分享到微博 分享到人人 分享到LinkedIn 分享到Email
Azure机器学习——在购物前就知道你的购物清单!

 

微软信息管理与机器学习部(IMML)商业战略主管Vinod Anantharaman

译者:谢深棣

作为英国最大的独立食品递送服务公司之一,JJ食品服务公司(JJ Food Service)为其超过6万名的客户提供优质全面的食品业务需求服务。JJ的产品超过4500种,分布在8个大型仓库中,涵盖了从生鲜、冷冻、干货食品到纸张及清洁用品等各个种类。

客户可以在线订购或通过致电客服中心进行订购。物流团队将每天涌入的订单依次整理并分配至仓库,仓库人员连夜将产品打包装箱,第二天一早由货运团队进行配送——如此往复。

尽管从目前看,JJ食品公司的流程已基本实现流水式作业,但作为一家一直追求处于科技前列的公司,他们的雄心远不止此。

自2004年起,JJ配备了微软的Dynamics来解决公司在ERP和CRM方面的需求。在过去的十年里,他们不断优化、精炼运营流程。如今,从人力资源、采购、销售,到库存管理和订单处理,微软Dynamics AX全力支持着公司运营的各个环节。

JJ的首席运营官Mushtaque Ahmed逐渐清楚地认识到,他们手中丰富而珍贵的客户数据资源,是推动客户满意度进一步增涨的巨大机会。其中之一就是,可以通过提前预测客户的订单来为其节约时间,即在客户键入任何关键词之前就向他们推荐合适的产品。除此之外,他们还有其他许多关于预测分析的设想,但此类工作所需要的专业人员和创建高级分析项目会带来潜在的高额开销。

可这正是Azure机器学习大显身手之处。

预测你的购物清单

考虑到所需商品、下单时间、订单数量、类型、频率及许多其他标准,JJ的客户订单必然各不相同。对客户未来需求的预期,则与对其过去购买行为的个性化分析密不可分。比如,某个餐厅可能每天都要采购用于制作沙拉的蔬菜,每两周采购一次面粉,每个月采购一次食用油。 “要想对顾客做出成功的预测及推荐,我们必须要精确到采购的那一周、一天、甚至某个具体的时间点。” Ahmed介绍道。

JJ食品公司相信,Azure机器学习能够帮助他们以较为经济的方式解决问题,因此,便开始与微软Azure团队紧密合作。首先,通过为网站编写代码来抓取有关客户行为的数据,并用过往三年的交易数据训练Azure机器学习预测模型。接下来,他们将模型得出的推荐结果同时整合入网站和电话交易场景,以确保使用客服中心下单的顾客通过电话销售也能享受到和在线交易一样的高质量推荐。

该系统仅用三个月就调试完毕。现在,无论客户选择打电话还是登陆网站,系统都会基于历史购买分析,自动显示同样的预测结果,并以同样的方式自动完成下单。

最终的结果?自然是高效的购物体验带来了更高的客户满意度。

人情味的商品推荐

除了预测购物单以外,客户还能获得其他更多与已购商品相关的、可能需要的推荐。例如,如果一家炸鱼和薯条店购买了面糊,系统将会询问是否需要某些与之搭配的调料。同样的,在结账之前,系统会浏览整个订单,以分析某些已购的关联商品是否还需要显示出对其他相关商品的潜在需求。比如,如果一家快餐店订购了肉类、禽类、蔬菜和饮料,他是否也可能需要食用油?或者距其上次购买纸杯已过去一段时间了,是否需要续订?

据JJ食品公司预计,目前由推荐带来的购买量,占到了购物车中的5%左右。这个数据可能看起来不多,但考虑到公司的规模,这个数字加起来确实不容小觑,而Ahmed则希望这个数字再减少一些,这样系统就可以更加智能、准确的预测订单。对客户来说,关联推荐深具人情味。正如Ahmed所说,“关联推荐深得人心,客户对于我们能准确地预测到他们的需求感到十分惊喜。”

更高效的定位新客户

JJ食品公司深知,没有比拥有“从登陆那一刻起就认为我们是不可或缺”这一感受更能吸引住新客户的方法了。

通过Azure机器学习的商品推荐系统,为新顾客推送与之类似的客户购买过的商品,为他们节约宝贵的时间,以免将首次购物体验浪费在浏览新目录以及编辑订单上。通过展示这种直接价值使得新客户眼前一亮。

对于JJ来说,这才刚刚起步。他们仍在探寻提高客户满意度和增加销售额的更多途径。例如,他们计划通过预测客户近期可能发生的订单,提高库存周转效率。还有通过推荐系统进行促销,以及向特定客户推荐新产品等。

正如Ahmed总结的那样,“在各种自动化流程上,微软Dynamic AX劳苦功高,但我们还需要让这些流程变得更聪明——这将是微软Azure机器学习继续发光发热的领域。”