17 июля 2024, 05:07
Андрей Филипьев ,
Алгоритмы могут повысить качество сервиса и продуктов в ресторанах, если применять их системно. Об опыте внедрения технологий искусственного интеллекта «FoodService» рассказал Chief Data Officer компании Dodo Brands Андрей Филипьев.
Андрей Филипьев – Chief Data Officer компании Dodo Brands. Окончил Международный университет природы, общества и человека «Дубна» в 2013 г., НИУ ВШЭ по специальности «системы больших данных» в 2016 г., а также аспирантуру Государственного университета «Дубна» в 2022 г.
В Dodo Brands Андрей работает с 2015 г. За это время успел сменить несколько позиций. Последние четыре года занимает должность Chief Data Officer. Продвигает развитие культуры данных в компании. Ключевые направления: инженерия данных, аналитика и применение алгоритмов машинного обучения. В основном Андрей фокусируется на том, чтобы данные и алгоритмы приносили реальную ценность и оптимизировали бизнес-процессы.
Искусственный интеллект (ИИ) – комплексное понятие, объединяющее машинное обучение (ML), нейронные сети и deep learning. В последний термин обычно включают технологии компьютерного зрения, речевые технологии, GPT-модели и прочее.
На практике искусственный интеллект уже сейчас применяют в работе с данными и их анализом, алгоритмами и статистикой. Многие задачи в этих сферах теперь можно решать без участия человека. Все, что нам нужно, – накопленные данные. Масштабировать сферу применения ИИ можно (и нужно) на любые бизнес-процессы.
В Dodo Brands работают больше 41 тыс. сотрудников в 22 странах мира. Прямо сейчас это 1082 ресторана «Додо Пицца» и 33 кофейни «Дринкит». Объединяет все эти точки информационная система Dodo IS, над которой работают уже 320 человек.
Как мы используем ИИ-технологии? Сразу в четырех направлениях:
• data-платформа – основа работы с данными в Dodo Brands. На ней собирают и обрабатывают данные из наших информационных систем, приложений для клиентов и отдельного приложения для курьеров;
• продуктовая аналитика, необходимая для оценки развития продукта;
• BI-аналитика, с помощью которой мы оцениваем бизнес-процессы;
• AI Lab – новое подразделение компании, сотрудники которого занимаются внедрением инновационных технологий.
Мы давно практикуем клиентскую проверку. Вместе с заказом наши гости и посетители случайным образом получают в приложении анкету для оценки привезенного продукта. Заполнив ее, они получают додокоины, а мы – данные: фотографии, оценки, комментарии.
Полученные изображения анализируют в два этапа: искусственным интеллектом и командой контроля качества из шести человек. Вместе с ИИ они реально могут обработать до 10 тыс. отчетов в неделю, а потенциально – без увеличения команды – до 50 тыс. отчетов.
Как это работает? Попав в систему, изображения сортируются – первыми проходят те, на которых хорошо виден продукт. Как правило, это фотографии целой пиццы сверху. Изображения надкусанных кусочков или нескольких пицц сразу мы пока не можем оценить.
Потом алгоритм определяет продукт – узнает, что это за пицца, и оценивает ее соответствие заданным параметрам. Система определяет ширину кусочков и толщину бортиков, расположение соусов и начинки в целом, а также оценивает, насколько ровно пицца разрезана. Наша технология компьютерного зрения даже определяет, покрыт ли сыром соус на пицце, и, если нет, сообщает о дефекте.
Изображение пиццы получают участники команды контроля качества. Они видят подсвеченные дефекты продукта, а затем подтверждают или опровергают их наличие. Дальше мы работаем уже с управляющим пиццерии, в которой было выявлено нарушение.
Кажется, что мы просто перестраховываемся? Вовсе нет! Ситуация, когда закончились креветки и из-за этого пицца с ними ушла в стоп, а гости – в другой ресторан, реальна.
В этом случае подсчитать, сколько прибыли мы потеряли в условный вечер пятницы из-за того, что у нас закончились креветки, несложно, тем более что и для этой задачи у нас есть ИИ. Он анализирует данные обо всех наших продажах. Кстати, прогнозируя спрос на ингредиенты, мы сокращаем недополученную выручку на 40 млн руб. в год по всей сети.
Представим вечер пятницы: количество заказов на доставку достигает пика, курьеров не хватает, альтернативные способы доставки – на такси, например, – увеличивают конечную стоимость продуктов для клиентов. Что делать? Применить искусственный интеллект!
С помощью алгоритмов мы выбираем тех людей, кто часто делает заказ в пятницу (например, в 19.00), но может сделать его и в другое время. Потом определяем, какое именно предложение мы можем сделать, если они закажут что-нибудь в обед, и отправляем им его.
Так мы и заботимся о клиентах, и повышаем эффективность наших ресторанов – win-win решение. Работа с CRM с помощью алгоритмов дополнительно генерирует для нас до 300 млн руб. выручки в месяц.
Вскоре мы поняли, что показывать самые популярные продукты всем клиентам – не лучший способ увеличивать чек пользователя. Есть люди, которые, например, не едят мясо. Показывать им тост с ветчиной бессмысленно. Так мы и пришли к идее использования паттернов поведения наших клиентов. Тем, кто не покупает продукты с мясом, мы стали предлагать позиции для вегетарианцев и т.д.
Тогда мы разработали отдельный алгоритм для формирования персональных предложений. Начав получать первые результаты его работы, мы поняли, что снова допустили ошибку.
В чем была проблема? Цикл разработки проектов, связанных с искусственным интеллектом, состоит из трех частей: сама разработка, запуск и сбор метрик, которые показывают достигнутые результаты. Но есть важный момент – цикл должен продолжаться постоянно.
Мы же уделили недостаточно внимания количеству итераций алгоритма, а для его отладки их нужно как можно больше. В итоге, делая клиентам более персонализированные предложения, получать больше прибыли мы не стали – привычная подборка топовых продуктов приносила больше денег.
В 2018 г. компания сокращала инвестиции в проекты, которые не приносили прибыли сразу после запуска. Наш «умный» upselling был одним из таких.
Тогда мы еще не понимали, как вести проекты, связанные с искусственным интеллектом, и как оценивать их результаты. Нам пришлось остановить все процессы, связанные с ИИ, и разобраться в том, что мы сделали не так в целом.
Вывод мы сделали такой: на разработку проектов, связанных с ИИ-технологиями, нужно закладывать больше времени и учитывать их жизненный цикл. За одну итерацию успеха не добиться, но протоптать эту дорожку и запустить по ней проект нужно. Потом можно и новые версии запускать, и дорабатывать технологию, и фиксировать бизнес-метрики.
Этот процесс можно автоматизировать и упростить жизнь бариста. Например, с помощью камер и алгоритмов мы будем определять, когда гость забирает заказ, и отключать ячейку. Бариста сможет уделять больше внимания гостю и больше времени другим важным процессам.
Этим применение ИИ в офлайне не ограничивается. С помощью искусственного интеллекта и компьютерного зрения мы можем определять пиковые часы в каждой конкретной пиццерии и учитывать информацию о них для планирования работы кухни в будущем.
Компания Dodo Brands управляет сетью пиццерий «Додо Пицца» и кофейнями «Дринкит». Выручка Dodo Brands по итогам 2023 г. составила 84,3 млрд руб., что на 43,7% больше по сравнению с 2022 г. За 2023 г. компания открыла 134 точки, завершив год с 1027 заведениями в 18 странах. На июнь 2024 г. в активе компании 1082 ресторана «Додо Пицца» и 33 кофейни «Дринкит».
Андрей Филипьев – Chief Data Officer компании Dodo Brands. Окончил Международный университет природы, общества и человека «Дубна» в 2013 г., НИУ ВШЭ по специальности «системы больших данных» в 2016 г., а также аспирантуру Государственного университета «Дубна» в 2022 г.
В Dodo Brands Андрей работает с 2015 г. За это время успел сменить несколько позиций. Последние четыре года занимает должность Chief Data Officer. Продвигает развитие культуры данных в компании. Ключевые направления: инженерия данных, аналитика и применение алгоритмов машинного обучения. В основном Андрей фокусируется на том, чтобы данные и алгоритмы приносили реальную ценность и оптимизировали бизнес-процессы.
Искусственный интеллект (ИИ) – комплексное понятие, объединяющее машинное обучение (ML), нейронные сети и deep learning. В последний термин обычно включают технологии компьютерного зрения, речевые технологии, GPT-модели и прочее.
На практике искусственный интеллект уже сейчас применяют в работе с данными и их анализом, алгоритмами и статистикой. Многие задачи в этих сферах теперь можно решать без участия человека. Все, что нам нужно, – накопленные данные. Масштабировать сферу применения ИИ можно (и нужно) на любые бизнес-процессы.
В Dodo Brands работают больше 41 тыс. сотрудников в 22 странах мира. Прямо сейчас это 1082 ресторана «Додо Пицца» и 33 кофейни «Дринкит». Объединяет все эти точки информационная система Dodo IS, над которой работают уже 320 человек.
Как мы используем ИИ-технологии? Сразу в четырех направлениях:
• data-платформа – основа работы с данными в Dodo Brands. На ней собирают и обрабатывают данные из наших информационных систем, приложений для клиентов и отдельного приложения для курьеров;
• продуктовая аналитика, необходимая для оценки развития продукта;
• BI-аналитика, с помощью которой мы оцениваем бизнес-процессы;
• AI Lab – новое подразделение компании, сотрудники которого занимаются внедрением инновационных технологий.
Оцениваем качество пиццы по фото
В «Додо» мы используем искусственный интеллект в первую очередь для контроля качества продукта. Сложно следить за качеством каждой пиццы или закуски, когда у тебя больше тысячи пиццерий, а упростить и автоматизировать этот процесс можно.Мы давно практикуем клиентскую проверку. Вместе с заказом наши гости и посетители случайным образом получают в приложении анкету для оценки привезенного продукта. Заполнив ее, они получают додокоины, а мы – данные: фотографии, оценки, комментарии.
Полученные изображения анализируют в два этапа: искусственным интеллектом и командой контроля качества из шести человек. Вместе с ИИ они реально могут обработать до 10 тыс. отчетов в неделю, а потенциально – без увеличения команды – до 50 тыс. отчетов.
Как это работает? Попав в систему, изображения сортируются – первыми проходят те, на которых хорошо виден продукт. Как правило, это фотографии целой пиццы сверху. Изображения надкусанных кусочков или нескольких пицц сразу мы пока не можем оценить.
Потом алгоритм определяет продукт – узнает, что это за пицца, и оценивает ее соответствие заданным параметрам. Система определяет ширину кусочков и толщину бортиков, расположение соусов и начинки в целом, а также оценивает, насколько ровно пицца разрезана. Наша технология компьютерного зрения даже определяет, покрыт ли сыром соус на пицце, и, если нет, сообщает о дефекте.
Изображение пиццы получают участники команды контроля качества. Они видят подсвеченные дефекты продукта, а затем подтверждают или опровергают их наличие. Дальше мы работаем уже с управляющим пиццерии, в которой было выявлено нарушение.
Сокращаем количество продуктов в стопе
Сбор информации о количестве использованных ингредиентов в каждой конкретной пиццерии – тоже наша задача. На основе этих данных мы можем прогнозировать спрос на них в будущем и заказывать поставщикам необходимое количество, например, томатов, задолго до того, как они закончатся в той или иной пиццерии.Кажется, что мы просто перестраховываемся? Вовсе нет! Ситуация, когда закончились креветки и из-за этого пицца с ними ушла в стоп, а гости – в другой ресторан, реальна.
В этом случае подсчитать, сколько прибыли мы потеряли в условный вечер пятницы из-за того, что у нас закончились креветки, несложно, тем более что и для этой задачи у нас есть ИИ. Он анализирует данные обо всех наших продажах. Кстати, прогнозируя спрос на ингредиенты, мы сокращаем недополученную выручку на 40 млн руб. в год по всей сети.
Разгружаем курьеров с помощью персонализации предложений для клиентов
Мы активно развиваем Customer Value Management и постоянно персонализируем приложение для каждого клиента: добавляем скидки и акции, специальные и временные предложения. Появляются они там не рандомно – с помощью искусственного интеллекта мы изучаем, когда и какие заказы делают наши клиенты.Представим вечер пятницы: количество заказов на доставку достигает пика, курьеров не хватает, альтернативные способы доставки – на такси, например, – увеличивают конечную стоимость продуктов для клиентов. Что делать? Применить искусственный интеллект!
С помощью алгоритмов мы выбираем тех людей, кто часто делает заказ в пятницу (например, в 19.00), но может сделать его и в другое время. Потом определяем, какое именно предложение мы можем сделать, если они закажут что-нибудь в обед, и отправляем им его.
Так мы и заботимся о клиентах, и повышаем эффективность наших ресторанов – win-win решение. Работа с CRM с помощью алгоритмов дополнительно генерирует для нас до 300 млн руб. выручки в месяц.
Ошибаемся и делаем выводы
К идеалу мы пришли не сразу. Впервые мы использовали ИИ, внедрив upselling – дополнительные продажи на стадии оформления заказа. Мы поместили набор популярных продуктов в блок «Добавить к заказу?», который клиент видит, когда заходит в корзину. То есть человеку, заказавшему пепперони, мы предлагали наш хит продаж – тост с сыром и курицей.Вскоре мы поняли, что показывать самые популярные продукты всем клиентам – не лучший способ увеличивать чек пользователя. Есть люди, которые, например, не едят мясо. Показывать им тост с ветчиной бессмысленно. Так мы и пришли к идее использования паттернов поведения наших клиентов. Тем, кто не покупает продукты с мясом, мы стали предлагать позиции для вегетарианцев и т.д.
Тогда мы разработали отдельный алгоритм для формирования персональных предложений. Начав получать первые результаты его работы, мы поняли, что снова допустили ошибку.
В чем была проблема? Цикл разработки проектов, связанных с искусственным интеллектом, состоит из трех частей: сама разработка, запуск и сбор метрик, которые показывают достигнутые результаты. Но есть важный момент – цикл должен продолжаться постоянно.
Мы же уделили недостаточно внимания количеству итераций алгоритма, а для его отладки их нужно как можно больше. В итоге, делая клиентам более персонализированные предложения, получать больше прибыли мы не стали – привычная подборка топовых продуктов приносила больше денег.
В 2018 г. компания сокращала инвестиции в проекты, которые не приносили прибыли сразу после запуска. Наш «умный» upselling был одним из таких.
Тогда мы еще не понимали, как вести проекты, связанные с искусственным интеллектом, и как оценивать их результаты. Нам пришлось остановить все процессы, связанные с ИИ, и разобраться в том, что мы сделали не так в целом.
Вывод мы сделали такой: на разработку проектов, связанных с ИИ-технологиями, нужно закладывать больше времени и учитывать их жизненный цикл. За одну итерацию успеха не добиться, но протоптать эту дорожку и запустить по ней проект нужно. Потом можно и новые версии запускать, и дорабатывать технологию, и фиксировать бизнес-метрики.
ИИ идет в офлайн
Мы планируем развивать проекты, в которых ИИ можно применять на стыке онлайн- и офлайн-сервисов. Например, в «Дринкит» есть умная выдача – панель с ячейками, на которых отображается номер заказа и имя клиента. На нее бариста ставит заказ и вручную выключает ее, когда напиток или еду забирают.Этот процесс можно автоматизировать и упростить жизнь бариста. Например, с помощью камер и алгоритмов мы будем определять, когда гость забирает заказ, и отключать ячейку. Бариста сможет уделять больше внимания гостю и больше времени другим важным процессам.
Этим применение ИИ в офлайне не ограничивается. С помощью искусственного интеллекта и компьютерного зрения мы можем определять пиковые часы в каждой конкретной пиццерии и учитывать информацию о них для планирования работы кухни в будущем.
Компания Dodo Brands управляет сетью пиццерий «Додо Пицца» и кофейнями «Дринкит». Выручка Dodo Brands по итогам 2023 г. составила 84,3 млрд руб., что на 43,7% больше по сравнению с 2022 г. За 2023 г. компания открыла 134 точки, завершив год с 1027 заведениями в 18 странах. На июнь 2024 г. в активе компании 1082 ресторана «Додо Пицца» и 33 кофейни «Дринкит».
Комментарии (0)