JJ Food Service bruger Azure ML til at forudsige kundernes indkøbslister, selv før de handler
2 min. Læs
Udgivet den
Del denne artikel
Forbedre denne vejledning
Læs vores oplysningsside for at finde ud af, hvordan du kan hjælpe MSPoweruser med at opretholde redaktionen Læs mere
JJ Food Service er en af de største uafhængige fødevareleveringsvirksomheder i Storbritannien, som giver over 60,000 kunder alt, hvad de har brug for til deres egen fødevarevirksomhed. Kunder afgiver ordrer online eller ved at tale med call center-repræsentanter over telefonen. Logistikteams ruter og rækkefølger disse ordrer, medarbejdere på lagrene læsser derefter de relevante produkter i køretøjerne, og chaufførerne tager det til leveringsruterne næste dag. JJ Food Service bruger nu Microsoft Dynamics til deres ERP- og CRM-behov.
Nu tilføjer de Azure ML for at strømline deres proces. Ved at bruge Azure ML-anbefalingssystemet udfylder de forudsigende indkøbsliste for kunder, og kunderne får også anbefalinger til relaterede varer, som de måske ønsker at bestille.
Kundeordrer hos JJ Food Service varierer naturligvis meget med hensyn til, hvad der bliver købt og hvornår, ordrestørrelse, type, hyppighed og mange andre kriterier. Ved at forudse kundernes fremtidige behov var det, de havde brug for, skræddersyet indsigt baseret på hver kundes tidligere ordremønstre. For eksempel kan en bestemt restaurant bestille grøntsalat hver dag, mel cirka hver anden uge og madolie en gang om måneden. "For at få succes, var vi nødt til at være relevante for den uge, den dag, det præcise tidspunkt," forklarede Ahmed.
JJ Food Service var overbevist om, at Azure ML kunne hjælpe dem med at imødekomme deres behov på en meget omkostningseffektiv måde. De begyndte at arbejde med Microsoft Azure-teamet, hvor de først skrev kode til deres websted for at fange kundeadfærd og derefter brugte tre års transaktionsdata til at træne en Azure ML-forudsigelsesmodel. Dernæst integrerede de anbefalingerne fra denne model i både deres call center-miljø og deres hjemmeside, og sikrede dermed, at deres telefonbaserede kunder ville få nøjagtig de samme anbefalinger (via call center-repræsentanter), som hvad online-kunder ville se på deres side.
Systemet tog kun tre måneder at implementere. I dag, uanset om kunderne ringer ind eller logger ind, bobler systemet de samme forudsigelser op ved hjælp af sin analyse af tidligere køb – i begge tilfælde udfyldes ordreblokken på samme måde og automatisk.
Læs mere om det link..
