Supr Daily 使用 AWS 上的机器学习改善合作伙伴体验和客户体验
2022 年
总部位于班加罗尔的 Supr Daily 是一家提供食品杂货订购和配送服务的公司,致力于让客户能轻松订购新鲜食品并享受配送到户。超过 20 万客户会通过 Supr Daily 订购牛奶、鸡蛋、新鲜水果和蔬菜以及其他杂货,每天早上 7 点前由送货员送货上门。但是,为了支持其遍布六个城市的数千个配送员所组成的网络,并管理数千种产品的库存,Supr Daily 需扩展其订单配送验证系统和库存规划系统。与此同时,COVID-19 疫情对自行采购的限制加速了公司的发展,导致新用户激增 70%。
“无论是配置基础设施还是构建图像识别和库存规划系统,AWS 都能满足我们的需求,让我们能轻松进行纵向扩展以支持使用案例。”
Siddardha Garimella
Supr Daily 高级工程经理
为支持公司的不断发展,并扩展库存系统和配送系统,Supr Daily 在 Amazon Web Services (AWS) 上构建了新的解决方案。使用一套 AWS 服务,包括通过机器学习 (ML) 自动进行图像分析的 Amazon Rekognition,Supr Daily 使配送验证流程变得更快,库存管理变得更简单,并且使整体架构也变得更具可扩展性,从而更好地支持公司持续发展。
借助机器学习,大规模实现准确的图像识别
Supr Daily 成立于 2015 年,是一家杂货配送初创公司。作为在线食品订购和配送公司 Swiggy 的子公司,Supr Daily 最初只配送牛奶,后来才开始在早上给六个城市的客户配送数千种商品。对于每个 Supr Daily 订单,配送员都会上传一张照片作为正确配送的证明。这些图像必须是高质量的,以充分满足客户支持需求并建立客户信心。但是,配送员有时也会提交模糊的照片或拍摄角度差的照片。这可能会导致退款处理进度延迟并导致不必要或欺诈性的退款申请。该公司估计,多达 25% 的退款发放有误,其主要原因是照片质量差或配送照片缺失。但是,手动验证图像过于耗费资源。Supr Daily 供应与客户体验产品总监 Praveen Kumar 说:“我们只能检查 5% 到 10% 的图像,即便如此,这也是一项非常艰巨且耗时的工作。”此外,大多数配送任务会在约 3 个小时(从凌晨 4:00 到早上 7:00)内完成,因此很难实时追踪照片。
Supr Daily 希望将照片验证流程自动化,以便提供有关配送员是否需要拍摄更好的照片的即时反馈。该公司决定使用机器学习来减少手动工作量并提高系统的速度和准确性。公司发现在内部构建技术的成本过高、且过于复杂,便于 2020 年开始使用 Amazon Rekognition 进行多项概念验证。Supr Daily 高级工程经理 Siddardha Garimella 表示:“通过构建 AWS 服务,我们不再需要管理基础设施。使用 Amazon Rekognition 还简化了解决方案,因此我们可以让几乎没有机器学习经验的人参与进来并快速开始构建模型。”
在 AWS 上加速图像识别和增强预测
每次配送员提交配送照片时,Supr Daily 都会自动将该照片发送至 Amazon Rekognition,Amazon Rekognition 则会使用机器学习检查照片质量并验证其是否能作为有效的配送证明。该系统有助于近乎实时地验证配送任务是否已完成以及确认图像是否具有高质量。使用 Amazon Rekognition Custom Labels(该功能可方便客户检测图像中与其业务需求相关的特有对象和场景),检测每张图像的整个过程仅需 350 毫秒。Praveen 表示:“我们能开发出一种不仅效果更好而且速度更快的解决方案。我们摆脱了对人为判断的依赖,转而依靠定量数据来了解实际情况。” Supr Daily 使用其存储在 Amazon Simple Storage Service (Amazon S3)(一项对象存储服务,可提供行业领先的可扩展性、数据可用性、安全性和性能)上的图像,以构建自定义 Amazon Rekognition 模型,这些模型可识别图像中的项目,并且能达到 95% 的准确率。Siddardha 表示:“如果团队成员想更新或改进某一功能,可直接进入 Amazon Rekognition 服务并构建新模型。他们可以更新系统,随后系统就会在几秒钟之内开始使用最新的模型。” 通过使用 Amazon Rekognition,该公司还降低了图像识别成本。
自 2020 年以来,Supr Daily 还使用了 Amazon Forecast(该服务可使用机器学习轻松准确地预测业务结果),以分析客户行为数据并确保企业拥有所需的正确库存。需求预测工作流程以前依赖手动完成,但 Supr Daily 在 AWS 上实现了该工作流程的自动化,从而能对存储在 Amazon S3 中的数据执行预测并快速获取结果。然后,该公司使用 Amazon Simple Queue Service (Amazon SQS)(此服务可为微服务、分布式系统和无服务器应用程序提供完全托管的消息队列),将包含结果的通知发送给采购团队,采购团队则负责下单并确保商品有库存。Siddardha 表示:“我们的业务用户只需转到控制面板,上传自己的数据,即可查看结果。此过程非常快。” 在 AWS 上,Supr Daily 将其平均绝对百分比误差降低了 25%。
由于 AWS 负责管理基础设施,Supr Daily 便可更快地迭代并加快新功能的上市时间。同时,该应用程序的后端已托管在 AWS Elastic Beanstalk(一种简单易用的服务,可部署并扩展 Web 应用程序和服务)上,从而使解决方案的可扩展性足以为多个城市的数百万客户提供支持。 实施这些服务非常简单。Siddardha 表示:“使用 AWS 服务的优势之一在于,它们是现成的,可以让那些可能不是非常精通技术的人开始构建解决方案以应对业务挑战。”即使没有专门的数据科学家,Supr Daily 也能构建出解决方案,该解决方案可为合作伙伴和客户改进其应用程序,并且可以进行扩展以覆盖多个城市。 Siddardha 表示:“AWS 使试验变得更简单,部署速度变得更快,数据访问也更方便。”
近乎实时地为用户提供个性化服务
Supr Daily 正在计划持续增长,并使用 AWS 设法为购物者改进其配送应用程序。借助 Amazon Personalize,公司的目标是在用户浏览应用程序时根据其兴趣提供量身定制的建议,而开发人员则可以更快速地大规模创建实时个性化用户体验。
“无论是配置基础设施还是构建图像识别和库存规划系统,AWS 都能满足我们的需求,让我们能轻松进行纵向扩展以支持使用案例。”Siddardha 表示。
Swiggy 简介
Swiggy 成立于 2014 年,是印度最大的在线食品订购和配送公司之一。作为 Swiggy 的子公司,Supr Daily 让购物者可以随时订购杂货,所订购的杂货会在次日早上 7:00 之前送达。
AWS 的优势
- 构建了准确率可达 95% 的自定义机器学习模型
- 以极少的开销进行无缝扩展以支持 70% 的用户增长
- 将自定义机器学习模型的图像验证耗时压缩至 350 毫秒
- 简化了库存管理,将平均绝对百分比误差降低了 25%
- 实现了库存预测和通知的自动化
使用的 AWS 服务
Amazon Rekognition
Amazon Rekognition 提供预先训练和可定制的计算机视觉(CV)功能,可从您的图像和视频中提取信息和获得洞察力。
Amazon Forecast
Amazon Forecast 是一项基于机器学习(ML)的时间序列预测服务,专为业务指标分析而构建。
Amazon S3
Amazon Simple Storage Service (Amazon S3) 是一种对象存储服务,提供行业领先的可扩展性、数据可用性、安全性和性能。
Amazon SQS
Amazon Simple Queue Service (SQS) 是一种完全托管的消息队列服务,可让您解耦和扩展微服务、分布式系统和无服务器应用程序。
开始使用
不同行业和规模的企业都在使用 AWS 对其业务进行转型,以实现自身愿景。联系我们的专家,立即踏上您的 AWS 之旅。