Pick up points in e-commerce logistics, the emergence of two models
Notice bibliographique
Résumé
In recent years, there has been a strong development of pick up points in urban and suburban areas in many European countries (particularly in France, Germany, the United Kingdom, and Benelux). Pick up points are local collection and distribution depots, or boxes, from which consumers can pick up goods they have ordered via home retail services (by mail order or order made on the internet). Their development has paralleled the rapid growth of sales made on the internet since years 2002-2003. In the last 5 to 6 years, the development of drop boxes and relay points has been remarkable in many European countries. In this article, we propose the identification. Avec le développement très rapide du commerce électronique ces dernières années, les consommateurs européens, notamment en France, en Allemagne, au Royaume-Uni et au Benelux, ont vu s’installer près de chez eux un nombre croissant de relais-livraison, en particulier en zones urbaines. Les relais-livraison sont des points de dépose et de collecte à partir desquels les clients de la vente à distance vont récupérer les colis commandés par internet ou par courrier. Ces relais remplacent la livraison à domicile, qui suppose une remise en main propre du colis par le livreur au destinataire. Dans cet article, nous recensons les expériences récentes de relais-livraison en Europe, en en étudiant les caractéristiques principales ainsi que les facteurs de réussite ou d’échec. Nous comparons en particulier l’émergence très récente des « consignes automatiques » au déploiement plus ancien (mais qui se fait aujourd’hui sous une forme modernisée) des « points-relais » hébergés dans les commerces de proximité. La présentation détaillée de quatre expériences (E-box, Kiala, Packstation et Cityssimo) nous permet de dresser des analyses plus précises sur le devenir de ces réseaux.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».