Talep Üzerine Yemek Teslimatı Gecikmeleri için Nedensel Keşif ve Çıkarım Çerçevesi

Neden paket yemeğiniz bazen geç geliyor

Geç kalan bir yemek teslimatını aç gözle bekleyen herkes, o ekstra dakikaların ne kadar can sıkıcı olabileceğini bilir. Bu gecikmenin arkasında restoranlar, kuryeler, algoritmalar, trafik ve hatta sipariş zamanlaması gibi şaşırtıcı derecede karmaşık bir sistem var. Bu çalışma, büyük bir Çin yemek teslimat platformunun içini inceleyerek basit ama güçlü bir soruyu soruyor: sistemin hangi parçaları gerçekten gecikmelere neden oluyor, hangileri ise sadece beraberinde sürüklenen öğeler?

Siparişten kapıya kadar

Araştırmacılar, ülkenin en büyük teslimat platformlarından birinin hizmet verdiği kuzey Çin’deki büyük bir şehirden 400.000’den fazla siparişi analiz etti. Her teslimatı üç ana aşamaya ayırdılar: işleme (platformun kurye atadığı aşama), alım (kuryenin restorana gidip yemeği aldığı aşama) ve taşıma (restorandan müşteriye yapılan yolculuk). Ortalama olarak taşıma toplam sürenin biraz üzerinde yarısını, alım yaklaşık üçte birini ve işleme kalan kısmı oluşturuyordu. Yaklaşık her altı siparişten biri, müşterilere vaat edilen süreden daha geç ulaştı; bu da platformlar, kuryeler ve yemek yiyenler için problemin boyutunu gösteriyor.

Desenlere değil sebeplere bakmak

Önceki çalışmaların çoğu teslim sürelerini gelişmiş makine öğrenmesiyle tahmin etmeye çalıştı ve hangi değişkenlerin daha önemli göründüğünü sıraladı. Ancak bu araçlar çoğunlukla korelasyonları ortaya koyar. Örneğin, uzun mesafe ile geç verilen siparişler birlikte görülme eğilimindedir; bu durum mesafenin esas neden mi yoksa daha derin bir meseleyle mi bağlantılı olduğunu söylemez. Bu çalışma bunun yerine iki aşamalı bir nedensel çerçeve kullanıyor. İlk olarak, bir Bayesyen “nedensel keşif” modeli, hangi faktörlerin doğrudan diğerlerini etkilediğini gösteren yönlendirilmiş bir grafik kuruyor. Sonra, çift makine öğrenmesi adı verilen bir teknik, her bir faktördeki değişikliğin gecikmeyi ortalama olarak ne kadar kaydıracağını, diğer tüm etmenleri kontrol ederek tahmin ediyor. Bu yaklaşım, gerçek sürücüleri basit yolcularından ayırmayı amaçlıyor.

Gerçekten teslimatları yavaşlatan ne

Nedensel grafik, iş akışının birkaç parçasının siparişleri doğrudan geç kalmaya ittiğini gösteriyor. Daha uzun işleme, alım ve taşıma süreleri gecikme riskini artırıyor; restoranlarda daha uzun yemek hazırlama süreleri ve bir kuryenin teslimatlarında birden çok siparişin paketlenmesi ("wave") de aynı şekilde risk yaratıyor. Öne çıkan bulgu, alım süresinin—kuryenin bir siparişi kabul ettiği andan restorandan ayrıldığı ana kadarki dönemin—en büyük nedensel etkiye sahip olması. Dakika başına, alım süresinin uzaması nihai gecikmeye yol bölümünün uzamasından daha fazla ekliyor. Taşıma süresi ikinci en güçlü sürücü; bu da sıkışıklık, rota seçimleri ve mesafe gibi etkenleri yansıtıyor. Çalışma ayrıca öğle vakti yoğunluğunun nedensel olarak gecikmeleri artırdığını, oysa akşam trafiği ve hafta sonlarının esasen kuryelerin iş yükünü artırarak dolaylı etkide bulunduğunu buluyor.

Bir geç siparişin bir sonrakini de geciktirmesi

Özellikle önemli bir keşif, gecikmenin yayılması: bir domino etkisiyle bir siparişte gecikme olması aynı kuryenin sonraki siparişlerinin de geç gelme olasılığını artırıyor. Model, önceki siparişin ne kadar geç olduğu ve onun iç aşamalarının ne kadar sürdüğünün aynı dalgadaki sonraki siparişin gecikmesini doğrudan etkilediğini gösteriyor. Eğer bir kurye bir teslimatı programın gerisinde bitirirse, sonraki teslimat için zaman tamponu daralıyor ve küçük aksaklıklar bile onu gecikmeye sürükleyebiliyor. İzleyen analizler kritik eşiklere işaret ediyor. Alım süreleri yaklaşık 10 dakikayı, taşıma süreleri ise yaklaşık 17 dakikayı aştığında vaat edilen pencerenin kaçırılma riski keskin şekilde yükseliyor. Önceki siparişler içinse, ortalamada yaklaşık 10 dakika erken bitirmek, gecikmenin sonraki işe geçmesini önlemek için yeterli oluyor.

Bulguıları daha iyi hizmete dönüştürmek

Nedensel sonuçlarını korelasyon temelli popüler bir modelle karşılaştırarak yazarlar, geleneksel yöntemlerin bazı faktörlerin önemini, örneğin restoran hazırlık sürelerini, küçümseyebileceğini veya bazı etkilerin işaretini yanlış okuyabileceğini gösteriyor. Daha güvenilir nedensel tabloyu temel alarak birkaç pratik strateji öneriyorlar: kurye varışının yemeğin hazırlanacağı zamana daha iyi uyarlanması, risk yüksek olduğunda bir kuryenin tek bir dalgada ele aldığı sipariş sayısının sınırlandırılması, kurye bir siparişi çok az tamponla bitirmeye doğru ilerliyorsa "fazladan süre" eklenmesi ve fazladan sipariş eklemenin ilk müşterilerin bekleme süresini gereksiz yere uzatmayacağı şekilde yönlendirme tasarımı. Günlük kullanıcılar için çıkarım şu: gecikmeler sadece yavaş bir kurye veya kötü trafik meselesi değil; tüm sistemin nasıl zamanlama yaptığı, paketlediği ve siparişleri sıraya koyduğuyla ortaya çıkıyor. Bu gizli kurallar ayarlandığında bir sonraki yemeğinizin sıcak ve zamanında gelme olasılığı artabilir.

Atıf: Lu, M., Liu, R., Jin, Z. et al. A causal discovery and inference framework for on-demand food delivery delays. npj. Sustain. Mobil. Transp. 3, 22 (2026). https://doi.org/10.1038/s44333-026-00097-1

Anahtar kelimeler: yemek teslimatı gecikmeleri, nedensel çıkarım, son mil lojistiği, talep üzerine platformlar, kurye operasyonları