JJ Food Service використовує Azure ML для прогнозування списків покупок клієнтів ще до того, як вони куплять
2 хв. читати
Опубліковано
Прочитайте нашу сторінку розкриття інформації, щоб дізнатися, як ви можете допомогти MSPoweruser підтримувати редакційну команду Читати далі
JJ Food Service є однією з найбільших незалежних компаній з доставки їжі у Великобританії, яка забезпечує понад 60,000 XNUMX клієнтів усім необхідним для їх власного харчового бізнесу. Клієнти оформляють замовлення онлайн або спілкуючись з представниками колл-центру по телефону. Групи логістики направляють і упорядковують ці замовлення, співробітники на складах потім завантажують відповідну продукцію в транспортні засоби, а водії доставляють її на маршрути доставки наступного дня. JJ Food Service тепер використовує Microsoft Dynamics для своїх потреб ERP та CRM.
Тепер вони додають Azure ML, щоб спростити свій процес. Використовуючи систему рекомендацій Azure ML, вони заповнюють прогнозований список покупок для клієнтів, а клієнти також отримують рекомендації щодо пов’язаних товарів, які вони можуть захотіти замовити.
Замовлення клієнтів у JJ Food Service, звичайно, сильно відрізняються з точки зору того, що і коли купується, розміру замовлення, типу, частоти та багатьох інших критеріїв. Передбачаючи майбутні потреби клієнтів, їм потрібна була індивідуальна статистика на основі попередніх моделей замовлень кожного клієнта. Наприклад, певний ресторан може замовляти зелень салату щодня, борошно приблизно кожні два тижні, а олію – раз на місяць. «Щоб бути успішними, ми повинні бути актуальними для цього тижня, цього дня, цього точного моменту часу», — пояснив Ахмед.
JJ Food Service була впевнена, що Azure ML може допомогти їм задовольнити їхні потреби дуже рентабельно. Вони почали працювати з командою Microsoft Azure, спочатку написавши код для свого веб-сайту, щоб фіксувати поведінку клієнтів, а потім використавши три роки транзакційних даних для навчання моделі прогнозування Azure ML. Далі вони інтегрували рекомендації цієї моделі як у середовище свого кол-центру, так і на свій веб-сайт, таким чином гарантуючи, що їхні клієнти, які працюють по телефону, отримають ті самі рекомендації (через представників колл-центру), що й те, що онлайн-клієнти побачать на своєму сайті.
На впровадження системи знадобилося лише три місяці. Сьогодні, незалежно від того, чи телефонують клієнти або входять у систему, система створює ті самі прогнози, використовуючи аналіз попередніх покупок – в обох випадках панель замовлень заповнюється однаково й автоматично.
Детальніше про це тут.