外送預測率高達 95%,foodpanda 怎從工人智慧走到人工智慧?

讀者們點進去前先猜猜看,台灣飲料哪個單一飲品會決定訂單跳出率生死?
評論
評論

觀看這十年來行動化所驅動的創業浪潮,餐點外送平台 foodpanda 本身無論在資本操作、商業模式,以及導入大數據與 AI 變成數據驅動化 (Data Driven) 的過程,都可稱得上是這時代「按需經濟」(On-Demand Economy)的先驅之一,同時也是最早進入台灣的業者。

foodpanda 是怎麼透過導入 AI 分析台灣人飲食喜好,進而提升配送效率,快速成長的呢?INSIDE 專訪到 foodpanda 台灣運籌總監余岳勳,來了解他們是怎麼變成一間數據驅動的公司。

▲ foodpanda 運籌總監余岳勳在活動中的照片

余岳勳拿了一個很有趣例子作為 foodpanda 研究數據的開端。「猜猜看,台灣飲料店哪個單一飲品會決定跳出率的生死?」答案就是最具台灣特色的珍珠奶茶。觀察訂單數據,台灣消費者在叫飲料外送的時候,平均每五人就有一人想喝珍奶;這讓許多消費者一看到飲料店沒珍奶就立即跳出,嚴重影響事後的訂購意願,也讓 foodpanda 在跟每一間飲料店合作時,會強烈建議菜單內一定得有珍奶。

▲ 珍奶決定了飲料店訂單跳出率的生死

余岳勳進一步介紹,這六年來研究訂單最重要但也最簡單的發現,就是若餐點選項只有五個(含)以下,訂單絕對少得可憐;而且如果只賣餐點,不賣飲料,訂購率也會相當難看。

這些觀察簡單明暸,卻也成了 foodpanda 每每跟店家合作時的必要準則。店家的強項、弱項是什麼?跟其他餐廳比起來要改進哪些缺點?這些都會由系統自動產生,給予店家改進建議報告。

但導入演算法這回事對 foodpanda 來說,「外送管理」更是 AI 與資料真正發揮威力之處。這套演算法會自動綜合每位司機的歷史速度、效率、送餐點熟悉度,再結合取餐地點,即時路況(離峰、巔峰),試算出每一區最有可能發生第一次取餐的地點(準確率高達95%!),並且讓該地設為司機的打卡點,讓他提前就位,用最短時間取得第一段餐點。

補充資料:《An Introduction to Food Delivery Time Prediction》此文詳細介紹了如何用機器學習幫外送平台打造時間預測系統,對技術有興趣的讀者不妨研讀一番。

送完第一段餐點後,第二、第三張單呢?余岳勳說不一定最近的外送員就能最快送達,演算法會依照司機過去的習慣數據、路線,算出最好的匹配結果;這是過去人工派單只考慮位置的思維所做不到的,什麼時候司機到達負荷上限、停止送餐也都由系統自己判斷,去確保服務品質維持在一定水準之上。

余岳勳就表示幸虧有 AI 的幫忙,foodpanda 在 2018 在台灣呈現高速成長之勢,但司機的成長數量比例卻只有訂單的一半;甚至在人數成長速度不及訂單之下,2018 下半年卻還能讓整體外送效率提升 30% 以上。

▲ foodpanda 去年公布的外送數據

foodpanda 的配送演算法主要由德國總部開發、維護,全球所有市場的數據、資料也都會傳回德國進行分析、研究。此外像重點使用案例研究、系統前導規劃也都全在德國發生。

但每個國家的分部也都會配置自己的資料科學家,他們會定期送去德國受訓,並幫助本地市場做更深層的資料探索優化;余岳勳也說目前台灣配有一名資料科學家,並且台灣市場所產生的資料量並不算少,排得上亞洲區前幾名,像前面提到的珍奶問題,也都是資料科學家所探勘出來的。

「AI 優化並非一蹴可及,它是一次一次,累積而來的。」余岳勳說別看 foodpanda 現在使用 AI 已經很方便、成熟,但他們進入台灣這七年間也是從工人智慧做起,剛開始還是得一張一張人工派單、還得花功夫做店家標籤化,行銷端也得在 APP 跟網頁內不斷進行 A/B Test,才能有足夠的資料進行客戶分析,整合出最佳的營運模式。

責任編輯:Chris
核稿編輯:李柏鋒


Akamai 服務上新,於邊緣處推動快速創新

Akamai EdgeWorkers 為開發團隊提供豐富功能和工具來創建新的微服務,利用 Akamai 提供的 25 萬台分佈式服務器組成的網絡,在邊緣執行安全而快速的計算,並在邊緣暫存內容,以實現快速交付。
評論
評論

在雲計算技術還沒有大規模普及前,絕大部分企業和組織都需要自建數據中心,或通過託管的方式來部署自己的硬體基礎架構,並在此基礎上為員工和客戶提供服務。取決於業務或其他方面的諸多要求,此時需要部署的數據中心可能有很多個,並廣泛分佈在不同地區,藉此為客戶提供流暢的體驗,並透過多個數據中心保障連續性。在發展的過程中,隨著「雲端」的出現,讓各個組織的計算開始集中。

而當在線直播、無人駕駛、智能家電、物聯網等應用開始陸續深入我們的工作和生活,情況又不同了。以往透過雲平台集中運行和服務的模式,因為距離導致的網絡延遲已經對用戶的使用體驗產生極大影響。為了提供更敏捷、靈活、快速、可靠的體驗,企業需要從最貼近用戶的地方提供服務。因此,邊緣計算就成為最有效的解決方法。

透過將數據的收集、分析和處理等工作,由「雲中心」重新分散到最接近用戶的邊緣位置,企業可以就近為用戶提供服務,通過延遲更低的響應打造更出色的用戶體驗。

「無服務器」的出現,帶來計算方式的革新

以前,當組織需要上線一套業務系統時,首先需要採購並部署相應的服務器硬體,並且要負擔服務器日常運維過程中的管理、維護、補丁安裝、配置等繁瑣任務。

上雲前,組織需要在自己的數據中心,以硬體服務器的方式執行這一系列工作;上雲後雖然簡單許多,但依然需要面對雲服務商提供的虛擬服務器,從本質上來看相關負擔仍相當繁重。

無服務器(Serverless)技術的出現,讓組織可以在不需要考慮服務器的情況下,構建並運行由微服務構成的創新式應用程式與和服務。藉此不僅可以省略基礎架構管理任務,還能為幾乎任何類型的應用程式或後端服務構建無服務器應用程序,更方便、靈活地構建出具備極高可用性的應用。

Akamai EdgeWorkers :為創新賦能

Akamai EdgeWorkers 為開發團隊提供豐富功能和工具來創建新的微服務,利用Akamai 超過 25 萬台分佈式服務器組成的網絡,在邊緣執行安全而快速的計算,並在邊緣暫存內容,以實現快速交付。

當開發團隊在邊緣開啟代碼時,他們會將數據、見解和邏輯推送到更靠近最終用戶的位置。Akamai 的高性能、可擴展式實施模型,可確保數據和計算不會被延遲問題困擾,進而避免對數字化體驗產生負面影響。

在該服務幫助下,開發者可直接在 Akamai 的全球分佈式平台上快速、迭代地創建和部署新服務,以解決問題和自定義交付。

長期以來,Akamai 在邊緣計算的創新和成功實施皆具有優勢。自 1998 年起,便開始為 Akamai 內容交付網絡(CDN)的客戶推出自定義交付邏輯,其他里程碑還包括 2001 年的 Edge Site Includes 、2002 年的 Edge Java 以及 2014 年的 cloudlet 應用程式。

目前, Akamai 在全球擁有超過 4100 個入網點,為 EdgeWorkers 用戶提供出色的邊緣基礎架構規模和範圍,開發人員可以在靠近最終用戶和他們的數字化接觸點的地方部署代碼,以實現盡可能低的延遲。EdgeWorkers 同樣獨立於雲,客戶可以選擇利用 CDN 供應商或雲供應商平台上的無服務器計算功能。在 Akamai 幫助下,客戶可以在整個混合雲或多雲環境中部署單一的無服務器計算平台。

更多相關資訊:https://www.akamai.com/solutions/edge

本文章內容由「猿聲串動」提供,經關鍵評論網媒體集團廣編企劃編審。