Мы помогли тысячам поваров начать, развить и оптимизировать свой бизнес в Feastly. Выбор цены на мероприятие - одно из важнейших решений, которое может принять повар. Сегодня даже самые опытные повара не могут оптимизировать работу с целью получения прибыли и роста, опираясь только на интуицию. Вот почему мы создаем инструменты, которые помогут поварам добиться успеха. В этой статье мы расскажем о первых полученных нами результатах о том, как машинное обучение может помочь поварам в критически важном процессе создания стратегии ценообразования.

Низкая рентабельность и проблемы пищевой промышленности хорошо задокументированы, поэтому одно из самых больших конкурентных преимуществ, которые могут предложить такие компании, как Feastly, - это бизнес-аналитика. Учитывая сложность данных, неудивительно, что эти инструменты сложно создать. Цена не предсказывает продажи сама по себе, как и не существует единой бизнес-стратегии, подходящей для каждого шеф-повара или предпринимателя в сфере пищевых продуктов.

Мы рады сообщить, что наше первоначальное исследование алгоритма ценообразования машинного обучения предсказывает количество проданных рабочих мест с точностью до 86%. Никакой инструмент или алгоритм никогда не заменит творческую и дальновидную силу поваров. Публикуя наш прогресс в этой области, мы надеемся стимулировать дальнейшее обсуждение и сотрудничество о потенциале более интеллектуального и устойчивого будущего пищевых предприятий.

Создание логики из тысяч уникальных меню и поваров

Рассмотрим два разных события на платформе. Оба являются органическими, местными продуктами, пятью блюдами французской кухни в красивом месте в центре города. Один - это дегустационное меню из икры и трюфелей от известного французского шеф-повара в пятницу вечером в городе, где не хватает хорошей французской еды. Другой - сытный, но быстрый ужин после работы во вторник в Париже - семейный ужин из рататуя и деревенских блюд, который подает талантливый молодой шеф-повар в ее последнем семестре кулинарной школы. Оба эти блюда восхитительны, но вряд ли будут иметь одинаковую оптимальную цену. Не говоря уже о том, что молодой шеф-повар может оптимизировать количество мест, чтобы выделить свое имя, в то время как знаменитый шеф-повар может оптимизировать свое мероприятие для получения прибыли. Инструменты, которые мы создаем, должны понимать событие так же, как это делает обедающий или повар: как сочетание множества различных факторов и обстоятельств.

В Feastly у нас есть доступ к обширному и детализированному набору данных. Для каждого из десятков тысяч событий на платформе мы знаем, сколько людей видели событие на нашей странице просмотра; сколько отзывов к этому моменту накопил шеф-повар; сколько именно мест было продано; тип кухни; блюда, представленные в меню; ингредиенты, перечисленные в каждом блюде и т. д. За исключением платформ доставки еды или интегрированных систем бронирования / POS, немногие другие предприятия пищевой промышленности имеют такой объем и глубину данных. Объединение бизнеса шеф-повара на одной платформе открывает огромный потенциал для рекомендаций и понимания.

Алгоритм ценообразования Airbnb демонстрирует потенциал для более разумного ценообразования

Безусловно, мы не первые, у кого есть такая возможность или проблема. К счастью, мы можем обратиться за советом к другим торговым площадкам, на которых созданы алгоритмы ценообразования, таким как eBay, Lyft, Uber и Airbnb. Дэн Хилл, руководитель продукта Airbnb, который помогал разработать алгоритм машинного обучения, красноречиво описывает, как система может обрабатывать огромный массив входных данных и со временем повышать ее точность:

«Наша система рассчитывает рекомендуемые цены на основе сотен параметров, например, включен ли завтрак и принимает ли гость отдельную ванну. Затем мы начали обучать систему, заставляя ее сверять подсказки по ценам с результатами. Рассмотрение того, забронирован ли листинг по определенной цене, помогает системе отточить свои рекомендации по ценам и оценить вероятность того, что цена будет принята. Наши хосты, конечно, могут выбрать значение выше или ниже рекомендуемой цены, а затем наша система соответствующим образом корректирует свою оценку вероятности. Позже он проверяет судьбу объявления и использует эту информацию для корректировки будущих советов ».

Прелесть системы, которую описывает Хилл, заключается в том, что по мере сбора большего количества данных система преуспевает в прогнозировании результатов с еще большей скоростью. Для нас это означает, что вместо того, чтобы просто усложнять то, как мы доставляем советы, по мере того, как все больше поваров присоединяется к платформе, мы можем предложить более точные и масштабируемые инструменты, которые помогут им расти.

Создание начальной бета-версии

Специалист по анализу данных Брайден Клири тщательно изучил наши данные, чтобы оценить осуществимость алгоритма рекомендаций по ценообразованию. Он начал с простого построения графика зависимости цены мероприятия от процента проданных мест (см. Рисунок ниже).

Излишне говорить, что в приведенных выше данных нет существенной корреляции. Следующим шагом было определение соответствующих атрибутов для сегментации событий. Некоторые из них, такие как день недели или место события (например, всплывающее окно вместо дома), интуитивно понятны, но недостаточны для достижения желаемого уровня точности. Мы посмотрели дальше и выявили ряд дополнительных атрибутов, таких как слова, содержащиеся в описании меню и названиях блюд. Например, меню, содержащее слово «шиитаке», может быть включено в такую ​​категорию, как «содержит грибы», в то время как «лосось» или «гребешок» может ассоциироваться с меню с «есть морепродукты». С этими дополнительными атрибутами точность модели увеличилась до 86%. Проще говоря: если повар готовит блюдо, мы можем с точностью до 5% предсказать, сколько мест будет продано, в зависимости от того, какую цену выберет повар.

Дальнейшие шаги: от бета-версии к Chef Tools

Результаты нашего первоначального проекта машинного обучения невероятно захватывающие и показывают, что даже в такой сложной и творческой отрасли, как еда, современные технологии могут помочь поварам принимать более правильные решения.

По мере того, как мы продолжаем совершенствовать бета-версию этой модели, мы также изучаем, как лучше всего реализовать ее в продукте. Мы надеемся, что благодаря интеграции рекомендаций по ценообразованию в инструмент прибылей и убытков, который мы выпустили ранее, поварам будет проще оптимизировать доход и объем продаж.

Быть шеф-поваром сложно и требует огромных навыков, творчества и решимости. Поскольку все больше поваров работают над созданием своих личных брендов, деловые и технические навыки, такие как ценообразование, создание веб-сайтов и социальные сети, могут стать огромными препятствиями для входа. Повара лежат в основе нашей миссии: мы создаем системы для поддержки и руководства поварами на их пути.

- Джоуи ДеБруин, руководитель отдела развития Feastly

Мы нанимаем! Присоединяйтесь к нам в нашей миссии по созданию платформы для кулинарии будущего. Напишите мне на адрес [email protected] или ознакомьтесь с нашими текущими объявлениями на сайте angel.co/feastly.

Благодарности: мы хотели бы поблагодарить Брайдена Клири за его усердную и новаторскую работу в этом проекте.