Hvordan The Chefz serverer det perfekte måltid med Amazon Personalize

Dette er et gæsteindlæg af Ramzi Alqrainy, Chief Technology Officer, The Chefz.

Chefz er en Saudi-baseret online madleveringsstartup, grundlagt i 2016. Kernen i The Chefz' forretningsmodel er at gøre det muligt for sine kunder at bestille mad og slik fra toprestauranter, bagerier og chokoladebutikker. I dette indlæg forklarer vi, hvordan The Chefz bruger Amazon Tilpas filtre til at anvende forretningsregler på anbefalinger til slutbrugere, hvilket øger omsætningen med 35 %.

Fødevarelevering er en branche i vækst, men er samtidig ekstremt konkurrencedygtig. Den største udfordring i branchen er at opretholde kundeloyalitet. Dette kræver en omfattende forståelse af kundens præferencer, evnen til at give fremragende responstid i form af rettidig levering og god madkvalitet. Disse tre faktorer bestemmer den vigtigste metrik for The Chefz' kundetilfredshed. Chefz's krav svinger, især med spidser i ordrevolumen til frokost- og middagstid. Efterspørgslen svinger også under særlige dage som Mors Dag, fodboldfinalen, Ramadan-skumringstid (Suhoor) og solnedgang (Iftaar) eller Eid-fester. I disse tider kan efterspørgslen stige med op til 300 %, hvilket tilføjer endnu en kritisk udfordring for at anbefale det perfekte måltid baseret på tidspunktet på dagen, især i ramadanen.

Det perfekte måltid på det rigtige tidspunkt

For at gøre bestillingsprocessen mere deterministisk og for at imødekomme spidsbelastningstider besluttede Chefz-teamet at opdele dagen i forskellige perioder. For eksempel er dagene i Ramadan-sæsonen opdelt i Iftar og Suhoor. På almindelige dage består dagene af fire perioder: morgenmad, frokost, aftensmad og dessert. Teknologien, der understøtter denne deterministiske bestillingsproces, er Amazon Personalize, en kraftfuld anbefalingsmotor. Amazon Personalize tager disse grupperede perioder sammen med kundens placering for at give en perfekt anbefaling.

Dette sikrer, at kunden modtager restaurant- og måltidsanbefalinger baseret på deres præferencer og fra et nærliggende sted, så det ankommer hurtigt til deres dørtrin.

Denne anbefalingsmaskine baseret på Amazon Personalize er nøgleingrediensen i, hvordan The Chefz's kunder nyder personlige anbefalinger af restaurantmåltider, snarere end tilfældige anbefalinger til kategorier af favoritter.

Personaliseringsrejsen

Chefz startede sin personaliseringsrejse ved at tilbyde restaurantanbefalinger til kunder, der bruger Amazon Personalize baseret på tidligere interaktioner, brugermetadata (såsom alder, nationalitet og kost), restaurantmetadata som kategori og madtyper, der tilbydes, sammen med live tracking for kundeinteraktioner på Chefz mobilapplikation og webportal. De indledende implementeringsfaser af Amazon Personalize førte til en stigning på 10 % i kundeinteraktioner med portalen.

Selvom det var et milepælstrin, var leveringstiden stadig et problem, som mange kunder stødte på. En af de største vanskeligheder, kunderne havde, var leveringstid i myldretiden. For at løse dette tilføjede dataforskerteamet placering som en ekstra funktion til brugermetadata, så anbefalingerne ville tage hensyn til både brugerpræferencer og placering for forbedret leveringstid.

Næste trin i anbefalingsrejsen var at overveje den årlige timing, især ramadanen, og tidspunktet på dagen. Disse overvejelser sikrede, at The Chefz kunne anbefale tunge måltider eller restauranter, der tilbyder Iftaar-måltider under ramadanens solnedgang, og lettere måltider sidst på aftenen. For at løse denne udfordring brugte dataforskerteamet Amazon Personalize-filtre opdateret af AWS Lambda funktioner, som blev udløst af en amazoncloudwatch cron job.

Følgende arkitektur viser den automatiserede proces til anvendelse af filtrene:

1. En CloudWatch-begivenhed bruger et cron-udtryk til at planlægge, hvornår en Lambda-funktion aktiveres.
2. Når Lambda-funktionen udløses, fastgør den filteret til anbefalingsmotoren for at anvende forretningsregler.
3. Anbefalede måltider og restauranter leveres til slutbrugere på applikationen.

Konklusion

Amazon Personalize gjorde det muligt for Chefz at anvende kontekst om individuelle kunder og deres forhold og levere skræddersyede anbefalinger baseret på forretningsregler såsom særlige tilbud og tilbud gennem vores mobilapplikation. Dette øgede omsætningen med 35 % om måneden og fordoblede kundeordrer på anbefalede restauranter.

"Kunden er kernen i alt, hvad vi gør hos The Chefz, og vi arbejder utrætteligt på at forbedre og forbedre deres oplevelse. Med Amazon Personalize er vi i stand til at opnå personalisering i stor skala på tværs af hele vores kundebase, hvilket tidligere var umuligt."

-Ramzi Algrainy, CTO hos The Chefz.

Om forfatterne

Ramzi Alqrainy er Chief Technology Officer hos The Chefz. Ramzi er bidragyder til Apache Solr og Slack og teknisk anmelder og har udgivet mange artikler i IEEE med fokus på søge- og datafunktioner.

Mohamed Ezzat er Senior Solutions Architect hos AWS med fokus på machine learning. Han arbejder med kunder for at løse deres forretningsmæssige udfordringer ved hjælp af cloud-teknologier. Uden for arbejdet nyder han at spille bordtennis.