Bagaimana The Chefz menyajikan makanan yang sempurna dengan Amazon Personalize

Ini adalah posting tamu oleh Ramzi Alqrainy, Chief Technology Officer, The Chefz.

Chefzo adalah startup pengiriman makanan online yang berbasis di Saudi, didirikan pada tahun 2016. Inti dari model bisnis The Chefz adalah memungkinkan pelanggannya memesan makanan dan manisan dari restoran elit, toko roti, dan toko cokelat. Dalam posting ini, kami menjelaskan bagaimana The Chefz menggunakan Amazon Personalisasi filter untuk menerapkan aturan bisnis pada rekomendasi kepada pengguna akhir, meningkatkan pendapatan sebesar 35%.

Pengiriman makanan adalah industri yang berkembang tetapi pada saat yang sama sangat kompetitif. Tantangan terbesar dalam industri ini adalah menjaga loyalitas pelanggan. Ini membutuhkan pemahaman yang komprehensif tentang preferensi pelanggan, kemampuan untuk memberikan waktu respons yang sangat baik dalam hal pengiriman tepat waktu, dan kualitas makanan yang baik. Ketiga faktor ini menentukan metrik terpenting bagi kepuasan pelanggan The Chefz. Permintaan Chefz berfluktuasi, terutama dengan lonjakan volume pesanan saat makan siang dan makan malam. Permintaan juga berfluktuasi selama hari-hari khusus seperti Hari Ibu, final sepak bola, waktu senja Ramadhan (Sahur) dan matahari terbenam (buka puasa), atau hari raya Idul Fitri. Selama masa-masa ini, permintaan dapat meningkat hingga 300%, menambahkan satu lagi tantangan penting untuk merekomendasikan makanan yang sempurna berdasarkan waktu, terutama di bulan Ramadhan.

Makanan yang sempurna di waktu yang tepat

Untuk membuat proses pemesanan lebih deterministik dan untuk memenuhi waktu permintaan puncak, tim Chefz memutuskan untuk membagi hari ke dalam periode yang berbeda. Misalnya, selama musim Ramadhan, hari-hari dibagi menjadi Iftar dan Sahur. Pada hari biasa, hari terdiri dari empat periode: sarapan, makan siang, makan malam, dan hidangan penutup. Teknologi yang mendukung proses pemesanan deterministik ini adalah Amazon Personalize, mesin rekomendasi yang andal. Amazon Personalize mengambil periode yang dikelompokkan ini bersama dengan lokasi pelanggan untuk memberikan rekomendasi yang sempurna.

Ini memastikan pelanggan menerima rekomendasi restoran dan makanan berdasarkan preferensi mereka dan dari lokasi terdekat sehingga tiba dengan cepat di depan pintu mereka.

Mesin rekomendasi berdasarkan Amazon Personalize ini adalah bahan utama dalam cara pelanggan The Chefz menikmati rekomendasi makanan restoran yang dipersonalisasi, bukan rekomendasi acak untuk kategori favorit.

Perjalanan personalisasi

Chefz memulai perjalanan personalisasinya dengan menawarkan rekomendasi restoran untuk pelanggan menggunakan Amazon Personalize berdasarkan interaksi sebelumnya, metadata pengguna (seperti usia, kebangsaan, dan diet), metadata restoran seperti kategori dan jenis makanan yang ditawarkan, bersama dengan pelacakan langsung untuk interaksi pelanggan di aplikasi seluler dan portal web Chefz. Fase penerapan awal Amazon Personalize menghasilkan peningkatan 10% dalam interaksi pelanggan dengan portal.

Meskipun itu merupakan langkah tonggak, waktu pengiriman masih menjadi masalah yang dihadapi banyak pelanggan. Salah satu kesulitan utama pelanggan adalah waktu pengiriman selama jam sibuk. Untuk mengatasi hal ini, tim ilmuwan data menambahkan lokasi sebagai fitur tambahan ke metadata pengguna sehingga rekomendasi akan mempertimbangkan preferensi pengguna dan lokasi untuk meningkatkan waktu pengiriman.

Langkah selanjutnya dalam perjalanan rekomendasi adalah mempertimbangkan waktu tahunan, terutama Ramadhan, dan waktu dalam sehari. Pertimbangan ini memastikan The Chefz dapat merekomendasikan makanan berat atau restoran yang menyediakan makanan berbuka puasa saat matahari terbenam Ramadhan, dan makanan ringan di malam hari. Untuk mengatasi tantangan ini, tim ilmuwan data menggunakan filter Amazon Personalize yang diperbarui oleh AWS Lambda fungsi, yang dipicu oleh amazoncloudwatch tugas cron.

Arsitektur berikut menunjukkan proses otomatis untuk menerapkan filter:

1. Peristiwa CloudWatch menggunakan ekspresi cron untuk menjadwalkan saat fungsi Lambda dipanggil.
2. Saat fungsi Lambda terpicu, fungsi tersebut akan menempelkan filter ke mesin rekomendasi untuk menerapkan aturan bisnis.
3. Makanan dan restoran yang direkomendasikan dikirimkan ke pengguna akhir di aplikasi.

Kesimpulan

Amazon Personalize memungkinkan The Chefz untuk menerapkan konteks tentang pelanggan individu dan keadaan mereka, dan memberikan rekomendasi yang disesuaikan berdasarkan aturan bisnis seperti penawaran dan penawaran khusus melalui aplikasi seluler kami. Ini meningkatkan pendapatan sebesar 35% per bulan dan menggandakan pesanan pelanggan di restoran yang direkomendasikan.

“Pelanggan adalah inti dari semua yang kami lakukan di The Chefz, dan kami bekerja tanpa lelah untuk meningkatkan dan meningkatkan pengalaman mereka. Dengan Amazon Personalize, kami dapat mencapai personalisasi dalam skala besar di seluruh basis pelanggan kami, yang sebelumnya tidak mungkin.”

-Ramzi Algrainy, CTO di The Chefz.

Tentang penulis

Ramzi Alqrainy adalah Chief Technology Officer di The Chefz. Ramzi adalah kontributor Apache Solr dan Slack dan peninjau teknis, dan telah menerbitkan banyak makalah di IEEE yang berfokus pada fungsi pencarian dan data.

Muhammad Ezzat adalah Arsitek Solusi Senior di AWS dengan fokus pada pembelajaran mesin. Dia bekerja dengan pelanggan untuk mengatasi tantangan bisnis mereka menggunakan teknologi cloud. Di luar pekerjaan, ia menikmati bermain tenis meja.