Hoe The Chefz de perfecte maaltijd serveert met Amazon Personalize

Dit is een gastpost van Ramzi Alqrainy, Chief Technology Officer, The Chefz.

de chefz is een in Saoedi-Arabië gevestigde online startup voor voedselbezorging, opgericht in 2016. De kern van het bedrijfsmodel van The Chefz is het haar klanten in staat stellen om eten en snoep te bestellen bij toprestaurants, bakkerijen en chocoladewinkels. In dit bericht leggen we uit hoe The Chefz gebruikt Amazon personaliseren filters om bedrijfsregels toe te passen op aanbevelingen aan eindgebruikers, waardoor de omzet met 35% stijgt.

Voedselbezorging is een groeiende industrie, maar is tegelijkertijd uiterst competitief. De grootste uitdaging in de branche is het behouden van klantloyaliteit. Dit vereist een uitgebreid begrip van de voorkeuren van de klant, het vermogen om een ​​uitstekende responstijd te bieden in termen van tijdige levering en een goede voedselkwaliteit. Deze drie factoren bepalen de belangrijkste maatstaf voor de klanttevredenheid van The Chefz. De eisen van de Chefz fluctueren, vooral met pieken in het ordervolume tijdens de lunch en het diner. De vraag fluctueert ook tijdens speciale dagen zoals Moederdag, de voetbalfinale, Ramadan-schemering (Suhoor) en zonsondergang (Iftaar) tijden of Eid-feestdagen. Gedurende deze tijden kan de vraag met wel 300% toenemen, wat een extra uitdaging toevoegt om de perfecte maaltijd aan te bevelen op basis van het tijdstip van de dag, vooral tijdens de ramadan.

De perfecte maaltijd op het juiste moment

Om het bestelproces deterministischer te maken en tegemoet te komen aan piekmomenten, heeft het team van Chefz besloten de dag in verschillende periodes te verdelen. Tijdens de Ramadan worden de dagen bijvoorbeeld verdeeld in Iftar en Suhoor. Op reguliere dagen bestaan ​​de dagen uit vier perioden: ontbijt, lunch, diner en dessert. De technologie die aan dit deterministische bestelproces ten grondslag ligt, is Amazon Personalize, een krachtige aanbevelingsengine. Amazon Personalize neemt deze gegroepeerde periodes samen met de locatie van de klant om een ​​perfecte aanbeveling te geven.

Dit zorgt ervoor dat de klant restaurant- en maaltijdaanbevelingen ontvangt op basis van hun voorkeur en van een locatie in de buurt, zodat deze snel voor de deur arriveert.

Deze aanbevelingsengine op basis van Amazon Personalize is het belangrijkste ingrediënt in de manier waarop de klanten van The Chefz genieten van gepersonaliseerde restaurantmaaltijdaanbevelingen, in plaats van willekeurige aanbevelingen voor categorieën van favorieten.

De personalisatiereis

The Chefz begon zijn personalisatietraject door restaurantaanbevelingen aan te bieden aan klanten die Amazon Personalize gebruiken op basis van eerdere interacties, gebruikersmetadata (zoals leeftijd, nationaliteit en dieet), restaurantmetadata zoals categorie en aangeboden soorten voedsel, samen met live tracking voor klantinteracties op de Chefz mobiele applicatie en webportaal. De initiële implementatiefasen van Amazon Personalize leidden tot een toename van 10% in klantinteracties met de portal.

Hoewel dat een mijlpaal was, was de levertijd nog steeds een probleem waar veel klanten tegenaan liepen. Een van de grootste problemen van klanten was de levertijd tijdens de spits. Om dit aan te pakken, heeft het team van datawetenschappers locatie toegevoegd als een extra functie aan gebruikersmetadata, zodat aanbevelingen rekening zouden houden met zowel gebruikersvoorkeuren als locatie voor een verbeterde levertijd.

De volgende stap in de aanbevelingsreis was het overwegen van de jaarlijkse timing, met name de Ramadan, en het tijdstip van de dag. Deze overwegingen zorgden ervoor dat The Chefz zware maaltijden of restaurants kon aanbevelen die Iftaar-maaltijden aanbieden tijdens de Ramadan-zonsondergang, en lichtere maaltijden in de late avond. Om deze uitdaging op te lossen, heeft het team van gegevenswetenschappers Amazon Personalize-filters gebruikt die zijn bijgewerkt door AWS Lambda functies, die werden geactiveerd door een Amazon Cloud Watch cron-job.

De volgende architectuur toont het geautomatiseerde proces voor het toepassen van de filters:

1. Een CloudWatch-gebeurtenis gebruikt een cron-expressie om te plannen wanneer een Lambda-functie wordt aangeroepen.
2. Wanneer de Lambda-functie wordt geactiveerd, wordt het filter aan de aanbevelingsengine gekoppeld om bedrijfsregels toe te passen.
3. Aanbevolen maaltijden en restaurants worden via de applicatie aan eindgebruikers geleverd.

Conclusie

Amazon Personalize stelde The Chefz in staat om via onze mobiele applicatie context toe te passen over individuele klanten en hun omstandigheden, en op maat gemaakte aanbevelingen te doen op basis van bedrijfsregels, zoals speciale deals en aanbiedingen. Dit verhoogde de omzet met 35% per maand en verdubbelde de bestellingen van klanten bij aanbevolen restaurants.

“De klant staat centraal bij alles wat we doen bij The Chefz, en we werken onvermoeibaar om hun ervaring te verbeteren en te verbeteren. Met Amazon Personalize zijn we in staat om personalisatie op schaal te realiseren voor ons hele klantenbestand, wat voorheen onmogelijk was.”

-Ramzi Algrainy, CTO bij The Chefz.

Over de auteurs

Ramzi Alqrainy is Chief Technology Officer bij The Chefz. Ramzi levert een bijdrage aan Apache Solr en Slack en is technisch recensent, en heeft veel artikelen gepubliceerd in IEEE die zich richten op zoek- en gegevensfuncties.

Mohammed Ezzat is Senior Solutions Architect bij AWS met een focus op machine learning. Hij werkt samen met klanten om hun zakelijke uitdagingen aan te pakken met behulp van cloudtechnologieën. Naast zijn werk speelt hij graag tafeltennis.