P paper2skillsPlaybook
AI 路线图 →

订单履约率与发货及时率 — 全链路订单从下单到签收的履约质量量化体系

Skill-Order-Fulfillment-Rate-Dispatch-Timeliness · 04-供应链

causalexperiment广告与投放供应链与补货WF-A 智能补货WF-B 广告优化WF-I 智能体工程WF-L 内容营销增长
年化 ROI50万
实现难度⭐⭐⭐☆☆
业务优先级⭐⭐⭐⭐⭐
业务视角
适用角色供应链负责人 · 采购负责人 · CEO / 运营 VP
适用平台Amazon FBA · 海外仓 · 多国仓位(美/欧/日)
什么情况下用库存周转率低,资金压在海外仓出不来;SKU 断货紧急空运,物流成本吃掉毛利;多仓库存分布不均
成功是什么样的库存周转天数从 90 天降到 60 天,断货率 <3%,海外仓综合成本降低 15-25%
业务痛点
库存周转天数太长资金压死了断货了只能空运救急成本爆了多市场库存分配不均

1. 解决的问题

ODR从0.8%升至1.5%险触Amazon封号红线却不知根因——完整履约漏斗(4层质量门:库存满足→及时发货→配送成功→无争议)+ SKU级缺陷热点识别,精准保护账号健康

2. 核心算法逻辑

书籍核心洞察(陈凤霞):订单履约是供应链"最后一公里"的核心KPI,贯穿从下单到签收的全链路。书中强调:履约率不等于配送成功率——履约率衡量的是"有库存且按时发货"的完整链路,包含库存可用性、发货及时性、配送成功性三个环节,任何一环失败都算履约失败。

3. 业务应用场景

- 业务问题:某母婴卖家Amazon账号健康评分下降,发现ODR(Order Defect Rate)从0.8%升至1.5%(Amazon红线1%),存在封号风险 - 履约率拆解: 1. ODR = 差评率0.3% + A-to-Z索赔率0.8% + 信用卡拒付率0.4% 2. A-to-Z索赔主要来源:3个SKU的货运破损率异常(2.1% vs 正常0.2%) 3. 根因:这3个SKU包装不够厚(婴儿玻璃奶瓶),海运期间碰撞破损 4. 行动:加强外箱包装规格,破损率降至0.15%,ODR在2周内回落至0.7%

- **业务问题**:Prime Day首日发货及时率从98%骤降至65%(仓库临时工不熟悉操作),触发Amazon预警 - **实时履约监控**:每4小时计算一次发货及时率,发现低于85%时立即启动应急方案(加班+借调人员),避免长时间低于阈值触发更严重的处罚

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

  • ROI 预估:ODR从1.5%降至0.8%避免Amazon封号风险(封号损失$50万+年营业额);完美履约率每提升1%,平台自然搜索排名约提升2-3位(GMV增量约3-5%);系统建设$2万,防损价值极高
  • 实施难度:⭐⭐⭐☆☆(需要整合多平台数据;Amazon提供订单级别的ODR报告,可直接获取;自发货平台需要自建追踪)
  • 优先级:⭐⭐⭐⭐⭐(ODR是Amazon账号安全的核心指标,完美履约率直接影响平台排名,是必须追踪的指标)
  • 适用规模:所有在Amazon/Shopee/TikTok Shop等平台销售的卖家
  • 数据依赖:平台订单API(提供发货时效/投诉/索赔数据);物流商API(破损/丢失数据)

7. 代码模板

代码块数量:2 · 路径:未检测到

"""
订单履约率与发货及时率全链路量化体系
基于《全链路管理》陈凤霞 + 行业最佳实践
完整履约漏斗 + 根因分解 + 风险预警
"""
import numpy as np
import pandas as pd
from typing import Dict, List, Optional
from dataclasses import dataclass
import warnings
warnings.filterwarnings('ignore')


@dataclass
class OrderRecord:
    """订单记录"""
    order_id: str
    sku_id: str
    platform: str
    order_time: str
    promised_dispatch_time: str    # 承诺发货时间
    actual_dispatch_time: Optional[str]  # 实际发货时间(None=未发货)
    promised_delivery_time: Optional[str]  # 承诺到达时间
    actual_delivery_time: Optional[str]
    has_stock: bool                # 下单时是否有库存
    delivery_success: bool         # 是否成功签收
    has_damage: bool               # 是否有破损
    has_complaint: bool            # 是否有投诉


class FulfillmentRateAnalyzer:
    """订单履约率分析引擎"""

    # 平台发货时效标准(小时)
    DISPATCH_STANDARDS = {
        'Amazon': 24,
        'Shopee': 48,
        'TikTok_Shop': 48,
        'Own_Store': 72,
    }

    def compute_fulfillment_funnel(self, orders: List[OrderRecord]) -> Dict:
        """计算完整履约漏斗"""
        n = len(orders)
        if n == 0:
            return {}

        # 各层次统计
        with_stock = sum(1 for o in orders if o.has_stock)
        dispatched_on_time = sum(1 for o in orders
                                  if o.has_stock and o.actual_dispatch_time is not None
                                  and o.actual_dispatch_time <= o.promised_dispatch_time)
        delivered_success = sum(1 for o in orders if o.delivery_success)
        no_issues = sum(1 for o in orders
                         if o.delivery_success and not o.has_damage and not o.has_complaint)

        return {
            'total_orders': n,
            'funnel': {
                '1_order_fill_rate': {

8. 论文来源

未自动抽取;请查看原始 Skill 卡片。