Supr Daily 利用 AWS 上的機器學習改善合作夥伴與客戶體驗
2022 年
Supr Daily 總部位於班加羅爾,是一家食品雜貨訂購和配送服務公司,能讓客戶方便地訂購新鮮雜貨宅配到家。20 萬多名客戶使用 Supr Daily 訂購牛奶、雞蛋、新鮮水果和蔬菜以及其他雜貨,每天早上 7:00 之前送貨。但為了支援其跨越六個城市的數千個外送合作夥伴網路,並管理其數千種產品的庫存,Supr Daily 需要擴展其訂單送貨驗證和庫存規劃系統。同時,由於 COVID-19 疫情限制了親自購物,該公司的成長加速促使新使用者激增 70%。
從基礎設施佈建到建立影像識別和庫存規劃系統,AWS 能滿足我們的一切需求。而且很容易縱向擴展以支援我們的使用案例。
Siddardha Garimella
Supr Daily 資深工程經理
為了支援這種成長並使其庫存和送貨系統可擴展,Supr Daily 在 Amazon Web Services (AWS) 上建立了新的解決方案。藉由使用包括 Amazon Rekognition 在內的一套 AWS 服務,Supr Daily 利用機器學習 (ML) 實現了影像分析的自動化,讓送貨驗證流程更快、庫存管理更簡單,其整體架構更具擴展性,以支援持續成長。
使用 ML 大規模實現準確的影像識別
Supr Daily 是一家外送雜貨新創公司,成立於 2015 年。作為網路食品訂購和配送公司 Swiggy 的子公司,該公司最初是鮮奶宅配公司,但後來擴展到在早上向六座城市的客戶配送數千種商品。針對每個 Supr Daily 訂單,外送合作夥伴都會上傳一張照片作為送貨正確無誤的證明。為滿足客戶支援需求並建立客戶信心,這些影像必須是高畫質的。不過,有時,外送合作夥伴會提交模糊或從不佳角度拍攝的照片。這可能會延遲退款處理,並導致不必要或詐欺性的退款請求。該公司估計,多達 25% 的退款發放有誤,主因是畫質不佳或缺少送貨照片。然而,驗證影像過於耗費資源,無法手動完成。Supr Daily 供應產品和客戶體驗產品總監 Praveen Kumar 表示,「我們只能檢查 5-10% 的影像,即使這樣也很困難且耗時。」此外,大多數送貨發生在大約 3 小時內,從凌晨 4:00 到早上 7:00,因此很難即時追蹤照片。
Supr Daily 希望將照片驗證流程自動化,好提供有關外送合作夥伴是否需要拍攝更好的照片的即時意見回饋。該公司決定使用 ML 來減少手動工作並提高系統的速度和準確性。在意識到內部建立技術成本太高且太複雜後,該公司於 2020 年開始使用 Amazon Rekognition 進行多項概念驗證。Supr Daily 資深工程經理 Siddardha Garimella 表示,「透過在 AWS 服務建立技術,我們不再需要管理基礎設施。使用 Amazon Rekognition 還簡化了解決方案,因此我們能讓幾乎沒有 ML 經驗的人加入並快速開始建立模型。」
在 AWS 上加速影像識別和增強預測
每次外送合作夥伴提交送貨照片時,Supr Daily 都會自動將照片傳送到 Amazon Rekognition,後者會使用 ML 檢查照片畫質並驗證其作為送貨證明是否有效。該系統有助於近乎即時地驗證送貨是否已完成,以及確認影像是否為高畫質。使用 Amazon Rekognition 自訂標籤 (企業可用來識別影像中特定於其業務需求的物件與場景的功能),此流程確認每張影像僅需 350 毫秒。Praveen 表示,「我們得以開發出一種不僅效果更好而且速度更快的解決方案。我們可以停止依賴人們做出判斷,改為依靠定量資料了解實際發生的情況。」 Supr Daily 使用儲存在 Amazon Simple Storage Service (Amazon S3) 上的影像,這是一種物件儲存服務,提供領先業界的可擴展性、資料可用性、安全性和效能,以建立自訂 Amazon Rekognition 模型,這些模型能以 95% 的準確度識別影像中的物品。Siddardha 表示,「當團隊中有人想要更新或改進功能時,他們可以直接進入 Amazon Rekognition 並建立新模型。他們可以更新系統,只消幾秒鐘,系統就會開始使用最新模型。」 藉由使用 Amazon Rekognition,該公司還降低了影像識別的成本。
自 2020 年以來,Supr Daily 還使用 Amazon Forecast,該產品能使用 ML 輕鬆並準確地預測業務結果,分析客戶行為資料並確保有合適庫存來滿足需求。需求預測工作流程過去是以手動進行,但 Supr Daily 在 AWS 上實現了自動化,對儲存在 Amazon S3 中的資料執行預測,並迅速收到結果。然後,該公司使用 Amazon Simple Queue Service (Amazon SQS),其為微型服務、分散式系統和無伺服器應用程式提供全受管的訊息佇列,向採購團隊傳送包含結果的通知,以讓團隊下訂單並確保物品有庫存。Siddardha 表示,「我們的業務使用者只需進入儀表板,上傳資料,然後就能查看結果。此流程快得令人難以置信。」 在 AWS 上,Supr Daily 將其平均絕對百分比誤差降低了 25%。
由於由 AWS 管理基礎設施,Supr Daily 能更快地迭代並加快新功能的上市時間。同時,該應用程式的後端託管在 AWS Elastic Beanstalk 上,這是用於部署和擴展 Web 應用程式和服務的簡單易用服務,讓該解決方案的可擴展性足以支持多個城市的數百萬客戶。 實作這些服務很簡單。Siddardha 表示,「使用 AWS 服務最好的方面是,它們是現成的,能讓那些可能並非很精通技術的人開始建立解決商業挑戰的解決方案。」即使沒有專門的資料科學家,Supr Daily 也建立了一個解決方案,為合作夥伴和客戶改進其應用程式,且能擴展到包括多個城市。 Siddardha 表示,「AWS 讓實驗更簡單,部署速度更快,存取資料也更方便。」
近乎即時地為用戶提供個人化服務
Supr Daily 正在計劃持續成長,並尋找方法為使用 AWS 的購物者改進其送貨應用程式。其中一個目標是在使用者使用 Amazon Personalize 瀏覽應用程式時,根據其興趣提供量身打造的建議,開發人員可利用該建議更快速地大規模建立即時個人化使用者體驗。
「從基礎設施佈建到建立影像識別和庫存規劃系統,AWS 能滿足我們的一切需求。而且很容易縱向擴展以支援我們的使用案例」。
關於 Swiggy
Swiggy 是印度最大的線上食品訂購和配送公司之一,成立於 2014 年。作為 Swiggy 的子公司,Supr Daily 讓購物者可以隨時訂購雜貨,並在第二天早上 7:00 之前送達。
AWS 的優勢
- 建立了準確率達到 95% 的自訂 ML 模型
- 以很少的開銷無縫擴展以支持 70% 的使用者成長
- 將自訂影像驗證 ML 模型加速到 350 毫秒
- 簡化庫存管理,將平均絕對百分比誤差降低 25%
- 自動庫存預測和通知
使用的 AWS 服務
Amazon Rekognition
Amazon Rekognition 提供預先訓練和可自訂的電腦視覺 (CV) 功能,可從您的影像和影片中擷取資訊和洞察。
Amazon Forecast
Amazon Forecast 是一項以機器學習 (ML) 為基礎的時間序列預測服務,專為商業指標分析而建置。
Amazon S3
Amazon Simple Storage Service (Amazon S3) 是一種物件儲存服務,提供領先業界的可擴展性、資料可用性、安全性及效能。
Amazon SQS
Amazon Simple Queue Service (SQS) 是全受管訊息佇列服務,可讓您分離和擴展微型服務、分散式系統及無伺服器應用程式。
入門
各行各業各種規模的組織每天都在使用 AWS 來變革其業務和履行其使命。聯絡我們的專家,立即開始您的專屬 AWS 雲端之旅。