JJ Food Service käyttää Azure ML:ää ennustaakseen asiakkaiden ostoslistoja jo ennen kuin he tekevät ostoksia

Lukuajan kuvake 2 min. lukea


Lukijat auttavat tukemaan MSpoweruseria. Saatamme saada palkkion, jos ostat linkkien kautta. Työkaluvihje-kuvake

Lue ilmoitussivumme saadaksesi selville, kuinka voit auttaa MSPoweruseria ylläpitämään toimitustiimiä Lue lisää

JJ Food Service Azure ML

JJ Ruokapalvelu on yksi Ison-Britannian suurimmista riippumattomista ruoanjakelupalveluyrityksistä, joka tarjoaa yli 60,000 XNUMX asiakkaalle kaiken, mitä he tarvitsevat omalle ruokayritykselleen. Asiakkaat tekevät tilauksen verkossa tai keskustelemalla puhelinkeskuksen edustajien kanssa puhelimitse. Logistiikkatiimit reitittävät ja järjestävät nämä tilaukset, varastojen työntekijät lastaavat sitten tarvittavat tuotteet ajoneuvoihin ja kuljettajat vievät ne toimitusreiteille seuraavana päivänä. JJ Food Service käyttää nyt Microsoft Dynamicsia ERP- ja CRM-tarpeisiinsa.

Nyt he lisäävät Azure ML:n virtaviivaistaakseen prosessiaan. Käyttämällä Azure ML -suositusjärjestelmää he täyttävät ennakoivan ostoslistan asiakkaille, ja asiakkaat saavat myös suosituksia aiheeseen liittyvistä tuotteista, joita he saattavat haluta tilata.

Asiakkaiden tilaukset JJ Food Servicessä vaihtelevat tietysti suuresti mitä tulee ja milloin, tilauskoon, tyypin, tiheyden ja monien muiden kriteerien suhteen. Asiakkaiden tulevien tarpeiden ennakoinnissa he tarvitsivat räätälöityjä näkemyksiä kunkin asiakkaan aikaisempien tilausmallien perusteella. Esimerkiksi tietty ravintola voi tilata salaattivihanneksia joka päivä, jauhoja noin kahden viikon välein ja ruokaöljyä kerran kuukaudessa. "Menestyäksemme meidän täytyi olla relevantti tälle viikolle, tuolle päivälle, juuri tuolle ajankohdalle", Ahmed selitti.

JJ Food Service oli vakuuttunut siitä, että Azure ML voisi auttaa heitä vastaamaan tarpeisiinsa erittäin kustannustehokkaalla tavalla. He aloittivat työskentelyn Microsoft Azure -tiimin kanssa kirjoittamalla ensin koodin verkkosivustolleen asiakkaiden käyttäytymisen tallentamiseksi ja käyttämällä sitten kolmen vuoden tapahtumatietoja Azure ML -ennustusmallin kouluttamiseen. Seuraavaksi he integroivat tämän mallin suositukset sekä call center-ympäristöönsä että verkkosivustoonsa varmistaen näin, että heidän puhelinasiakkaansa saavat täsmälleen samat suositukset (puhelinkeskuksen edustajien kautta) kuin ne, jotka verkkoasiakkaat näkivät sivustollaan.

Järjestelmän käyttöönotto kesti vain kolme kuukautta. Tänään, soittivatpa asiakkaat sisään tai kirjautuvat sisään, järjestelmä esittää samat ennusteet aiempien ostosten analysoinnin perusteella – molemmissa tapauksissa tilauslomake täytetään samalla tavalla ja automaattisesti.

Lue lisää tätä.

Lisää aiheista: AzureML, CRM, Asiakastarina, dynamiikka, ERP, Täytäntöönpano, microsoft

Jätä vastaus

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *