食品配送应用程序如何利用大数据分析？

type

status

date

slug

summary

餐厅菜单上的大数据可提高投资回报率

星巴克这家广受欢迎的咖啡制造商在 62 个国家/地区的 21,000 家商店拥有 600 万注册客户，提供 87,000 种可能的饮用组合，每年供应 40 亿杯咖啡，正在研究 PB 级数据，利用大数据分析来改善客户体验。星巴克收集有关顾客何时订购以及订购什么的数据，以便为他们提供他们最喜欢的咖啡的个性化优惠。

随着人们对饮食的健康意识越来越强，餐厅菜单上对新鲜和未加工食品的需求巨大。最大的快餐连锁店麦当劳在向食客提供健康的食品体验方面遇到了困难。2015年，麦当劳自在美国成立以来，关闭的门店数量首次超过了新开门店的数量。他们不得不关闭 350 家商店，因为对商店收入的分析表明，麦当劳门店的客流量很少，正在影响他们的收入结果。

麦当劳前公关主管迈克·多纳休 (Mike Donahue) 表示：“关闭这些商店将有助于扩大业务的整体战略。唯一阻碍增长的是与客户的相关性。”

“作为世界领先的餐饮公司，我们正在不断发展，以更好地响应当今的客户。麦当劳的管理团队热衷于更快地采取行动，以更好地满足当今消费者的需求、期望和竞争激烈的市场。”- 麦当劳首席执行官史蒂夫·伊斯特布鲁克 (Steve Easterbrook) 说道麦当劳。

食品行业的大数据分析

食品质量对顾客来说至关重要，麦当劳、星巴克、汉堡王、Costa 咖啡、Chipotle 等食品连锁店正在利用食品行业的预测分析来保持竞争力。许多食品配送初创公司都在努力利用大数据，以在食品配送应用程序之战中获得竞争优势。

1) GrubHub 的大数据分析

总部位于芝加哥的 GrubHub 正在采取重大举措，通过利用大数据进入按需食品配送大战。当食堂关门、冰箱空空如也时，GrubHub 在饥饿的食客心中占据着特殊的位置。GrubHub 拥有 500 万活跃食客、遍布 700 个城市的 30,000 家外卖餐厅，每周 7 天、每天 24 小时营业，平均每天完成 150,000 个订单 - GrubHub 正在利用分析来深入了解美国人的胃，以满足每一种食物的渴望。GrubHub 使用其平台上数百万份订单的数据来帮助饥饿的食客从合适的餐厅选择合适的菜肴。GrubHub 的收入从 2013 年的 1.701 亿美元增至 2.539 亿美元，增幅高达 49%，这一切都归功于大数据分析。

“披萨是唯一能让男人和女人走到一起的东西”。所以下次约会时一定要点一份披萨。GrubHub 的披萨消费统计数据显示——披萨是美国人的首选食物，它超越了性别，将男女团结在一起。除了薯条和苏打水外，男性和女性以相同的价格订购披萨。GrubHub 的数据分析报告证实，女性比男性吃得更健康。GrubHub 正在利用基于人口统计、性别、年龄、季节性和种族的数据分析结果，为饥饿的食客提供他们可能会在旅途中享用的令人垂涎欲滴的食物。

“我们更加关注食客的发现，但我们希望越来越多地展示定量数据。定性信息很棒，但定量信息可以向您展示邻居喜欢什么，我认为这就是发现的未来。”- GrubHub 首席执行官马特·马洛尼 (Matt Maloney) 说道。

GrubHub 使用大数据来识别外卖订购模式，找出特定性别口味之间的差异。该分析通过向食客提供有关他们可能喜欢哪种食物的推荐和建议，帮助餐厅充分利用菜单。

2) Munchery 的大数据分析

迄今为止，Munchery 已在 20 至 40 分钟内送出了 300 万份餐点，通过利用数据向顾客提供美味且优质的厨师制作的美食外卖食品，正在震撼食品行业。Munchery 在两个城市的菜单并不相同。Munchery 的每位厨师擅长不同的美食，他们的菜单或菜肴在该城市很受欢迎。Munchery 网站在其网站上上传了菜单，以便顾客可以留下有关特定菜单的反馈（类似于亚马逊产品评论）。Munchery 利用这些数据进行分析，以确定哪些菜单项需要改进或哪些项应从列表中删除。Munchery 的大数据帮助他们从菜肴、食材和口味等方面完善外卖菜单，以最好地满足客户的需求。

Munchery 使用 Desk.com——一个由 Salesforce 开发的平台，与 Munchery 软件连接来跟踪食物偏好、顾客的订单历史、Twitter、Facebook 和其他社交媒体上关于该公司的社交提及。然后，对这些数据的预测分析可以帮助 Munchery 发现并响应“羽衣甘蓝狂热”等宏观口味趋势。

3) Sprig 的大数据分析

Sprig——健康膳食的“Uber”，在 15 分钟内送达 100% 有机食品，或者更确切地说，它看起来像是在下订单之前就送达了。快速送货背后的秘诀是大数据分析，用于估计有多少顾客将在何时何地订购特定菜单项。人们为什么喜欢 Sprig 的令人惊叹的因素是因为他们通过大数据分析主动定位供应，以确保交货时间很短。Sprig 的数据科学团队进行启发式预测分析，以确保顾客在短时间内享受到美味的食物。饥饿的胃除了20分钟内热腾腾、味道鲜美的食物之外还需要什么？显然什么也没有。

“食品方面存在太多变数，这使得它成为一个更难解决的数据问题，同时也是一个更有趣的问题。我们正集中精力在我们的工程团队中培养这些能力，这样我们就可以进行硬工程，以尽可能高效地确定我们的供应方向。”- Sprig 产品主管 Angela Wise 说道。

4) DoorDash 的大数据分析

推动这家初创公司快速成功的秘诀是其在食品配送方面遵循的数据驱动方法。DoorDash 使用大数据分析来处理所有事情 - 从绘制一天中的时间和库存等变量到预测预期需求和食物准备时间。大数据是 DoorDash 菜单上的关键成分 -

运力规划算法使用大数据来预测特定日期需要多少司机值班。

DoorDash的自学习调度系统结合了机器学习和大数据技术，能够适应不断变化的需求。

DoorDash 的数据驱动方法比人类更聪明，因为它还专注于基于分析的食物准备时间。这有助于他们确保司机不会太晚来取餐，以免送到顾客手中时食物是冷的，也不会太早到达。

DoorDash 的物流软件结合了机器学习和大数据技术，帮助他们提供高效、快速且经济实惠的按需交付。

5) Just Eat 的大数据分析

Just Eat 拥有 200,000 页浏览器历史记录和 400,000 名客户，是利用预测分析来了解客户对其服务的实际期望的数据先驱。Just Eat 的大数据分析有助于预测在特定时间可能会订购哪种食物以及顾客对特定菜肴的偏好。这一分析推动了英国 50% 的增长以及其他欧洲市场三倍的增长。

例如，利用 Just Eat 生成的大数据，分析师可以预测哪些区域最有可能订购健康食品，或者哪些区域更喜欢自取食物而不是送货。

有关食物饮食模式和趋势的大数据分析结果会提供给餐厅，以帮助他们满足各种需求并增加菜单上的菜品选择，从而帮助他们利用增长。

我们可以利用大数据制作新食谱吗？

对于所有不想再吃同样的饭菜的美食家来说，有个好消息——大数据和数据科学将彻底改变新餐馆和餐馆提出新菜谱的方式，让味蕾大饱口福。的客户。

IBM 的 Chef Watson 已准备好制作新菜谱。该计划分 5 个步骤运行，以确保菜谱具有创意、与众不同并符合客户口味。

用户只需选择特定的菜系、主料和菜肴种类，就可以选择自己想吃的各种菜谱。

该程序的工作原理是扫描大数据存储库，其中包含各种成分、各种化合物、客户口味偏好等之间的所有关系。

然后，计算机程序根据用户在步骤 1 中提供的输入生成新的、有创意的食谱创意。

基于质量和独特性 - 选择最佳配方创意。

最后，食谱被创建并提供给厨师，以便他们在厨房中尝试。

随着按需市场的发展，食品配送企业将需要快速利用他们拥有的有关各种需求模式、食品准备时间、配送路线等的所有数据，以优化其服务并获得竞争优势。不使用大数据分析的餐厅和食品配送企业会错过提高投资回报率和获得客户满意度的有利机会。如果食品行业现在不能储存大数据，那么就很难回去、重建数据并进行分析。