团长的门店。智能路径规划功能，整合了距离矩阵技术以及蚁群迭代算法。可以为配送车辆规划出最优路径。
资源网格化管理，快速分区和布局
资源网格化管理是根据互联网社区团购的业务线条进行分级管理的重要助力平台。通过区域钻取技术和网格化归属进行拓扑关联。从而实现业务管理和资源可视化上的分级分层。
社区网格化管理
作为社区团购的最后一环，在业务下沉到社区范围，将单一格网内各个社区内的各个团长的分布在地图上进行呈现。方便资源的管理。以及整体的社区级布局。
BD拓展团长业务自动分区
在BD执行拓展团长业务时，管理者需既要考虑业务覆盖的完整性，又要考虑每一个BD人员的资源均等分配。故此根据实际潜力团长或实际签约团长的分布，进行科学合理的划分成为了管理者的一个痛点需求。亿景智图提供了智能片区划分功能，根据空间位置和实际空间内资源的数量和资源单体的权重，进行智能片区的均等划分。可以为管理者解决这一难题。
针对于BD拓展社区团长业务，存在如下需求问题：
-
团长大部分以自持门店为主，分布在社区的周边商铺。具有局部集中，整体分散的情况。故此，需要合理的规划，拓展业务和巡访计划。
-
BD实际工作中采用的出行方式以骑行或者步行为主，需要能够考虑在途时间和拜访时间问题。
-
团长也会划分不同等级，不同等级的团长，在巡访中需要驻留的拜访时间不同，每个月内拜访的频次不同，需要合理考虑这些因素，进行合理的排班
-
针对BD的外勤业务工作，结合实际工作场景，能够对其KPI关注数据指标收集汇总。最终实现对其的KPI考核。
亿景排班就能充分满足如上需求。支持从BD人员地推业务和巡访工作出发，结合地理空间信息和时间信息，应用GIS技术和先进的ASE排班算法，从BD人员的排班规划到BD人员的KPI考核，以及实际外勤工作中的户外打卡、巡访记录、信息提交等场景
目前，以美团优选为代表的客户都已选择亿景智联的产品作为技术支撑，以满足当下各类业务场景需求。
