JJ Food Service از Azure ML برای پیش بینی لیست خرید مشتریان حتی قبل از خرید استفاده می کند
2 دقیقه خواندن
منتشر شده در
صفحه افشای ما را بخوانید تا بدانید چگونه می توانید به MSPoweruser کمک کنید تا تیم تحریریه را حفظ کند ادامه مطلب
سرویس غذا جی جی یکی از بزرگترین شرکت های مستقل خدمات تحویل غذا در بریتانیا است که بیش از 60,000 مشتری را با همه چیزهایی که برای تجارت مواد غذایی خود نیاز دارند فراهم می کند. مشتریان سفارشات خود را به صورت آنلاین یا با صحبت با نمایندگان مرکز تماس تلفنی انجام می دهند. تیمهای لجستیک این سفارشها را مسیریابی و ترتیب میدهند، کارمندان انبارها محصولات مناسب را در وسایل نقلیه بارگیری میکنند و رانندگان آن را به مسیرهای تحویل روز بعد میبرند. JJ Food Service اکنون از Microsoft Dynamics برای نیازهای ERP و CRM خود استفاده می کند.
اکنون، آنها Azure ML را اضافه می کنند تا روند خود را ساده کنند. با استفاده از سیستم توصیه Azure ML، آنها لیست خرید پیشبینیکننده را برای مشتریان پر میکنند و مشتریان نیز توصیههایی برای موارد مرتبطی که ممکن است بخواهند سفارش دهند دریافت میکنند.
البته سفارشهای مشتریان در سرویس غذای جیجی از نظر خرید و زمان، اندازه سفارش، نوع، فرکانس و بسیاری معیارهای دیگر بسیار متفاوت است. در پیشبینی نیازهای آینده مشتریان، آنچه آنها نیاز داشتند، بینشهای متناسب با الگوهای سفارش قبلی هر مشتری بود. به عنوان مثال، یک رستوران خاص ممکن است هر روز سبزیجات سالاد، آرد هر دو هفته یکبار و روغن پخت و پز را یک بار در ماه سفارش دهد. احمد توضیح داد: «برای موفقیت، ما نیاز داشتیم که مربوط به آن هفته، آن روز، دقیقاً در آن مقطع زمانی باشیم.
JJ Food Service متقاعد شده بود که Azure ML می تواند به آنها کمک کند تا نیازهای خود را به روشی بسیار مقرون به صرفه برطرف کنند. آنها شروع به کار با تیم Microsoft Azure کردند و ابتدا برای وب سایت خود کد نوشتند تا رفتار مشتری را به تصویر بکشند و سپس از سه سال داده های تراکنش برای آموزش یک مدل پیش بینی Azure ML استفاده کردند. سپس، آنها توصیههای این مدل را در محیط مرکز تماس و وبسایت خود ادغام کردند، بنابراین اطمینان حاصل کردند که مشتریان مبتنی بر تلفن آنها دقیقاً همان توصیههایی را (از طریق نمایندگان مرکز تماس) دریافت میکنند که مشتریان آنلاین در سایت خود میبینند.
پیاده سازی این سیستم تنها سه ماه طول کشید. امروزه، چه مشتریان تماس بگیرند یا وارد سیستم شوند، سیستم با استفاده از تجزیه و تحلیل خریدهای گذشته، پیشبینیهای مشابهی را نشان میدهد - در هر دو مورد، صفحه سفارش به یک شکل و بهطور خودکار پر میشود.
اطلاعات بیشتر در مورد آن اینجا کلیک نمایید.