Gousto用例:磚如何幫助創建個性化的食譜建議客戶規模beplay体育app下载地址

Gousto是英國最有價值的食譜框,提供更多的配方選擇和品種在市場上比其他人。由專業廚師和食譜的設計包括多種多樣的口味和菜肴,讓你嚐試新的食譜,而無需源外來成分或花時間測量部分。每個盒子包含pre-measured,新鮮的食材和後續的食譜,這樣你就可以快速準備好吃的,有營養的食物來家裏沒有任何食物浪費。

每個月我們賣成千上萬的食物和許多這些客戶的訂單來自建議、提供和折扣由我們的機器學習方法(ML)推薦引擎。beplay体育app下载地址確保我們的模型推薦最好的食譜是一項非常具有挑戰性的任務。

我們使用磚Lakehouse平台作為我們毫升管道構建推薦引擎。Beplay体育安卓版本使用磚已經幫助減少我們的模型部署時的50%。此外,我們已經能夠大量提高性能,翻譯一個重要商業對商業的影響。

改變每周菜單

在Gousto,我們使用機器學習創建配方建議。這種能力是必要的,因為我們有各種各樣的客戶提供不同的口味和飲食偏好。beplay体育app下载地址我們不想推薦肉食譜素食或奶酪乳糖的客戶。

每周,約有75改變食譜菜單上有很多變體(如蔬菜/魚)/配方。有如此多的顧客,是不可能手beplay体育app下载地址動創建建議,折扣,並提供適合每個人的喜好。應對這一挑戰,我們團隊開發了Rouxcommender,食譜推薦引擎。

毫升允許我們創建高度精確的建議都是基於客戶數據和以前的客戶訂單和我們豐富的配方數據庫。比起我們的團隊開發深度學習模型,利用的基於變壓器結構向客戶學習風味和口味從他們的購買行為。這些模型看許多因素,包括以前的訂單,菜譜做飯,多麼簡單的蔬菜食譜,等等。

這個過程可以讓我們從客戶的采購模式和用它來預測他們將訂單和建議倒數。beplay体育app下载地址結果,我們的客戶可以相信,他們隻會beplay体育app下载地址看到食譜,他們可能會喜歡上我們的每周菜單。盡管我們的引擎的成功,一路上它沒來沒有一些挑戰:

缺乏可見性

食譜推薦引擎產生的數據量是巨大的。我們的引擎會產生大量的數據。我們團隊必須創建和存儲數以百萬計的客戶建議每周客戶訂單,因為我們無法確定。beplay体育app下载地址查詢數據產生在這個過程本質上是棘手。我們的數據分析師此前沒有這個建議數據的可見性。

多個平台Beplay体育安卓版本

我們使用多個模型技術和存儲庫。我們的團隊必須使用四個改變毫升模型數據存儲庫。使用這些不同的技術和存儲庫是一個笨拙的過程。我們正在尋找一個解決方案,我們可以執行整個ML模式在一個環境過程。

A / B測試

一旦建立一個模型,我們的團隊必須確保它將按預期執行。這個過程需要我們的團隊使用不同的工具。集成的工具和確保模型正確地部署在不同的平台上是具有挑戰性的。Beplay体育安卓版本

模型開發時間長

模型開發時間是一個複雜的過程,花了六個月。我們沒有合適的平台,優化流程,我們可以很容易地集成工具Beplay体育安卓版本和部署模型。我們需要一個解決方案,可以幫助我們跟蹤每個模型和實驗。

利用磚配方建議

在Gousto,我們推薦使用磚來改進我們的機器學習模型和流程。

一個環境和提高知名度

我們可以處理從ETL收集數據交互式儀表板監控我們的數據。通過這種方式,我們可以使用這些數據來構建模型,同時,跟蹤性能使用流的名稱。而不是花時間積分A / B測試工具和平台,我們可以關注持續改進。Beplay体育安卓版本

我們也能夠提高我們的數據在整個組織中可見性。磚的快速訪問數據使我們的分析師輕易查詢和探索數據,幫助我們盡快推進我們的項目。

改進的模型性能和部署速度

我們最大的勝利之一是速度,我們可以提供更多的價值。特別是MLflow追蹤服務器,MLflow注冊表,和其他磚等綜合功能的三角洲,SQL工作區和Petastorm一直在讓我們寶貴的跟蹤模型的迭代和運行。我們使用MLflow很多,所有的功能已經集成到磚建造的模型和迭代模型,這是我們如何能夠改善我們模型迭代速度。

我們現在可以迭代模型更快,讓我們跟上最新的客戶需求和行為模式。而不是迭代模型的六個月,他們可以提供模型快50%。以前我們去年模型的第一個版本,但在今年,隻有連續兩個季度,我們有兩個模型。

這兩個模型也有一個很重要的商業對商業的影響。磚允許我們快速迭代和嚐試不同的事物,導致大量的成功,特別是關於我們配方的性能。

頂級的食譜

自使用磚,我們已經能夠推薦更多相關食譜我們的客戶群。由於采用磚在我們的模型的開發,銷售來自top-recommended食譜有顯著增加。

我們期待繼續為Gousto使用磚來驅動價值。我們的團隊希望利用未來的磚性能的進一步改善我們的模型迭代和測試過程。