JJ Food Service utilizza Azure ML per prevedere le liste della spesa dei clienti ancor prima che facciano acquisti

Servizio di ristorazione JJ è una delle più grandi società indipendenti di servizi di consegna di cibo nel Regno Unito che fornisce a oltre 60,000 clienti tutto ciò di cui hanno bisogno per le proprie attività alimentari. I clienti effettuano ordini online o parlando al telefono con i rappresentanti del call center. I team di logistica instradano e mettono in sequenza questi ordini, i dipendenti dei magazzini caricano i prodotti appropriati nei veicoli e gli autisti li portano alle rotte di consegna il giorno successivo. JJ Food Service ora utilizza Microsoft Dynamics per le proprie esigenze ERP e CRM.

Ora stanno aggiungendo Azure ML per semplificare il processo. Usando il sistema di suggerimenti di Azure ML, vengono compilate liste della spesa predittive per i clienti e i clienti ricevono anche consigli per articoli correlati che potrebbero voler ordinare.

Gli ordini dei clienti presso JJ Food Service, ovviamente, variano ampiamente in termini di cosa viene acquistato e quando, dimensione dell'ordine, tipo, frequenza e molti altri criteri. Per anticipare le esigenze future dei clienti, ciò di cui avevano bisogno erano informazioni su misura basate sui modelli di ordini passati di ciascun cliente. Ad esempio, un particolare ristorante potrebbe ordinare insalata verde ogni giorno, farina circa ogni due settimane e olio da cucina una volta al mese. "Per avere successo, dovevamo essere rilevanti per quella settimana, quel giorno, in quel momento esatto", ha spiegato Ahmed.

JJ Food Service era convinto che Azure ML potesse aiutarli a soddisfare le loro esigenze in modo molto conveniente. Hanno iniziato a collaborare con il team di Microsoft Azure, scrivendo prima il codice per il loro sito Web per acquisire il comportamento dei clienti e quindi utilizzando tre anni di dati transazionali per addestrare un modello predittivo di Azure ML. Successivamente, hanno integrato i consigli di questo modello sia nell'ambiente del call center che nel sito Web, assicurando così che i loro clienti telefonici ricevessero esattamente gli stessi consigli (tramite rappresentanti del call center) di quelli che i clienti online vedrebbero sul loro sito.

Il sistema ha richiesto solo tre mesi per essere implementato. Oggi, indipendentemente dal fatto che i clienti chiamino o accedano, il sistema genera le stesse previsioni utilizzando l'analisi degli acquisti passati: in entrambi i casi, il blocco degli ordini viene compilato allo stesso modo e automaticamente.

Per saperne di più su di esso qui.