JJ Food Service está usando o Azure ML para prever as listas de compras dos clientes antes mesmo de eles comprarem

JJ Food Service é uma das maiores empresas independentes de serviços de entrega de alimentos no Reino Unido, que fornece a mais de 60,000 clientes tudo o que eles precisam para seus próprios negócios de alimentos. Os clientes fazem pedidos on-line ou falando com os representantes do call center por telefone. As equipes de logística roteiam e sequenciam esses pedidos, os funcionários dos armazéns carregam os produtos apropriados nos veículos e os motoristas os levam para as rotas de entrega no dia seguinte. A JJ Food Service agora está usando o Microsoft Dynamics para suas necessidades de ERP e CRM.

Agora, eles estão adicionando o Azure ML para simplificar seu processo. Ao usar o sistema de recomendação do Azure ML, eles estão preenchendo a lista de compras preditiva para os clientes, e os clientes também obtêm recomendações de itens relacionados que podem querer encomendar.

Os pedidos dos clientes no JJ Food Service, é claro, variam muito em termos do que é comprado e quando, tamanho do pedido, tipo, frequência e muitos outros critérios. Ao antecipar as necessidades futuras dos clientes, eles precisavam de insights personalizados com base nos padrões de pedidos anteriores de cada cliente. Por exemplo, um determinado restaurante pode pedir saladas verdes todos os dias, farinha a cada duas semanas e óleo de cozinha uma vez por mês. “Para ter sucesso, precisávamos ser relevantes naquela semana, naquele dia, naquele exato momento”, explicou Ahmed.

A JJ Food Service estava convencida de que o Azure ML poderia ajudá-los a atender às suas necessidades de maneira muito econômica. Eles começaram a trabalhar com a equipe do Microsoft Azure, primeiro escrevendo código para seu site para capturar o comportamento do cliente e, em seguida, usando três anos de dados transacionais para treinar um modelo preditivo do Azure ML. Em seguida, eles integraram as recomendações desse modelo em seu ambiente de call center e em seu site, garantindo assim que seus clientes por telefone receberiam exatamente as mesmas recomendações (por meio de representantes de call center) que os clientes on-line veriam em seu site.

O sistema levou apenas três meses para ser implementado. Hoje, quer os clientes liguem ou façam login, o sistema borbulha as mesmas previsões usando sua análise de compras anteriores – em ambos os casos, o bloco de pedidos é preenchido da mesma forma e automaticamente.

Leia mais sobre isso SUA PARTICIPAÇÃO FAZ A DIFERENÇA.