人工智能还会卖菜 零售界的Uber如何颠覆你的菜篮子

本篇文章2139字，读完约5分钟

从简单的搬运工到更高效的搬运工，instacart可以为国内同行提供一些参考。

美国零售电子商务网站Instacart成立于2012年，只用了两年多的时间就实现了20亿美元的估值。现在，instacart的创始团队借助数据科学和机器学习帮助企业优化运营，实现正现金流，并逐渐盈利。

从简单的搬运工到更高效的搬运工，instacart可以为国内同行提供一些参考。

模式:不只是零售商的搬运工

Instacart是一家在线零售商，不购买和储存自己的商品。instacart与美国著名零售商合作，将他们的产品转移到网上销售，包括知名的连锁零售商，如全食、好市多和达信。消费者可以通过电脑或手机应用程序下订单，然后由instacart签名的购物者会在一小时内到指定的商店购买并送货上门。

下图显示了消费者使用手机应用购物的过程:

instacart的购物者与优步司机非常相似。他们可以在业余时间全职或兼职工作。下图显示了购买者接受订单并使用app完成订单的过程:

单位经济利润:打破烧钱的诅咒

对于这种创新的商业模式，盈利能力是最根本的问题。早在2016年，instacart就已经在uniteconomics实现了盈利。

所谓的单位经济学指的是能够反映商业模式中收入和成本之间关系的最低经营单位。在instacart中，这是客户的每个订单。如下图所示，每个订单可以带来四种好处:送货费、小费、产品合作伙伴和零售合作伙伴，每个订单的成本来自交易费(信用卡和保险)、购物时间和送货时间。如果能减少购物时间和送货时间，instacart就能获得单位经济效益。

在instacart的单位经济效益模型中，只要平均订单完成时间是最大时间的70%，他们就可以获利。现在他们已经实现了这个目标。instacart在2016年实现了正现金流，预计在2017年实现财务利润。

准确预测的重要性

为了实现企业的盈利和良好运营，准确预测和满足客户需求尤为重要。

Instacart每天必须处理成千上万的消费者订单，这些订单需要在客户指定的时间交付。如何将这些订单分发给成千上万的购买者，每个购买者接受哪些订单，通过哪些路线到达指定的零售店，如何在每个零售店快速找到指定的产品，以及在购买后通过哪些路线将产品交付给每个消费者，这些都需要准确的预测和规划。

(插图:instacart是由购买者优化的超市采购路线图)

Instacart必须对自己的预测准确性负责。如果预测精度低，结果将是客户订单的延迟，这不仅会增加履行订单的成本，还会使客户不满意，导致客户损失。

机器学习有助于提高

为了应对这些挑战，instacart选择了数据科学和机器学习。

第一步是建立大数据平台。在instacart中，我们每天都要处理来自各个方面的海量数据。例如，每天只有购买者的gps定位信息有大约1gb。Instacart应该对这些数据进行分类和部署，然后使用rabbitmq来处理数据库之间的通信，postgresql作为生产数据库，amazonredshift作为离线数据分析。

Instacart将建立各种预测模型来预测客户需求、超市购物时间、送货时间等。每个模型都将通过历史大数据进行审查和测试，以不断优化算法。该模型每天重复训练，以提高预测精度。

当遇到恶劣天气或意外事件时，会有偏离模型的警告。instacart有一个团队来监控市场变化，他们将在此时用自己的界面调整预测。Instacart的数据科学团队正在努力实现一些调整工作的自动化。

用梯度推进模型优化分布预测时间

梯度推进模型(Gbm)是一种机器学习技术，可以提高现有预测模型的精度。

例如，在旧金山的instacart办公室，成千上万的客户订单必须在几个小时内完成。那么，如何给出一个优化的计划来用最少的人力和时间完成这些订单呢？显然，有必要为每个购买者更准确地预测每个可能路线的时间。在这一点上，gbm模型非常有用。更准确的预测可以使系统利用优化算法得到完成订单的最佳方案，从而比以前更快地完成客户的订单。

自然语言处理增强用户体验

Nlp(naturallanguageprocessing)是一种用自然语言实现人与计算机之间有效交流的方法。这里的目的是分析用户过去的购买行为，然后向用户推荐可信的畅销商品。

Instacart与美国数百家零售商合作，产品总数达数百万件。这些产品的订单频率分布是长尾分布，那么我们如何向用户推荐他们真正需要的产品，而不仅仅是热门产品呢？Instacart使用nlp技术总结并推荐对客户有用的产品，即使这些产品并不经常购买。例如，如果用户经常购买啤酒、奶粉、尿布和游戏产品，系统可以向他推荐一份“爸爸的修养”。

也玩深度学习

Instacart还使用深度学习技术，例如，产品目录团队使用深度学习进行图像处理，购买者在商场的某个地方重新排列购买清单和路线。深度学习技术解决了过去机器学习中的许多棘手问题，为改进服务带来了新的机遇。

最后，让我们来看看美国著名科技媒体techcrunch对instacart的采访视频，看看他们每天是如何快速处理和完成数万份客户订单的:

v.qq/x/page/j0377e9vska

来源：搜狐微门户