چگونه The Chefz غذای عالی را با Amazon Personalize سرو می کند

این پست مهمان رمزی القراینی، مدیر ارشد فناوری The Chefz است.

سرآشپز یک استارت‌آپ تحویل غذای آنلاین مستقر در عربستان است که در سال 2016 تأسیس شد. هسته اصلی مدل کسب‌وکار شفز این است که مشتریان خود را قادر می‌سازد تا غذا و شیرینی را از رستوران‌های نخبه، نانوایی‌ها و مغازه‌های شکلات‌فروشی سفارش دهند. در این پست نحوه استفاده The Chefz را توضیح می دهیم آمازون شخصی سازی کنید فیلترهایی برای اعمال قوانین تجاری در توصیه‌ها به کاربران نهایی، افزایش درآمد را تا 35٪.

تحویل غذا یک صنعت رو به رشد است اما در عین حال بسیار رقابتی است. بزرگترین چالش در صنعت حفظ وفاداری مشتری است. این نیاز به درک جامع از ترجیحات مشتری، توانایی ارائه زمان پاسخگویی عالی از نظر تحویل به موقع و کیفیت خوب غذا دارد. این سه عامل تعیین کننده مهم ترین معیار برای رضایت مشتری The Chefz است. خواسته های آشپز نوسان دارد، به خصوص با افزایش حجم سفارش در زمان ناهار و شام. تقاضا همچنین در روزهای خاص مانند روز مادر، فینال فوتبال، غروب ماه رمضان (سحور) و غروب آفتاب (افطار) یا تعطیلات عید در نوسان است. در این زمان ها، تقاضا می تواند تا 300٪ افزایش یابد و یک چالش مهم دیگر برای توصیه یک وعده غذایی عالی بر اساس زمان روز، به ویژه در ماه رمضان اضافه شود.

وعده غذایی کامل در زمان مناسب

تیم Chefz برای قطعی‌تر کردن فرآیند سفارش و پاسخگویی به زمان اوج تقاضا، تصمیم گرفت روز را به دوره‌های مختلف تقسیم کند. مثلاً در ماه رمضان، روزها به افطار و سحری تقسیم می شود. در روزهای عادی، روزها از چهار دوره تشکیل می شود: صبحانه، ناهار، شام و دسر. فناوری که زیربنای این فرآیند سفارش قطعی است، Amazon Personalize، یک موتور توصیه قدرتمند است. Amazon Personalize این دوره های گروه بندی شده را همراه با موقعیت مکانی مشتری برای ارائه یک توصیه عالی در نظر می گیرد.

این تضمین می کند که مشتری توصیه های رستوران و غذا را بر اساس ترجیح خود و از یک مکان نزدیک دریافت می کند تا به سرعت به درب خانه برسد.

این موتور توصیه مبتنی بر شخصی سازی آمازون، عنصر کلیدی در نحوه لذت بردن مشتریان The Chefz از توصیه های غذای رستوران شخصی است، به جای توصیه های تصادفی برای دسته های مورد علاقه.

سفر شخصی سازی

Chefz سفر شخصی‌سازی خود را با ارائه توصیه‌های رستورانی برای مشتریانی که از Amazon Personalize بر اساس تعاملات قبلی، ابرداده‌های کاربر (مانند سن، ملیت و رژیم غذایی)، فراداده‌های رستوران مانند دسته‌بندی و انواع غذاهای ارائه‌شده، همراه با ردیابی زنده برای تعامل با مشتری آغاز کردند، آغاز کرد. نرم افزار موبایل و پورتال وب Chefz. مراحل اولیه استقرار Amazon Personalize منجر به افزایش 10 درصدی در تعاملات مشتری با پورتال شد.

اگرچه این یک مرحله مهم بود، اما زمان تحویل همچنان مشکلی بود که بسیاری از مشتریان با آن مواجه بودند. یکی از مشکلات اصلی مشتریان زمان تحویل در ساعات شلوغی بود. برای رسیدگی به این موضوع، تیم دانشمند داده مکان را به عنوان یک ویژگی اضافی به ابرداده های کاربر اضافه کرد، بنابراین توصیه ها برای بهبود زمان تحویل، هم اولویت کاربر و هم موقعیت مکانی را در نظر می گیرند.

گام بعدی در سفر توصیه، در نظر گرفتن زمان بندی سالانه، به ویژه ماه رمضان، و زمان روز بود. این ملاحظات تضمین می‌کند که آشپز می‌تواند وعده‌های غذایی سنگین یا رستوران‌هایی را که وعده‌های افطاری را در غروب ماه رمضان ارائه می‌کنند، و وعده‌های غذایی سبک‌تر را در اواخر عصر توصیه کند. برای حل این چالش، تیم دانشمند داده از فیلترهای شخصی سازی آمازون به روز شده توسط آمازون استفاده کرد AWS لامبدا توابع، که توسط یک CloudWatch آمازون کرون کار

معماری زیر فرآیند خودکار اعمال فیلترها را نشان می دهد:

1. یک رویداد CloudWatch از یک عبارت cron برای برنامه ریزی زمانی که یک تابع Lambda فراخوانی می شود استفاده می کند.
2. هنگامی که تابع Lambda فعال می شود، فیلتر را به موتور توصیه وصل می کند تا قوانین تجاری را اعمال کند.
3. غذاها و رستوران های توصیه شده در برنامه به کاربران نهایی تحویل داده می شود.

نتیجه

Amazon Personalize به Chefz این امکان را داد تا زمینه را در مورد مشتریان فردی و شرایط آنها اعمال کند و توصیه های سفارشی شده را بر اساس قوانین تجاری مانند معاملات و پیشنهادات ویژه از طریق برنامه تلفن همراه ما ارائه دهد. این امر درآمد را 35 درصد در ماه افزایش داد و سفارشات مشتریان را در رستوران های توصیه شده دو برابر کرد.

«مشتری در قلب همه کارهایی است که در The Chefz انجام می دهیم، و ما به طور خستگی ناپذیر برای بهبود و ارتقای تجربه آنها کار می کنیم. با Amazon Personalize، ما قادر به شخصی سازی در مقیاس در کل پایگاه مشتری خود هستیم، که قبلا غیرممکن بود.

Ramzi Algrainy، CTO در The Chefz.

درباره نویسندگان

رمزی القراینی مدیر ارشد فناوری در Chefz است. رمزی یکی از همکاران Apache Solr و Slack و بازبینی فنی است و مقالات زیادی را در IEEE منتشر کرده است که بر توابع جستجو و داده تمرکز دارد.

محمد عزت یک معمار ارشد راه حل در AWS با تمرکز بر یادگیری ماشین است. او با مشتریان کار می کند تا با استفاده از فناوری های ابری به چالش های تجاری آنها رسیدگی کند. در خارج از محل کار، او از بازی تنیس روی میز لذت می برد.