外送預測率高達 95%,foodpanda 怎從工人智慧走到人工智慧?

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。

food_ca
▲ 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。

16032923102_41f77228f0_k
▲ 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_gah
▲ 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


精選熱門好工作

外場服務人員

Sugar Pea
臺北市.台灣

獎勵 NT$4,000

Shopee APP - 實體活動企劃專員

樂購蝦皮股份有限公司
臺北市.台灣

獎勵 NT$20,000

Shopee APP - 跨境財務專員

樂購蝦皮股份有限公司
臺北市.台灣

獎勵 NT$20,000

評論