Как Intel и Burger King создали систему рекомендаций по заказам, сохраняющую конфиденциальность клиентов

Источник · Перевод автора

Пандемия создала огромную нагрузку на рестораны и фаст-фуд. Согласно исследованию Национальной ресторанной ассоциации, в течение месяца после кризиса со здоровьем 3% ресторанов закрылись навсегда, а еще 11% ожидали, что сделают это в течение следующего месяца. В то время как рестораны высокой кухни и рестораны с непринужденной обстановкой пострадали в основном от этого удара, индустрия быстрого питания не была защищена. Опрос Datassential показал, что продажи среди операторов быстрого питания снизились на 42% в течение первых нескольких недель пандемии.

По мере того, как все больше клиентов стали полагаться на варианты с едой и на вынос вместо обедов в помещении, ритейлеры быстрого питания, такие как Burger King, обратились к ИИ и машинному обучению в поисках решений. В сотрудничестве с Intel компания Burger King разработала систему искусственного интеллекта, которая использует доски меню с сенсорным экраном, чтобы рекомендовать товары клиентам, когда они собираются сделать заказ. Он может предсказать, закажет ли клиент горячий или холодный напиток, легкий или большой обед, потенциально экономя время и улучшая качество обслуживания клиентов.

Burger King и Intel заявляют, что это решение уже прошло апробацию в более чем 1000 заведений Burger King.

Burger King – не первая сеть ресторанов быстрого питания, которая экспериментирует с ИИ в обслуживании клиентов. McDonald’s использует искусственный интеллект в своем продвижении с момента приобретения технологической компании Dynamic Yield в 2019 году. Dunkin ’Donuts тестирует движущую силу, которая может распознать лояльного участника, как только он подъедет. Некоторые автомобили Sonic недавно получили киоски с меню на базе искусственного интеллекта. А Chick-fil-A использует ИИ, чтобы обнаруживать признаки болезней пищевого происхождения из сообщений в социальных сетях.

Как объяснил VentureBeat по электронной почте Луян Ван (Luyang Wang), директор по передовой аналитике и машинному обучению в Burger King, рекомендации по фастфуду имеют свой собственный набор уникальных проблем. Нет простого способа идентифицировать клиентов и получать их профили, потому что все рекомендации выполняются в автономном режиме. Более того, контекстные функции, такие как местоположение, время и погодные условия, должны быть предварительно обработаны, прежде чем их можно будет загрузить в модель.

Чтобы решить эти проблемы, TxT был построен с использованием так называемой «двойной» архитектуры Transformer, которая в реальном времени изучает данные о последовательности заказов, а также такие функции, как местоположение, погода и поведение заказов. TxT использует все точки данных, доступные в ресторане, без необходимости идентифицировать клиентов до процесса принятия заказа. Например, если покупатель ставит молочный коктейль первым товаром в свою корзину, это повлияет на то, что предлагает TxT – в зависимости от того, что было продано в прошлом, что продается сегодня, и что продается в этом месте.

TxT был разработан в рамках Analytics Zoo, платформы Intel с открытым исходным кодом для рабочих нагрузок аналитики больших данных, выполняемых в центрах обработки данных. Intel и Burger King объединились для создания сквозного конвейера рекомендаций, который включает распределенную обработку данных Apache Spark и обучение Apache MXNet на кластере Intel Xeon. Модель TxT была развернута с использованием библиотеки Intel RayOnSpark, которая позволяет предприятиям напрямую запускать программы на существующих кластерах.

По словам Вана, TxT уже привел к неожиданным результатам в продажах. Например, клиенты Burger King будут заказывать молочные коктейли в любую погоду – даже когда на улице холодно. И люди гораздо охотнее добавляют десерт, когда у них высококалорийная корзина, а не низкокалорийная.

«В Burger King мы всегда стремимся улучшить впечатления наших гостей», – сказал Ван. «Эта рекомендательная система ИИ – Transformer Cross Transformer (TxT) – позволяет Burger King лучше изучать привычки клиентов и, по сути, лучше общаться с гостями».