这是 The Chefz 首席技术官 Ramzi Alqrainy 的客座文章。
大厨 是一家总部位于沙特的在线食品配送初创公司,成立于 2016 年。Chefz 商业模式的核心是让客户能够从顶级精英餐厅、面包店和巧克力店订购食品和糖果。 在这篇文章中,我们解释了 The Chefz 如何使用 亚马逊个性化 过滤器以将业务规则应用于最终用户的推荐,从而将收入增加 35%。
食品配送是一个不断发展的行业,但同时也极具竞争力。 该行业最大的挑战是保持客户忠诚度。 这需要全面了解客户的喜好,能够在准时交货和良好的食品质量方面提供出色的响应时间。 这三个因素决定了 The Chefz 客户满意度的最重要指标。 Chefz 的需求波动很大,尤其是午餐和晚餐时间的订单量激增。 在母亲节、足球决赛、斋月黄昏 (Suhoor) 和日落 (Iftaar) 时间或开斋节假期等特殊日子,需求也会波动。 在此期间,需求可能增加高达 300%,这增加了一项更严峻的挑战,即根据一天中的时间推荐完美的膳食,尤其是在斋月期间。
在正确的时间享用完美的一餐
为了使订购过程更具确定性并满足高峰需求时间,Chefz 团队决定将一天分成不同的时段。 例如,在斋月期间,日子分为开斋节和 Suhoor。 在正常的日子里,一天包括四个时间段:早餐、午餐、晚餐和甜点。 支持这种确定性订购流程的技术是强大的推荐引擎 Amazon Personalize。 Amazon Personalize 将这些分组的时间段与客户的位置一起提供完美的推荐。
这样可以确保客户根据自己的喜好和附近的位置收到餐厅和膳食推荐,以便快速到达他们家门口。
这个基于 Amazon Personalize 的推荐引擎是 The Chefz 的客户享受个性化餐厅餐食推荐的关键因素,而不是随机推荐喜欢的类别。
个性化之旅
Chefz 通过使用 Amazon Personalize 根据之前的交互、用户元数据(如年龄、国籍和饮食)、餐厅元数据(如所提供的类别和食物类型)以及实时跟踪客户交互来开始其个性化之旅。 Chefz 移动应用程序和门户网站。 Amazon Personalize 的初始部署阶段使客户与门户的交互增加了 10%。
尽管这是里程碑式的一步,但交货时间仍然是许多客户遇到的问题。 客户遇到的主要困难之一是高峰时段的交货时间。 为了解决这个问题,数据科学家团队将位置作为附加功能添加到用户元数据中,因此建议将考虑用户偏好和位置,以缩短交付时间。
推荐过程的下一步是考虑每年的时间安排,尤其是斋月,以及一天中的时间。 这些考虑确保了 The Chefz 可以推荐在斋月日落期间提供开斋饭的重餐或提供开斋餐的餐厅,并在深夜提供清淡的餐点。 为了解决这一挑战,数据科学家团队使用了由 AWS Lambda 功能,这是由一个触发 亚马逊CloudWatch cron 工作。
以下架构显示了应用过滤器的自动化过程:
- CloudWatch 事件使用 cron 表达式来安排调用 Lambda 函数的时间。
- 当 Lambda 函数被触发时,它会将过滤器附加到推荐引擎以应用业务规则。
- 推荐的饭菜和餐馆会在应用程序上交付给最终用户。
结论
Amazon Personalize 使 Chefz 能够应用有关个人客户及其情况的上下文,并通过我们的移动应用程序根据业务规则(例如特价和优惠)提供定制的建议。 这使每月收入增加了 35%,并使推荐餐厅的客户订单增加了一倍。
“客户是我们在 The Chefz 所做一切的核心,我们正在不知疲倦地努力改善和提升他们的体验。 借助 Amazon Personalize,我们能够在整个客户群中大规模实现个性化,这在以前是不可能的。”
-Ramzi Algrainy,The Chefz 的首席技术官。
关于作者
拉姆齐·阿尔克雷尼 是 The Chefz 的首席技术官。 Ramzi 是 Apache Solr 和 Slack 的贡献者和技术审稿人,并在 IEEE 发表了许多专注于搜索和数据功能的论文。
穆罕默德·埃扎特(Mohamed Ezzat) 是 AWS 的高级解决方案架构师,专注于机器学习。 他与客户一起使用云技术解决他们的业务挑战。 工作之余,他喜欢打乒乓球。