小象超市(原美团买菜) 的大屏图表

简介: 小象超市(原美团买菜) 的大屏图表

概要


20203年12月1日,美团旗下自营零售品牌“美团买菜”升级为全新品牌“小象超市”。

,“小象超市”坚持美团自营零售模式,通过在社区设立的集存储、分拣、配送为一体的便民服务站,为社区居民提供生鲜食杂日用及配送服务,定位为“30分钟快送超市”,这个美团买菜前身


今天陪老婆买菜发现小象超市可以去 自提,然后去自提点,看到了分练人员的艰辛,看到 了骑手的忙碌。

也让我看到了 美团的技术的强悍。

技术细节


1.使用Java, Spring、Spring MVC 等框架

2.MySQL 的应用开发、需要性能调优和可扩展性设计,

3. Redis 缓存技术和 Hive 等 NoSQL 数据库;

4. ZooKeeper、Kafka 等各种中间件

5. 基于前置仓这一模式,「小象超市」延续30分钟快送,保证用户下单后即时高效送达

6. 大屏是自研的,

作业看版


可以查看分练人员的 Top3

订单状态查看(待领取,备餐中,分拣中)

分拣在途包含,待领取和 分拣中。

红色代表超时了,

还有 客诉品

含消息通知

骑手看版

可以看到骑手状态(等单骑手,返程骑手,配送中的骑手)

骑手准点率

送单 Top 3


技术名词解释

30分钟送达率:


这个指标衡量的是从订单确认到送达所需的时间。通常用于快速配送服务,如外卖或快递。计算方法如下:


将每个订单的送达时间减去订单确认时间,如果这个时间小于等于30分钟,则该订单算作符合要求。

将符合要求的订单数除以总订单数,然后乘以100%以获得百分比。

例如,如果有100个订单,其中有80个订单在30分钟内送达,那么30分钟送达率为80%。离店准时率:

这个指标通常在零售行业或物流配送中使用,用于衡量商品从仓库离开到最终送达的时间。计算方法如下:

将每个订单的离店时间减去预定的离店时间,如果结果是正数或者0,则表示离店准时。

将离店准时的订单数除以总订单数,然后乘以100%以获得百分比。

例如,如果有100个订单,其中有90个订单在规定的时间内离店,那么离店准时率为90%。

骑手准点率:


这个指标适用于快递或外卖服务,衡量骑手按时到达顾客指定地点的能力。计算方法如下:


将每个订单的实际送达时间减去预期送达时间,如果结果是正数或者0,则表示骑手准时。

将准时送达的订单数除以总订单数,然后乘以100%以获得百分比。

例如,如果有100个订单,其中有85个订单骑手按时送达,那么骑手准点率为85%。

小结

个人感觉小象超市的 骑手看版和 作业看版 还是很有用。可以通过这个大屏展示,运用到其他的场景。

另外 从 其他网站我也看到 以,珠三角为例,有市场人士告诉《商业观察家》:“目前,只有山姆、朴朴、美团在增长,其他公司或业态应该都会有下滑。”

即时零售,走向新格局

目录
相关文章
|
7月前
|
机器学习/深度学习 人工智能 算法
从人工决策到AI自主规划:2025物流配送管理工具的智能化升级
物流配送管理工具正经历技术革新,从手工调度1.0迈向数字孪生与AI驱动的4.0时代。新一代系统融合IoT、强化学习与路径优化算法,实现智能调度、实时执行与资源优化。多模态感知、自适应路由与弹性网络设计推动物流数字化转型。未来,量子计算、自主物流网络与认知型AI将重塑行业格局,助力物流向高效、绿色、韧性发展。
1081 0
|
缓存 监控 算法
软件测试中的性能瓶颈分析与优化策略
【10月更文挑战第6天】 性能测试是确保软件系统在高负载条件下稳定运行的重要手段。本文将深入探讨性能测试的常见瓶颈,包括硬件资源、网络延迟和代码效率等问题。通过具体案例分析,我们将展示如何识别并解决这些问题,从而提升软件的整体性能。最后,文章还将分享一些实用的性能优化技巧,帮助读者在日常开发和测试中更好地应对性能挑战。
723 3
|
10月前
|
前端开发 JavaScript UED
一次对话,让我10分钟打造一款拥有玻璃拟态风格的二维码生成大师
一次对话,让我10分钟打造一款拥有玻璃拟态风格的二维码生成大师
172 8
|
算法 人机交互 UED
响应时间指标的探索
本文探讨了响应时间在人机交互中的重要性及发展。从1968年Rober B.Miller首次定义响应时间的多个维度,到1991年Stuart K.Card等人提出的立即响应时间常数,再到1993年Jakob Nielsen将响应时间划分为三个关键阈值,直至2020年Google提出的RAIL模型,强调了以用户为中心的性能衡量标准。这些研究为提升用户体验提供了理论基础和技术指导。
1344 5
|
存储 人工智能 搜索推荐
整合长期记忆,AI实现自我进化,探索大模型这一可能性
本文探讨了通过整合长期记忆(LTM),AI模型能否实现自我进化,以提升处理新任务和适应环境的能力。LTM能帮助模型存储和利用长期信息,提高决策质量和服务个性化水平。文章还讨论了LTM整合的挑战及解决方案,以及如何借鉴人类记忆机制设计有效的LTM策略。[论文链接](https://arxiv.org/pdf/2410.15665)
772 17
|
12月前
|
机器学习/深度学习 编解码 人工智能
魔搭社区模型速递(3.2-3.8)
🙋魔搭ModelScope本期社区进展:1340个模型,220个数据集,🎨91个创新应用,📄 8篇内容
766 9
|
人工智能 安全 大数据
PAI年度发布:GenAI时代AI基础设施的演进
本文介绍了AI平台在大语言模型时代的新能力和发展趋势。面对推理请求异构化、持续训练需求及安全可信挑战,平台推出了一系列优化措施,包括LLM智能路由、多模态内容生成服务、serverless部署模式等,以提高资源利用效率和降低使用门槛。同时,发布了训推一体调度引擎、竞价任务等功能,助力企业更灵活地进行训练与推理任务管理。此外,PAI开发平台提供了丰富的工具链和最佳实践,支持从数据处理到模型部署的全流程开发,确保企业和开发者能高效、安全地构建AI应用,享受AI带来的红利。
|
JSON API 网络安全
App数据的爬取
App数据的爬取
1019 3
|
算法
【图像】图像增强-降噪锐化
【图像】图像增强-降噪锐化
191 1
|
机器学习/深度学习 自然语言处理 算法
机器学习和深度学习的区别
机器学习和深度学习的区别
915 1