JJ Food Service uporablja Azure ML za napovedovanje nakupovalnih seznamov strank, še preden nakupujejo
2 min. prebrati
Objavljeno dne
Dajte v skupno rabo ta članek
Izboljšajte ta vodnik
Preberite našo stran za razkritje, če želite izvedeti, kako lahko pomagate MSPoweruser vzdrževati uredniško skupino Preberi več
JJ Food Service je eno največjih neodvisnih podjetij za dostavo hrane v Združenem kraljestvu, ki več kot 60,000 strankam nudi vse, kar potrebujejo za lastna živilska podjetja. Stranke oddajo naročila prek spleta ali se po telefonu pogovarjajo s predstavniki klicnega centra. Logistične ekipe usmerjajo in zaporedjajo ta naročila, zaposleni v skladiščih nato naložijo ustrezne izdelke v vozila, vozniki pa jih naslednji dan odpeljejo na dostavne poti. JJ Food Service zdaj uporablja Microsoft Dynamics za svoje potrebe ERP in CRM.
Zdaj dodajajo Azure ML, da poenostavijo svoj proces. Z uporabo sistema priporočil Azure ML zapolnijo predvideni nakupovalni seznam za stranke, stranke pa dobijo tudi priporočila za povezane artikle, ki bi jih morda želeli naročiti.
Naročila strank pri JJ Food Service se seveda zelo razlikujejo glede na to, kaj se kupi in kdaj, velikost naročila, vrsto, pogostost in številna druga merila. Pri predvidevanju prihodnjih potreb strank so potrebovali prilagojene vpoglede na podlagi preteklih vzorcev naročil vsake stranke. Določena restavracija lahko na primer vsak dan naroči zeleno solato, moko približno vsaka dva tedna in jedilno olje enkrat na mesec. "Da bi bili uspešni, smo morali biti relevantni za tisti teden, tisti dan, točen čas," je pojasnil Ahmed.
JJ Food Service je bil prepričan, da jim Azure ML lahko pomaga pri reševanju njihovih potreb na zelo stroškovno učinkovit način. Začeli so sodelovati z ekipo Microsoft Azure, najprej so napisali kodo za svoje spletno mesto, da bi zajeli vedenje strank, nato pa so uporabili triletne transakcijske podatke za usposabljanje modela za napovedovanje Azure ML. Nato so priporočila iz tega modela integrirali tako v okolje svojega klicnega centra kot v svojo spletno stran, s čimer so zagotovili, da bi njihove stranke, ki uporabljajo telefon, dobile popolnoma enaka priporočila (preko predstavnikov klicnega centra), kot bi jih spletne stranke videle na njihovem spletnem mestu.
Uvedba sistema je trajala le tri mesece. Danes, ne glede na to, ali stranke pokličejo ali se prijavijo, sistem s svojo analizo preteklih nakupov pripravi enake napovedi – v obeh primerih se vrstica za naročila izpolni na enak način in samodejno.
Preberite več o tem tukaj.
