Как Starbucks использует машинное обучение (ML)?

TLDR

Starbucks использует машинное обучение (ML), чтобы рекомендовать своим клиентам подходящие продукты и улучшать бизнес-процессы. Их успех демонстрирует силу машинного обучения в преобразовании любого бизнеса.

Контур

  • вступление
  • Обучение с подкреплением
  • Машинное обучение для бизнес-стратегии
  • Закрытие

вступление

Обсуждения вариантов использования машинного обучения (ML) часто сосредоточены на способности технологической компании использовать ML для улучшения своих программных услуг. Хотя машинное обучение кардинально изменило способ работы технологических компаний, варианты его использования выходят далеко за рамки чисто технических продуктов. Используя свою гигантскую базу данных, Starbucks находится в авангарде интеграции машинного обучения.

Starbucks начала заниматься сбором больших данных в 2011 году, представив свое мобильное приложение. Приложение Starbucks, первоначально набравшее обороты благодаря введению бонусных баллов или звезд на основе приложений, теперь обрабатывает более 100 миллионов транзакций в неделю. Благодаря успеху их приложения, последовательный сбор данных может генерироваться ежедневно. Deep Brew, инициатива Starbucks в области искусственного интеллекта (ИИ), ищет технологические решения для оптимизации своих бизнес-функций и качества обслуживания клиентов.

Обучение с подкреплением

Данные, которые Starbucks собирает о своих клиентах, помогают им создавать персонализированный пользовательский опыт через свое приложение. Starbucks применяет обучение с подкреплением, чтобы предлагать рекомендации по продуктам. Обучение с подкреплением — это тип машинного обучения, который вознаграждает действия, извлекая уроки из своих прошлых успехов и ошибок. Путем проб и ошибок обучение с подкреплением находит лучший путь к вознаграждению. Для Starbucks это вознаграждение является покупкой.

Созданная на базе Microsoft Azure, компания Starbucks внедряет обучение с подкреплением в свое приложение, где она получает ценную информацию о своих клиентах на основе данных. ML будет регистрировать каждую транзакцию, предложенную клиентом, как точку данных. Затем он будет использовать эти данные, чтобы начать рекомендовать продукты, которые лучше всего соответствуют покупательским привычкам клиента. Хотя для обучения с подкреплением не требуется много данных, чтобы начать рекомендовать продукты, чем больше у него точек данных, тем точнее будут его рекомендации.

При использовании, если покупательские привычки клиента Starbucks показывают сильное предпочтение чая, ML может выдвигать рекомендации по продуктам на основе чая. Это не только помнит о предпочтениях клиентов, когда они открывают приложение, но и знакомит их с новыми продуктами, которые, согласно данным, могут им понравиться. Старший вице-президент Starbucks по аналитике и исследованиям рынка Джон Фрэнсис сказал: «Так же, как и в отношениях с бариста, клиенты получают такую ​​​​же заботу и персональные рекомендации, когда они исходят от наших цифровых платформ».

Машинное обучение для бизнес-стратегии

Данные, собранные в приложении Starbucks, информируют компанию не только о предпочтениях клиентов в напитках. Приложение Starbucks может отслеживать популярность продукта, точное время, когда были сделаны заказы, и места, привлекающие наибольшее количество посетителей. С помощью искусственного интеллекта и машинного обучения Starbucks использует все эти показатели для улучшения своей бизнес-стратегии.

Данные, собранные в Starbucks, могут дать представление о популярности определенных магазинов в часы работы. Starbucks использует эту информацию для оценки потребностей в запасах и оптимизации расписания, нанимая больше или меньше людей в зависимости от истории трафика магазина. Starbucks утверждает, что успех этой реализации позволил ее сотрудникам сосредоточиться на налаживании связей с клиентами, а не на планировании и подсчете запасов.

Starbucks использует свои данные и искусственный интеллект для прогнозирования доходов и определения наилучшего места для открытия нового магазина. Данные из мобильного приложения Starbucks дают им быстрое представление о том, какие магазины являются наиболее прибыльными. Анализируя трафик магазина и местонахождение размещенного заказа, Starbucks также может точно определить оптимальное место для нового объекта, не съедая прибыли от соседних магазинов. Starbucks использует данные, собранные из близлежащих магазинов, и прошлую историю доходов, чтобы реализовать прогнозы ИИ о том, насколько прибыльным будет новое место.

Закрытие

Даже продавая физический продукт, Starbucks демонстрирует силу машинного обучения в принятии эффективных бизнес-решений. Наряду с простотой заказа через мобильное устройство, персонализированные рекомендации по продуктам, которые появляются каждый раз, когда покупатель открывает приложение, несомненно, сделали Starbucks компанией, которая сегодня занимается кофе и данными. Креативный пример использования машинного обучения в Starbucks показывает, насколько он эффективен для улучшения любого бизнеса.