JJ Food Service gebruikt Azure ML om de boodschappenlijstjes van klanten te voorspellen, zelfs voordat ze winkelen

JJ Foodservice is een van de grootste onafhankelijke voedselbezorgservicebedrijven in het VK en biedt meer dan 60,000 klanten alles wat ze nodig hebben voor hun eigen voedselbedrijf. Klanten plaatsen bestellingen online of door telefonisch contact op te nemen met callcentermedewerkers. Logistieke teams routeren en rangschikken deze bestellingen, medewerkers in magazijnen laden vervolgens de juiste producten in de voertuigen en chauffeurs brengen het de volgende dag naar de bezorgroutes. JJ Food Service gebruikt nu Microsoft Dynamics voor hun ERP- en CRM-behoeften.

Nu voegen ze Azure ML toe om hun proces te stroomlijnen. Door het Azure ML-aanbevelingssysteem te gebruiken, vullen ze een voorspellende boodschappenlijst voor klanten en krijgen klanten ook aanbevelingen voor gerelateerde items die ze mogelijk willen bestellen.

Bestellingen van klanten bij JJ Food Service variëren natuurlijk sterk in termen van wat er wordt gekocht en wanneer, ordergrootte, type, frequentie en vele andere criteria. Om te anticiperen op de toekomstige behoeften van klanten, hadden ze op maat gemaakte inzichten nodig op basis van de eerdere bestelpatronen van elke klant. Een bepaald restaurant kan bijvoorbeeld elke dag saladegroenten bestellen, ongeveer elke twee weken meel en een keer per maand bakolie. "Om succesvol te zijn, moesten we relevant zijn voor die week, die dag, dat exacte tijdstip", legt Ahmed uit.

JJ Food Service was ervan overtuigd dat Azure ML hen zou kunnen helpen op een zeer kosteneffectieve manier in hun behoeften te voorzien. Ze begonnen te werken met het Microsoft Azure-team, schreven eerst code voor hun website om klantgedrag vast te leggen en gebruikten vervolgens drie jaar aan transactiegegevens om een ​​voorspellend Azure ML-model te trainen. Vervolgens integreerden ze de aanbevelingen van dit model in zowel hun callcenteromgeving als hun website, zodat hun telefonische klanten exact dezelfde aanbevelingen zouden krijgen (via callcentervertegenwoordigers) als wat online klanten op hun site zouden zien.

Het systeem duurde slechts drie maanden om te implementeren. Tegenwoordig, of klanten nu inbellen of inloggen, het systeem borrelt dezelfde voorspellingen op met behulp van zijn analyse van eerdere aankopen - in beide gevallen wordt het bestelformulier op dezelfde manier en automatisch ingevuld.

Lees er meer over hier.