تقاضای حمل بار در مشهد ۱۴۰۴؛ از محله‌های پرتراکنش تا نرخ تبدیل

به گزارش فرتاک نیوز؛ بررسی داده‌های عملیاتی حمل و نقل در مشهد نشان می‌دهد تقاضای جابه‌جایی فقط از یک محله به محله دیگر تغییر نمی‌کند. زمان ثبت، نوع خدمت و نتیجه تماس نیز در شکل‌گیری الگوی تقاضا اثرگذار است. داده‌های ۱۴۰۴ توزیع سفارش در محله‌های پرتراکنش و روند تماس، نرخ تبدیل و ترکیب خدمات را هم‌زمان نمایش می‌دهند. در نمای جغرافیایی، ۲۰ محدوده پرتراکنش مجموعاً ۲۰ هزار و ۳۶۰ سفارش داشته‌اند. در نمای فرایندی نیز ۵۰ هزار و ۱۸۰ تماس ورودی ثبت شده است. قرار گرفتن این دو لایه کنار هم، رویکرد داده‌محور مدیربار را برای شناخت رفتار تقاضا روشن می‌کند.

امامت، الهیه و هاشمیه در صدر تقاضای محله‌ای

بلوار امامت با ۱۶۵۰ سفارش در رتبه نخست قرار دارد. پس از آن الهیه با ۱۵۶۰ سفارش و هاشمیه با ۱۴۹۰ سفارش دیده می‌شود. مجموع سفارش این سه محدوده ۴۷۰۰ مورد است که معادل ۲۳.۱ درصد کل سفارش‌هاست. میانگین سفارش نیز برای هر محدوده ۱۰۱۸ مورد محاسبه شده است؛ بنابراین حجم سفارش امامت حدود ۶۲ درصد، الهیه ۵۳ درصد و هاشمیه ۴۶ درصد بالاتر از میانگین قرار می‌گیرد. سهم پنج محدوده نخست حدود ۳۵.۶ درصد است؛ یعنی ۶۴.۴ درصد سفارش‌ها خارج از پنج محدوده اول ثبت شده‌اند. این موضوع نشان می‌دهد تقاضا در سطح شهر پراکندگی قابل توجهی دارد.

موضوع تصویر: رتبه‌بندی محله‌های پرتراکنش مشهد و سهم سه و پنج محدوده نخست از کل سفارش‌ها.

تقاضا در طول سال ثابت نبوده است

در سال ۱۴۰۴، ۵۰ هزار و ۱۸۰ تماس ورودی ثبت شده و میانگین ماهانه حدود ۴۱۸۰ تماس است. با این حال اختلاف ماه‌ها چشمگیر گزارش می‌شود. مرداد با ۵۴۹۰ تماس پرترافیک‌ترین ماه سال بوده و پس از آن شهریور با ۵۳۲۰ و مهر با ۵۲۱۰ تماس قرار گرفته‌اند. در طرف مقابل، اسفند با ۲۲۴۰ تماس و فروردین با ۲۳۱۰ تماس کمترین حجم را داشته‌اند؛ به این ترتیب حجم تماس مرداد حدود ۲.۴ برابر اسفند بوده است. این نوسان نشان می‌دهد اتکا به میانگین سالانه برای برنامه‌ریزی ظرفیت عملیاتی کافی نیست.

تماس بیشتر همیشه به معنای نرخ تبدیل بالاتر نیست

از مجموع ۵۰ هزار و ۱۸۰ تماس ثبت‌شده، ۱۸ هزار و ۳۰ خروجی خدمت در سه گروه بیجک، بارنامه و اعزام کارگر ثبت شده است. نسبت کل خدمات به تماس‌ها حدود ۳۵.۹ درصد و میانگین ساده نرخ تبدیل ماهانه حدود ۳۶.۵ درصد اعلام شده است. اردیبهشت با ۳۱۳۰ تماس و ۱۴۳۰ خروجی خدمت، نرخ تبدیلی حدود ۴۵.۷ درصد داشته است. در مقابل، دی با ۳۷۱۰ تماس و ۹۵۰ خدمت، نرخ تبدیلی نزدیک به ۲۵.۶ درصد ثبت کرده است. مرداد با وجود بیشترین تعداد تماس سال، نرخ تبدیلی حدود ۳۴.۴ درصد داشته است. بنابراین افزایش تماس لزوماً به افزایش همان‌قدر خدمت نهایی منجر نمی‌شود و باید میان «حجم تقاضای ورودی» و «تبدیل تقاضا به خدمت» تفاوت قائل شد.

ترکیب خدمات نیز یکدست نیست

۱۸ هزار و ۳۰ خروجی خدمت شامل حدود ۱۰ هزار و ۶۰ بیجک، ۵۸۷۰ بارنامه و ۲۱۰۰ درخواست اعزام کارگر است. بیجک حدود ۵۵.۸ درصد، بارنامه حدود ۳۲.۶ درصد و درخواست اعزام کارگر حدود ۱۱.۶ درصد کل خروجی‌ها را تشکیل می‌دهند. اوج این خدمات نیز در یک ماه رخ نداده است؛ بیشترین بیجک در تیر با ۱۳۳۰ مورد ثبت شده، بیشترین بارنامه در مهر با ۸۳۰ مورد بوده و درخواست نیروی کار در مهر با ۳۶۰ مورد به بیشترین مقدار رسیده است. این تفاوت نشان می‌دهد «تقاضای حمل و نقل» یک متغیر واحد نیست. تحلیل‌های مدیربار زمانی دقیق‌تر می‌شوند که نوع خدمت در کنار تعداد تماس و سفارش بررسی شود، نه اینکه همه خروجی‌ها در یک عدد تجمیع شوند.

موضوع تصویر: روند ماهانه تماس و نرخ تبدیل در کنار ترکیب ۱۸٬۰۳۰ خدمت شامل بیجک، بارنامه و اعزام کارگر.

آیا می‌توان علت برتری امامت، الهیه و هاشمیه را مشخص کرد؟

داده‌های موجود امکان توصیف دقیق‌تر وضعیت را فراهم می‌کنند، اما برای اثبات علت کافی نیستند. اکنون مشخص است حجم تقاضا در ماه‌های مختلف تغییر می‌کند، نرخ تبدیل ثابت نیست و ترکیب خدمات نیز تفاوت دارد. در نتیجه، اختلاف سفارش میان محله‌ها ممکن است علاوه بر ویژگی‌های خود منطقه، تحت تأثیر زمان ثبت سفارش و نوع خدمت باشد. با این حال نمودارهای فعلی این متغیرها را به تفکیک امامت، الهیه و هاشمیه نشان نمی‌دهند؛ بنابراین نمی‌توان نتیجه گرفت رتبه بالاتر یک محله ناشی از تبلیغات، قیمت، رضایت مشتری یا عامل مشخص دیگری بوده است. برای تحلیل علّی باید تعداد تماس، سفارش نهایی، نوع خدمت و زمان ثبت سفارش برای هر محله به یکدیگر متصل شوند.

از ثبت سفارش تا تصمیم‌گیری مبتنی بر داده

اهمیت این داده‌ها فقط در تهیه گزارش سالانه خلاصه نمی‌شود. وقتی زمان، موقعیت جغرافیایی، نوع خدمت و نتیجه تماس در یک ساختار تحلیلی کنار هم قرار بگیرند، می‌توان از پاسخ به پرسش «چه اتفاقی افتاده؟» به سمت «چرا اتفاق افتاده؟» حرکت کرد. برای نمونه، داده‌ها می‌توانند نشان دهند چرا نرخ تبدیل اردیبهشت از مرداد بیشتر بوده یا چرا اوج بیجک و بارنامه در ماه‌های متفاوت رخ داده است. این شیوه تحلیل به عنوان حرکت از ثبت ساده سفارش به سمت تصمیم‌گیری مبتنی بر داده و زیرساخت فناورانه توصیف می‌شود. اتصال داده محله‌ها به نوع خدمت نیز می‌تواند در آینده تصویر دقیق‌تری از الگوی اسباب‌کشی مشهد ارائه کند. تحلیل باربری مشهد بر اساس زمان، محل و نوع درخواست نیز قادر است تفاوت‌های تقاضا را روشن‌تر سازد. در مجموع، داده‌های ۱۴۰۴ نشان می‌دهند بازار حمل و نقل مشهد پراکنده است، اما رفتار آن کاملاً تصادفی نیست. محل، زمان، نوع خدمت و نرخ تبدیل هر کدام بخشی از الگوی تقاضا را توضیح می‌دهند. در چنین مدلی، داده‌های عملیاتی مدیربار از یک گزارش گذشته‌نگر فراتر می‌روند و به ورودی قابل اندازه‌گیری برای تحلیل و برنامه‌ریزی تبدیل می‌شوند. یادداشت روش‌شناسی: داده‌های محله‌ای شامل ۲۰٬۳۶۰ سفارش در ۲۰ محدوده پرتراکنش و داده‌های فرایندی شامل ۵۰٬۱۸۰ تماس و ۱۸٬۰۳۰ خروجی خدمت در سال ۱۴۰۴ است. چون این دو مجموعه از دو نمای عملیاتی متفاوت استخراج شده‌اند، در این گزارش به عنوان یک جامعه آماری واحد در نظر گرفته نشده‌اند.