Como o Chefz serve a refeição perfeita com o Amazon Personalize

Este é um post convidado por Ramzi Alqrainy, Diretor de Tecnologia, The Chefz.

O Chefz é uma startup de entrega de comida on-line com sede na Arábia Saudita, fundada em 2016. No centro do modelo de negócios do The Chefz está permitir que seus clientes peçam comida e doces dos melhores restaurantes, padarias e chocolaterias de elite. Neste post, explicamos como o Chefz usa Amazon Customize filtros para aplicar regras de negócios nas recomendações aos usuários finais, aumentando a receita em 35%.

A entrega de alimentos é uma indústria em crescimento, mas ao mesmo tempo extremamente competitiva. O maior desafio do setor é manter a fidelidade do cliente. Isso requer uma compreensão abrangente das preferências do cliente, a capacidade de fornecer um excelente tempo de resposta em termos de entrega no prazo e boa qualidade dos alimentos. Esses três fatores determinam a métrica mais importante para a satisfação do cliente do Chefz. As demandas do Chefz flutuam, especialmente com picos nos volumes de pedidos nos horários de almoço e jantar. A demanda também flutua durante dias especiais, como o Dia das Mães, a final de futebol, o crepúsculo do Ramadã (Suhoor) e o pôr do sol (Iftaar) ou feriados festivos do Eid. Durante esses períodos, a demanda pode aumentar em até 300%, adicionando mais um desafio crítico para recomendar a refeição perfeita com base na hora do dia, especialmente no Ramadã.

A refeição perfeita na hora certa

Para tornar o processo de pedidos mais determinístico e atender aos horários de pico de demanda, a equipe da Chefz decidiu dividir o dia em diferentes períodos. Por exemplo, durante a temporada do Ramadã, os dias são divididos em Iftar e Suhoor. Em dias normais, os dias consistem em quatro períodos: café da manhã, almoço, jantar e sobremesa. A tecnologia que sustenta esse processo de pedido determinístico é o Amazon Personalize, um poderoso mecanismo de recomendação. O Amazon Personalize leva esses períodos agrupados junto com a localização do cliente para fornecer uma recomendação perfeita.

Isso garante que o cliente receba recomendações de restaurantes e refeições com base em sua preferência e de um local próximo, para que ele chegue rapidamente à sua porta.

Esse mecanismo de recomendação baseado no Amazon Personalize é o principal ingrediente de como os clientes do Chefz desfrutam de recomendações personalizadas de refeições em restaurantes, em vez de recomendações aleatórias para categorias de favoritos.

A jornada de personalização

O Chefz iniciou sua jornada de personalização oferecendo recomendações de restaurantes para clientes que usam o Amazon Personalize com base em interações anteriores, metadados do usuário (como idade, nacionalidade e dieta), metadados de restaurantes como categoria e tipos de alimentos oferecidos, além de rastreamento ao vivo das interações do cliente em o aplicativo móvel Chefz e o portal da web. As fases iniciais de implantação do Amazon Personalize levaram a um aumento de 10% nas interações do cliente com o portal.

Embora essa tenha sido uma etapa marcante, o tempo de entrega ainda era um problema que muitos clientes encontravam. Uma das principais dificuldades dos clientes era o tempo de entrega na hora do rush. Para resolver isso, a equipe de cientistas de dados adicionou a localização como um recurso adicional aos metadados do usuário, para que as recomendações levassem em consideração a preferência e a localização do usuário para melhorar o tempo de entrega.

O próximo passo na jornada de recomendação foi considerar o calendário anual, especialmente o Ramadã, e a hora do dia. Essas considerações garantiram que o Chefz pudesse recomendar refeições pesadas ou restaurantes que fornecem refeições Iftaar durante o pôr do sol do Ramadã e refeições mais leves no final da noite. Para resolver esse desafio, a equipe de cientistas de dados usou filtros do Amazon Personalize atualizados por AWS Lambda funções, que foram acionadas por um Amazon CloudWatch tarefa cron.

A arquitetura a seguir mostra o processo automatizado para aplicação dos filtros:

1. Um evento do CloudWatch usa uma expressão cron para agendar quando uma função do Lambda é invocada.
2. Quando a função do Lambda é acionada, ela anexa o filtro ao mecanismo de recomendação para aplicar as regras de negócios.
3. Refeições e restaurantes recomendados são entregues aos usuários finais no aplicativo.

Conclusão

O Amazon Personalize permitiu que o Chefz aplicasse contexto sobre clientes individuais e suas circunstâncias e fornecesse recomendações personalizadas com base em regras de negócios, como ofertas especiais e ofertas por meio de nosso aplicativo móvel. Isso aumentou a receita em 35% ao mês e dobrou os pedidos dos clientes nos restaurantes recomendados.

“O cliente está no centro de tudo o que fazemos no The Chefz e estamos trabalhando incansavelmente para melhorar e aprimorar sua experiência. Com o Amazon Personalize, podemos alcançar a personalização em escala em toda a nossa base de clientes, o que antes era impossível.”

-Ramzi Algrainy, CTO do The Chefz.

Sobre os autores

Ramzi Alqrainy é Diretor de Tecnologia do The Chefz. Ramzi é um colaborador do Apache Solr e Slack e revisor técnico, e publicou muitos artigos no IEEE com foco em funções de pesquisa e dados.

Mohamed Ezzat é arquiteto de soluções sênior na AWS com foco em machine learning. Ele trabalha com clientes para enfrentar seus desafios de negócios usando tecnologias de nuvem. Fora do trabalho, ele gosta de jogar tênis de mesa.