Amazon의 패키징 전략 뒤에: 기계 학습

소비재 회사와 브랜드가 프로세스를 단순화하고 불필요한 비용을 절감하며 지속 가능성을 염두에 두면서 포장 공식은 기하급수적으로 더 복잡해졌습니다.

Amazon이 거대한 주문 처리 센터로 활동하면서 회사는 구조를 개선하고 "고객과 지구를 위해" 제품 배송 방식을 재창조해야 했습니다. 재활용성을 염두에 두고 고급 알고리즘과 기계 학습을 활용하여 이를 수행했습니다.

회사는 성명에서 “우리는 고객이 아마존 주문을 배송하는 데 사용되는 포장에 관심이 있다는 것을 알고 있습니다.”라고 말했습니다. "고객은 제품이 좋은 상태로 배송되고 환경에 미치는 영향을 최소화할 수 있는 적절한 크기의 쉽게 재활용할 수 있는 포장으로 배송되는 주문을 원합니다."

낭비를 줄이고 제품이 적절한 크기의 상자나 우편물에 포장되도록 하기 위해 Amazon은 기계 학습을 활용해 왔습니다. 이 기술은 비슷한 크기의 상자보다 75% 가볍고 지속 가능성이 더 높기 때문에 유연한 포장(예: 우편물 및 가방)에 적합한 제품을 전달합니다.

지난 5년 동안 Amazon은 이 접근 방식을 사용해 왔으며, 알고리즘을 통해 북미와 유럽에서 골판지 상자의 사용을 35% 이상 줄였습니다. 또한 몇 년 전 Amazon은 여러 품목이 포함된 배송의 포장을 줄이는 알고리즘을 활용하기 시작하여 2018년 이후 북미 배송의 7%에 대해 포장 크기를 줄였습니다.

Amazon은 “또한 각 패키지에 사용하는 종이의 양을 최소화하기 위해 포장 제품군을 최적화하는 데 투자해 왔으며, 이를 통해 연간 약 60,000톤의 판지를 절약했습니다.”라고 말했습니다.

회사에 따르면 웹 기반 도구인 PackOpt에 의해 실행되는 이러한 알고리즘은 3D 테트리스처럼 작동합니다. 고성능 알고리즘은 상자 내에서 다양한 품목을 구성할 수 있는 방법을 신속하게 결정하고, 더 견고한 다른 품목 주위에 넣을 수 있는 의류와 같은 접을 수 있거나 압축할 수 있는 품목을 분석합니다.

알고리즘에는 지역의 과거 배송 데이터와 상자 크기라는 두 가지 입력이 필요합니다. 이면에는 이 기술이 고려하는 25가지 매개변수가 있습니다.

그러나 Amazon의 목표는 회사 전체에 걸쳐 능률적으로 배포할 수 있을 만큼 도구를 단순하게 만드는 것이었습니다.

아마존 수석 연구 과학자인 데이비드 가스페리노(David Gasperino)는 올 여름 아마존 블로그에 "이 최적화 문제를 해결하는 것과 실제로 최적화된 포장을 고객의 문앞에 전달하는 것 사이에는 여러 가지 단계가 이루어져야 합니다"라고 말했습니다. "PackOpt 사용 방법을 신속하게 이해하고 그에 따른 경제적 가치를 확인하여 궁극적으로 포장 최적화의 챔피언이 되기 위해서는 과학자가 아닌 전 세계의 지역 포장 리더가 필요했습니다."

많은 회사와 마찬가지로 Amazon도 플라스틱 기반 포장을 없애려고 합니다. 가볍고 방수가 되며 재료가 적게 필요한 반면, 플라스틱은 재활용하기가 상당히 어렵기 때문에 고객이 재료를 단순히 재활용 쓰레기통에 넣는 대신 폐기 장소로 가져가야 하는 경우가 많습니다.

아마존은 “이로 인해 탄소 배출을 최소화하고 재활용성을 높이며 폐기물을 줄이는 방법을 지속적으로 찾는 방법에 대해 아마존이 정면으로 맞서고 있는 과제가 생겼습니다.”라고 말했습니다.

이 이니셔티브의 일환으로 Amazon은 추가 포장 사용을 완전히 없애기 위해 노력했으며, 2015년부터 포장 중량을 38% 줄였습니다. 이로 인해 150만 톤 이상의 포장재 사용이 사라졌습니다. 지난해에만 아마존은 배송당 평균 플라스틱 포장 중량을 7% 이상 줄였습니다.

아마존은 포장재를 제거할 수 없는 경우 더 쉽게 재활용할 수 있는 대체 재료를 찾고 있습니다. 여기에는 북미 지역에서 출시된 일반 재활용 시설에서 수집 및 분류할 수 있는 회사의 도로변 재활용 가능한 종이 패딩 우편물이 포함됩니다.

또한 미국에서 Amazon은 Amazon Fresh 또는 Whole Foods Market 배송을 냉동 또는 차갑게 유지하면서 플라스틱 라이너나 버블백 단열재가 필요 없는 새로운 도로변 재활용 가능 패키지를 제공합니다.