Supr Daily verbessert Partner- und Kundenerlebnisse mithilfe von Machine Learning in AWS

Supr Daily mit Sitz in Bangalore ist ein Lebensmittel-Bestell- und -Lieferservice, der es Kunden ermöglicht, frische Lebensmittel bequem nach Hause zu bestellen. Mehr als 200 000 Kunden nutzen Supr Daily, um täglich bis 7:00 Uhr morgens Milch, Eier, frisches Obst und Gemüse sowie andere Lebensmittel zu bestellen. Aber um sein Netzwerk von Tausenden von Lieferpartnern in sechs Städten zu unterstützen und seinen Bestand von Tausenden von Produkten zu verwalten, musste Supr Daily seine Systeme zur Überprüfung der Auftragsauslieferung und zur Bestandsplanung skalieren. Gleichzeitig beschleunigte sich das Wachstum des Unternehmens, da die Einschränkungen aufgrund der COVID-19-Pandemie das persönliche Einkaufen einschränkten, was zu einem 70-prozentigen Anstieg der neuen Nutzer führte.

Um dieses Wachstum zu unterstützen und seine Bestands- und Liefersysteme skalierbar zu machen, hat Supr Daily neue Lösungen in Amazon Web Services (AWS) entwickelt. Mit einer Reihe von AWS-Services, darunter Amazon Rekognition, das die Bildanalyse mit Machine Learning (ML) automatisiert, hat Supr Daily den Prozess der Lieferungsüberprüfung beschleunigt, die Bestandsverwaltung vereinfacht und seine Gesamtarchitektur skalierbarer gemacht, um weiteres Wachstum zu unterstützen.

Supr Daily ist ein Start-up-Unternehmen, das 2015 gegründet wurde und Lebensmittel ausliefert. Das Tochterunternehmen des Online-Lebensmittelbestell- und -Lieferservices Swiggy begann als Milchlieferdienst, hat sich aber inzwischen auf Tausende von Artikeln ausgeweitet, die es morgens an Kunden in sechs Städten liefert. Bei jeder Bestellung bei Supr Daily lädt der Lieferpartner ein Foto hoch, um zu beweisen, dass die Lieferung korrekt erfolgt ist. Diese Bilder müssen von hoher Qualität sein, um den Kundendienst zu unterstützen und das Vertrauen der Kunden zu stärken. Manchmal laden Lieferpartner jedoch Fotos hoch, die unscharf sind oder aus einem schlechten Winkel aufgenommen wurden. Dies könnte die Bearbeitung von Erstattungen verzögern und zu unnötigen oder betrügerischen Erstattungsanträgen führen. Das Unternehmen schätzt, dass bis zu 25 Prozent der Erstattungen falsch ausgestellt wurden, hauptsächlich aufgrund fehlender Lieferfotos und von Fotos in schlechter Qualität. Die Überprüfung der Bilder war jedoch zu ressourcenintensiv, um sie manuell durchzuführen. „Wir konnten nur 5–10 Prozent der Bilder untersuchen, und selbst das war schwierig und zeitaufwändig“, sagt Praveen Kumar, Produktdirektor für Lieferprodukte und Kundenerlebnis bei Supr Daily. Außerdem erfolgen die meisten Lieferungen innerhalb von etwa 3 Stunden, also zwischen 4:00 und 7:00 Uhr morgens, was es schwierig macht, in Echtzeit auf die Fotos zu reagieren.

Supr Daily wollte den Prozess der Fotoprüfung automatisieren, um eine sofortige Rückmeldung darüber zu erhalten, ob ein Lieferpartner ein besseres Foto machen muss. Das Unternehmen beschloss, ML einzusetzen, um die manuelle Arbeit zu reduzieren und die Geschwindigkeit und Genauigkeit des Systems zu erhöhen. Nachdem das Unternehmen erkannt hatte, dass es zu kostspielig und komplex wäre, die Technologie selbst zu entwickeln, begann es 2020 mit der Arbeit an mehreren Machbarkeitsstudien mit Amazon Rekognition. „Da wir die Lösung in AWS-Services entwickelt hatten, mussten wir die Infrastruktur nicht mehr verwalten“, sagt Siddardha Garimella, Senior Engineering Manager bei Supr Daily. „Die Verwendung von Amazon Rekognition vereinfacht die Lösung auch, sodass wir jemanden mit wenig ML-Erfahrung an Bord holen und schnell mit der Entwicklung von Modellen beginnen konnten.“

Jedes Mal, wenn ein Lieferpartner ein Foto der gelieferten Ware hochlädt, sendet Supr Daily dieses Foto automatisch an Amazon Rekognition, das mithilfe von ML die Qualität des Fotos überprüft und sicherstellt, dass es als Liefernachweis gültig ist. Dieses System ermöglicht es, nahezu in Echtzeit zu überprüfen, ob der Lieferauftrag erfüllt wurde und ob das Bestätigungsbild von hoher Qualität ist. Mit Amazon Rekognition Custom Labels – einer Funktion, die Unternehmen nutzen können, um Objekte und Szenen in Bildern zu identifizieren, die speziell auf ihre geschäftlichen Anforderungen zugeschnitten sind – dauert der Prozess nur 350 ms pro Bild. „Wir waren in der Lage, eine Lösung zu entwickeln, die nicht nur besser, sondern auch schneller funktioniert“, sagt Praveen. „Wir konnten aufhören, uns auf das Urteil von Menschen zu verlassen und uns stattdessen auf quantitative Daten stützen, um zu verstehen, was tatsächlich passiert.“ Supr Daily verwendet die Bilder, die es auf Amazon Simple Storage Service (Amazon S3) speichert, einem Objektspeicherdienst, der branchenführende Skalierbarkeit, Datenverfügbarkeit, Sicherheit und Leistung bietet, um benutzerdefinierte Amazon-Rekognition-Modelle zu entwickeln, die Gegenstände auf den Bildern mit 95 Prozent Genauigkeit erkennen können. „Wenn jemand im Team eine Funktion aktualisieren oder verbessern möchte, kann er direkt zu Amazon Rekognition gehen und ein neues Modell entwickeln“, sagt Siddardha. „Er kann das System aktualisieren und innerhalb weniger Sekunden wird es das neueste Modell verwenden.“ Durch den Einsatz von Amazon Rekognition hat das Unternehmen auch die Kosten für die Bilderkennung gesenkt. 

Seit 2020 nutzt Supr Daily auch Amazon Forecast, das mithilfe von ML einfach und genau Geschäftsergebnisse vorhersagen kann, um Daten zum Kundenverhalten zu analysieren und sicherzustellen, dass das Unternehmen den richtigen Bestand hat, um die Nachfrage zu decken. Der Arbeitsablauf für die Bedarfsprognose wurde früher manuell durchgeführt, aber Supr Daily hat ihn in AWS automatisiert, indem das Unternehmen die Prognosen auf in Amazon S3 gespeicherten Daten durchführt und die Ergebnisse schnell erhält. Anschließend verwendet es Amazon Simple Queue Service (Amazon SQS), der eine vollständig verwaltete Nachrichtenwarteschlange für Microservices, verteilte Systeme und Serverless-Anwendungen bietet, um eine Benachrichtigung mit den Ergebnissen an die Beschaffungsteams zu senden, die Bestellungen aufgeben und sicherstellen können, dass die Artikel auf Lager sind. „Unsere Geschäftskunden können einfach zum Dashboard gehen, ihre Daten hochladen und die Ergebnisse sehen“, sagt Siddardha. „Der Prozess ist unglaublich schnell.“ Mit AWS hat Supr Daily seinen mittleren absoluten prozentualen Fehler um 25 Prozent verbessert.

Da AWS die Infrastruktur verwaltet, kann Supr Daily schneller iterieren und die Markteinführungszeit für neue Funktionen verkürzen. Das Backend der App wird auf AWS Elastic Beanstalk gehostet, einem einfach zu bedienenden Service für die Bereitstellung und Skalierung von Webanwendungen und -services. Damit ist die Lösung skalierbar genug, um Millionen von Kunden in mehreren Städten zu unterstützen. Die Einführung dieser Services war einfach. „Einer der besten Aspekte bei der Nutzung von AWS-Services ist, dass sie für jemanden, der nicht so technisch versiert ist, sofort einsatzbereit sind, um Lösungen für geschäftliche Herausforderungen zu entwickeln“, sagt Siddardha. Auch ohne spezielle Datenwissenschaftler hat Supr Daily eine Lösung entwickelt, die seine App für Partner und Kunden verbessert und auf mehrere Städte skaliert werden kann. „AWS macht es einfacher, zu experimentieren und schneller bereitzustellen. Es ist zudem bequemer für uns, auf unsere Daten zuzugreifen“, sagt Siddardha.

Supr Daily plant ein kontinuierliches Wachstum und sucht nach Möglichkeiten, seine Liefer-App für Käufer mit AWS zu verbessern. Ein Ziel ist es, mit Amazon Personalize Vorschläge anzubieten, die auf die Interessen der Nutzer zugeschnitten sind, während sie in der App surfen. Mit Amazon Personalize können Entwickler schneller und in größerem Umfang personalisierte Nutzererlebnisse in Echtzeit erstellen.

„Von der Bereitstellung der Infrastruktur bis zum Aufbau von Bilderkennungs- und Bestandsplanungssystemen verarbeitet AWS alles, was wir brauchen. Und es ist einfach zu skalieren, um unsere Anwendungsfälle zu unterstützen“, sagt Siddardha.