Final deliveries for online shopping : French operators’ strategies according to the customers and the area they live in
Notice bibliographique
Résumé
A striking element of e-commerce is that it is now widespread along the different segments of the population in developed economies, whether they live in central, suburban or even rural areas. Over the past ten years, this transformation has generated a significant demand for dedicated delivery services to end consumers. E-commerce results in an increasingly difficult physical distribution of products, with direct effects on logistics organizations in urban and suburban areas, where traffic congestion and accessibility are crucial factors. In the end-delivery sector, pick-up points and locker boxes represent a fast-growing solution, becoming a key element in the strategy of e-commerce distribution as alternative of home-delivery. They now represent about 20% of e-commerce deliveries in France, one of the highest rates in Europe. The purpose of this article is to identify how operators in charge of delivering e-commerce products adapt to different urban, suburban and rural environments. In what ways do pickup point delivery networks differ in dense urban areas and more sparsely populated suburban and rural environments? We focus our research on the department of Seine-et-Marne, in the East of the Paris region. After a literature review, we proceeded by conducting interviews with operators. Sixteen in-depth interviews have been conducted with the main transport operators involved in e-commerce in France. We finally conducted a spatial analysis and then we drafted a conceptual framework for pickup point networks. In addition to providing a better knowledge on current delivery processes for e-commerce, our work intends to contribute to urban planning by providing indicators on deliveries for e-commerce according to different residential environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».