Hvordan The Chefz serverer det perfekte måltidet med Amazon Personalize

Dette er et gjesteinnlegg av Ramzi Alqrainy, Chief Technology Officer, The Chefz.

The Chefz er en Saudi-basert oppstart av matlevering på nett, grunnlagt i 2016. Kjernen i The Chefz sin forretningsmodell er å gjøre det mulig for kundene å bestille mat og søtsaker fra toppelitrestauranter, bakerier og sjokoladebutikker. I dette innlegget forklarer vi hvordan The Chefz bruker Amazon Tilpasse filtre for å bruke forretningsregler på anbefalinger til sluttbrukere, noe som øker inntektene med 35 %.

Matlevering er en voksende bransje, men er samtidig ekstremt konkurransedyktig. Den største utfordringen i bransjen er å opprettholde kundelojalitet. Dette krever en helhetlig forståelse av kundens preferanser, evnen til å gi utmerket responstid når det gjelder levering til rett tid, og god matkvalitet. Disse tre faktorene bestemmer den viktigste beregningen for The Chefz sin kundetilfredshet. Chefzs krav svinger, spesielt med topper i ordrevolumet til lunsj og middag. Etterspørselen svinger også under spesielle dager som morsdag, fotballfinalen, Ramadan-skumring (Suhoor) og solnedgang (Iftaar), eller Eid-høytider. I disse tider kan etterspørselen øke med opptil 300 %, og legge til enda en kritisk utfordring for å anbefale det perfekte måltidet basert på tidspunktet på dagen, spesielt i Ramadan.

Det perfekte måltidet til rett tid

For å gjøre bestillingsprosessen mer deterministisk og for å imøtekomme høye etterspørselstider, bestemte Chefz-teamet seg for å dele opp dagen i ulike perioder. For eksempel, under Ramadan-sesongen er dagene delt inn i Iftar og Suhoor. På vanlige dager består dagene av fire perioder: frokost, lunsj, middag og dessert. Teknologien som underbygger denne deterministiske bestillingsprosessen er Amazon Personalize, en kraftig anbefalingsmotor. Amazon Personalize tar disse grupperte periodene sammen med plasseringen til kunden for å gi en perfekt anbefaling.

Dette sikrer at kunden mottar restaurant- og måltidsanbefalinger basert på deres preferanser og fra et sted i nærheten, slik at det kommer raskt på dørstokken.

Denne anbefalingsmotoren basert på Amazon Personalize er nøkkelingrediensen i hvordan The Chefzs kunder nyter personlig tilpassede restaurantmåltidsanbefalinger, i stedet for tilfeldige anbefalinger for kategorier av favoritter.

Personliggjøringsreisen

Chefz startet sin personaliseringsreise ved å tilby restaurantanbefalinger for kunder som bruker Amazon Personalize basert på tidligere interaksjoner, brukermetadata (som alder, nasjonalitet og kosthold), restaurantmetadata som kategori og mattyper som tilbys, sammen med live sporing for kundeinteraksjoner på Chefz mobilapplikasjon og nettportal. De første implementeringsfasene av Amazon Personalize førte til en 10 % økning i kundeinteraksjoner med portalen.

Selv om det var et milepælssteg, var leveringstid fortsatt et problem som mange kunder møtte. En av hovedvanskene kundene hadde var leveringstid i rushtiden. For å løse dette, la dataforskerteamet til plassering som en tilleggsfunksjon til brukermetadata, slik at anbefalinger ville ta hensyn til både brukerpreferanse og plassering for forbedret leveringstid.

Det neste trinnet i anbefalingsreisen var å vurdere årlig timing, spesielt Ramadan, og tidspunktet på dagen. Disse hensynene sørget for at The Chefz kunne anbefale tunge måltider eller restauranter som tilbyr Iftaar-måltider under Ramadan-solnedgangen, og lettere måltider sent på kvelden. For å løse denne utfordringen brukte dataforskerteamet Amazon Personalize-filtre oppdatert av AWS Lambda funksjoner, som ble utløst av en Amazon CloudWatch cron jobb.

Følgende arkitektur viser den automatiserte prosessen for å bruke filtrene:

1. En CloudWatch-hendelse bruker et cron-uttrykk for å planlegge når en Lambda-funksjon påkalles.
2. Når Lambda-funksjonen utløses, fester den filteret til anbefalingsmotoren for å bruke forretningsregler.
3. Anbefalte måltider og restauranter leveres til sluttbrukere på applikasjonen.

konklusjonen

Amazon Personalize gjorde det mulig for The Chefz å bruke kontekst om individuelle kunder og deres omstendigheter, og levere tilpassede anbefalinger basert på forretningsregler som spesialtilbud og tilbud gjennom mobilapplikasjonen vår. Dette økte inntektene med 35 % per måned og doblet kundebestillinger på anbefalte restauranter.

«Kunden er kjernen i alt vi gjør på The Chefz, og vi jobber utrettelig for å forbedre og forbedre opplevelsen deres. Med Amazon Personalize er vi i stand til å oppnå personalisering i stor skala på tvers av hele kundebasen vår, noe som tidligere var umulig."

-Ramzi Algrainy, CTO hos The Chefz.

Om forfatterne

Ramzi Alqrainy er Chief Technology Officer i The Chefz. Ramzi er en bidragsyter til Apache Solr og Slack og teknisk anmelder, og har publisert mange artikler i IEEE med fokus på søke- og datafunksjoner.

Mohamed Ezzat er Senior Solutions Architect hos AWS med fokus på maskinlæring. Han jobber med kunder for å møte deres forretningsutfordringer ved hjelp av skyteknologier. Utenom jobben liker han å spille bordtennis.