亚马逊打包策略背后：机器学习驱动的优化

随着亚马逊成为一个庞大的履行中心，该公司不得不提升其结构，重塑产品的运输方式，“为了客户和地球的利益”。它通过利用先进的算法和机器学习来做到这一点，同时考虑到可回收性。

“我们知道客户关心用于运送亚马逊订单的包装，”该公司在一份声明中表示。“客户希望订单以尺寸合适、易于回收的包装交付，以确保产品完好无损地送达，并最大限度地减少对环境的影响。”

在包装中利用技术

为了减少浪费并确保产品包装在尺寸合适的盒子或邮筒中，亚马逊一直在利用机器学习。该技术传达了哪些产品适合软包装(即邮寄和袋子)，因为它们比类似大小的盒子轻 75%，并且更可持续。

在过去五年中，亚马逊一直在利用这种方法，这些算法在北美和欧洲减少了 35% 以上的瓦楞纸箱使用量。此外，几年前，亚马逊开始利用算法减少多件货物的包装，自 2018 年以来减少了北美 7% 的货物的包装尺寸。

亚马逊表示：“我们还一直在投资优化我们的包装套件，以最大限度地减少每个包装的用纸量，每年节省大约 60,000 吨纸板。”

据该公司称，这些算法——由基于网络的工具 PackOpt 运行——就像 3D 俄罗斯方块一样工作。高性能算法可以快速确定如何在一个盒子内配置不同的物品，分析可折叠或可压缩的物品，例如可以套在其他更坚固物品周围的衣服。

该算法需要两个输入：该地区的历史货运数据和箱子的尺寸。在幕后，该技术考虑了 25 个不同的参数。

然而，Amazon 的目标是让该工具足够简单，以便在全公司范围内进行流线型部署。