JJ Food Service verwendet Azure ML, um die Einkaufslisten von Kunden vorherzusagen, noch bevor sie einkaufen

JJ Foodservice ist eines der größten unabhängigen Lebensmittellieferdienstunternehmen in Großbritannien, das über 60,000 Kunden mit allem versorgt, was sie für ihr eigenes Lebensmittelgeschäft benötigen. Kunden geben Bestellungen online auf oder sprechen telefonisch mit Callcenter-Mitarbeitern. Logistikteams leiten und ordnen diese Bestellungen, Mitarbeiter in Lagern laden dann die entsprechenden Produkte in die Fahrzeuge und Fahrer bringen sie am nächsten Tag zu den Lieferrouten. JJ Food Service verwendet jetzt Microsoft Dynamics für seine ERP- und CRM-Anforderungen.

Jetzt fügen sie Azure ML hinzu, um ihren Prozess zu optimieren. Durch die Verwendung des Azure ML-Empfehlungssystems füllen sie prädiktive Einkaufslisten für Kunden aus, und Kunden erhalten auch Empfehlungen für verwandte Artikel, die sie möglicherweise bestellen möchten.

Kundenbestellungen bei JJ Food Service unterscheiden sich natürlich stark in Bezug darauf, was gekauft wird und wann, Bestellgröße, Art, Häufigkeit und vielen anderen Kriterien. Um die zukünftigen Bedürfnisse der Kunden vorherzusehen, brauchten sie maßgeschneiderte Einblicke auf der Grundlage der vergangenen Bestellmuster jedes Kunden. Beispielsweise könnte ein bestimmtes Restaurant jeden Tag Blattsalat bestellen, etwa alle zwei Wochen Mehl und einmal im Monat Speiseöl. „Um erfolgreich zu sein, mussten wir für diese Woche, diesen Tag und genau zu diesem Zeitpunkt relevant sein“, erklärte Ahmed.

JJ Food Service war davon überzeugt, dass Azure ML ihnen dabei helfen könnte, ihre Anforderungen auf sehr kostengünstige Weise zu erfüllen. Sie begannen mit dem Microsoft Azure-Team zusammenzuarbeiten, schrieben zunächst Code für ihre Website, um das Kundenverhalten zu erfassen, und nutzten dann drei Jahre Transaktionsdaten, um ein Azure ML-Vorhersagemodell zu trainieren. Als Nächstes integrierten sie die Empfehlungen aus diesem Modell sowohl in ihre Callcenter-Umgebung als auch in ihre Website und stellten so sicher, dass ihre telefonischen Kunden genau die gleichen Empfehlungen (über Callcenter-Mitarbeiter) erhielten, die Online-Kunden auf ihrer Website sehen würden.

Die Implementierung des Systems dauerte nur drei Monate. Ob Kunden heute anrufen oder sich einloggen, das System erstellt anhand seiner Analyse vergangener Einkäufe die gleichen Vorhersagen – in beiden Fällen wird der Bestellblock auf die gleiche Weise und automatisch ausgefüllt.

Lesen Sie mehr dazu hier.