배송 ETA가 자꾸 틀리면 경로 계산기만 다시 튜닝하기 쉽습니다. 그러나 방문 서비스 시간, 출발 지연, 주소 오류, 고객 대기까지 실제 소요시간에 섞여 있습니다. 예측과 실적을 단계별로 대조해야 보정할 곳을 찾을 수 있습니다.
예측 시점을 구분한다
주문 접수 시 ETA와 차량 출발 후 ETA는 사용할 수 있는 정보가 다릅니다. 두 예측을 같은 성능표로 비교하지 않습니다. 각 예측 시각에 알고 있던 주문·차량·교통 상태를 저장해야 사후 평가가 공정합니다.
구간별 시간을 기록한다
상차 대기, 창고 출발, 이동, 주차, 인도 완료 시각을 분리합니다. 전체 지연 중 어느 구간이 큰지 알아야 교통 모델을 고칠지, 상차 인력을 조정할지 결정할 수 있습니다. 완료 시각만으로는 원인을 찾기 어렵습니다.
고객군과 지역별 편향을 본다
특정 지역, 건물 유형, 시간대에서 늘 늦는다면 평균 오차가 작아도 고객 경험은 나쁩니다. 예측 오차를 구간별·요일별로 나누고, 표본이 적은 그룹은 과도하게 보정하지 않습니다. 서비스 시간이 긴 주소에는 별도 여유가 필요할 수 있습니다.
불확실성을 한 숫자에 숨기지 않는다
교통이나 날씨 변동이 큰 시간대에는 도착 시각 하나보다 신뢰할 수 있는 범위를 안내하는 편이 낫습니다. 고객에게 너무 넓은 창을 주면 편의가 떨어지므로 실제 정시율과 창 폭을 함께 최적화합니다.
운영 변경 효과를 다시 측정한다
ETA를 고쳐도 기사에게 무리한 일정을 주면 정시율이 좋아지지 않습니다. 예측 오차, 고객 안내 변경 횟수, 정시율, 기사 초과근무를 함께 봅니다. 오차 원인이 달라지면 모델보다 운영 정책을 바꿔야 합니다.
현장에 적용할 때의 순서
- 예측·실제 구간 시각 저장
- 지역·시간대별 편향 분석
- 정시율과 안내 범위 조정
주의할 실패: 전체 오차만 보고 교통모델 수정
관찰할 지표: ETA 오차·정시율·초과근무
적용 전 체크리스트
- 예측 시점별 사용 가능한 정보를 저장하는가
- 이동 외에 상차·주차·인도 시간을 구분하는가
- 지역별 편향과 실제 정시율을 보는가
참고 자료
Google OR-Tools Vehicle Routing Problem with Time Windows. 시간창과 이동·대기시간을 포함한 경로 문제를 참고했습니다. ETA 보정·고객 안내 정책은 글의 운영 제안입니다.
이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.
#배송ETA #도착예측 #라스트마일 #물류데이터 #배송경로 #정시배송 #예측오차 #운송관리 #고객경험 #데이터분석
