Это гостевой пост Рамзи Алкрайни, главного технологического директора The Chefz.
Шеф-повар — стартап по онлайн-доставке еды из Саудовской Аравии, основанный в 2016 году. В основе бизнес-модели The Chefz — предоставление клиентам возможности заказывать еду и сладости в лучших элитных ресторанах, пекарнях и шоколадных магазинах. В этом посте мы объясним, как The Chefz использует Amazon персонализировать фильтры для применения бизнес-правил к рекомендациям для конечных пользователей, увеличивая доход на 35%.
Доставка еды — это растущая отрасль, но в то же время чрезвычайно конкурентоспособная. Самая большая проблема в отрасли — поддержание лояльности клиентов. Это требует всестороннего понимания предпочтений клиента, способности обеспечить отличное время отклика с точки зрения своевременной доставки и хорошего качества еды. Эти три фактора определяют самый важный показатель удовлетворенности клиентов The Chefz. Требования шеф-повара колеблются, особенно из-за резкого увеличения объема заказов во время обеда и ужина. Спрос также колеблется в особые дни, такие как День матери, футбольный финал, время заката (сухур) и заката (ифтар) Рамадана или праздничные праздники Ид. В это время спрос может возрасти до 300%, что добавляет еще одну серьезную проблему: рекомендовать идеальную еду в зависимости от времени дня, особенно в Рамадан.
Идеальная еда в нужное время
Чтобы сделать процесс заказа более детерминированным и учесть время пикового спроса, команда The Chefz решила разделить день на разные периоды. Например, во время Рамадана дни делятся на ифтар и сухур. В обычные дни дни состоят из четырех периодов: завтрак, обед, ужин и десерт. В основе этого детерминированного процесса заказа лежит технология Amazon Personalize, мощная система рекомендаций. Amazon Personalize использует эти сгруппированные периоды вместе с местоположением клиента, чтобы предоставить идеальную рекомендацию.
Это гарантирует, что клиент получит рекомендации по ресторанам и блюдам на основе своих предпочтений и из близлежащего местоположения, чтобы они быстро прибыли к их порогу.
Этот механизм рекомендаций, основанный на Amazon Personalize, является ключевым элементом того, как клиенты The Chefz получают персонализированные рекомендации по еде в ресторане, а не случайные рекомендации по категориям фаворитов.
Путь персонализации
Chefz начал свой путь к персонализации, предлагая клиентам рекомендации ресторанов, использующих Amazon Personalize, на основе предыдущих взаимодействий, пользовательских метаданных (таких как возраст, национальность и диета), метаданных ресторана, таких как категория и типы предлагаемых блюд, а также отслеживание в реальном времени взаимодействий клиентов на мобильное приложение Chefz и веб-портал. Начальные этапы развертывания Amazon Personalize привели к увеличению числа взаимодействий клиентов с порталом на 10 %.
Хотя это был важный этап, время доставки по-прежнему оставалось проблемой, с которой сталкивались многие клиенты. Одной из основных трудностей, с которой столкнулись клиенты, было время доставки в час пик. Чтобы решить эту проблему, команда специалистов по данным добавила местоположение в качестве дополнительной функции в пользовательские метаданные, чтобы рекомендации учитывали как предпочтения пользователя, так и местоположение для сокращения времени доставки.
Следующим шагом в путешествии по рекомендациям было рассмотрение ежегодного времени, особенно Рамадана, и времени суток. Эти соображения позволили The Chefz порекомендовать тяжелые блюда или рестораны, которые предлагают блюда на ифтар во время заката Рамадана и более легкие блюда поздним вечером. Чтобы решить эту проблему, команда специалистов по данным использовала фильтры Amazon Personalize, обновленные AWS Lambda функции, которые были вызваны Amazon CloudWatch работа с хроном.
Следующая архитектура показывает автоматизированный процесс применения фильтров:
- Событие CloudWatch использует выражение cron для планирования вызова функции Lambda.
- Когда функция Lambda запускается, она прикрепляет фильтр к механизму рекомендаций для применения бизнес-правил.
- Рекомендованные блюда и рестораны доставляются конечным пользователям в приложении.
Заключение
Amazon Personalize позволил The Chefz использовать контекст об отдельных клиентах и их обстоятельствах и предоставлять индивидуальные рекомендации на основе бизнес-правил, таких как специальные предложения и предложения, через наше мобильное приложение. Это увеличило доход на 35% в месяц и удвоило заказы клиентов в рекомендованных ресторанах.
«Клиент находится в центре всего, что мы делаем в The Chefz, и мы неустанно работаем над улучшением и улучшением их опыта. С помощью Amazon Personalize мы можем добиться масштабной персонализации всей нашей клиентской базы, что раньше было невозможно».
— Рамзи Алгрэйни, технический директор The Chefz.
Об авторах
Рамзи Алкрайни является техническим директором в The Chefz. Рамзи является участником Apache Solr и Slack и техническим обозревателем, а также опубликовал множество статей в IEEE, посвященных функциям поиска и обработки данных.
Мохамед Эззат — старший архитектор решений в AWS, специализирующийся на машинном обучении. Он работает с клиентами над решением их бизнес-задач с помощью облачных технологий. Вне работы любит играть в настольный теннис.
- AI
- ай искусство
- генератор искусств ай
- искусственный интеллект
- Amazon персонализировать
- искусственный интеллект
- сертификация искусственного интеллекта
- искусственный интеллект в банковском деле
- робот с искусственным интеллектом
- роботы с искусственным интеллектом
- программное обеспечение искусственного интеллекта
- Машинное обучение AWS
- блокчейн
- конференция по блокчейну
- Coingenius
- разговорный искусственный интеллект
- криптоконференция ИИ
- Решения для клиентов
- дал-и
- глубокое обучение
- google ai
- обучение с помощью машины
- Платон
- Платон Ай
- Платон Интеллектуальные данные
- Платон игра
- ПлатонДанные
- платогейминг
- масштаб ай
- синтаксис
- зефирнет