JJ Food Service использует Azure ML для прогнозирования списков покупок клиентов еще до того, как они совершат покупки

Джей Джей Фуд Сервис — одна из крупнейших независимых компаний по доставке еды в Великобритании, которая обеспечивает более 60,000 XNUMX клиентов всем необходимым для собственного бизнеса в сфере питания. Клиенты размещают заказы онлайн или разговаривая с представителями колл-центра по телефону. Команды логистики направляют и упорядочивают эти заказы, сотрудники складов затем загружают соответствующие продукты в автомобили, а водители на следующий день доставляют их по маршрутам доставки. JJ Food Service теперь использует Microsoft Dynamics для своих нужд ERP и CRM.

Теперь они добавляют Azure ML, чтобы оптимизировать свой процесс. Используя систему рекомендаций Azure ML, они составляют предикативный список покупок для клиентов, а клиенты также получают рекомендации по сопутствующим товарам, которые они могут захотеть заказать.

Заказы клиентов в JJ Food Service, конечно, сильно различаются с точки зрения того, что и когда они покупают, размера заказа, типа, частоты и многих других критериев. Чтобы предвидеть будущие потребности клиентов, им нужна была индивидуализированная информация, основанная на шаблонах прошлых заказов каждого клиента. Например, конкретный ресторан может заказывать зелень для салата каждый день, муку примерно раз в две недели и растительное масло раз в месяц. «Чтобы добиться успеха, нам нужно было соответствовать этой неделе, тому дню, этому точному моменту времени», — объяснил Ахмед.

Компания JJ Food Service была убеждена, что Azure ML может помочь им удовлетворить свои потребности очень экономичным способом. Они начали работать с командой Microsoft Azure, сначала написав код для своего веб-сайта, чтобы фиксировать поведение клиентов, а затем использовать данные о транзакциях за три года для обучения прогнозной модели машинного обучения Azure. Затем они интегрировали рекомендации из этой модели как в среду своего колл-центра, так и на свой веб-сайт, таким образом гарантируя, что их клиенты по телефону получат точно такие же рекомендации (через представителей колл-центра), какие онлайн-клиенты увидят на их сайте.

На внедрение системы ушло всего три месяца. Сегодня, независимо от того, звонят ли клиенты или входят в систему, система выдает одни и те же прогнозы, используя анализ прошлых покупок — в обоих случаях панель заказов заполняется одинаково и автоматически.

Подробнее об этом здесь.