{"id":7016,"title":"\u0423\u0433\u0430\u0434\u0430\u0439\u0442\u0435 \u0433\u043e\u0440\u043e\u0434\u0430 \u043f\u043e \u0437\u0432\u0443\u043a\u0443 \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u044e\u0449\u0435\u0433\u043e\u0441\u044f \u043f\u0438\u0432\u0430 \u0438 \u043f\u0435\u043d\u0438\u044e \u043a\u0438\u0442\u043e\u0432","url":"\/redirect?component=advertising&id=7016&url=https:\/\/vc.ru\/special\/sound&placeBit=1&hash=6ca24c77fedb0a01bd41595a6fbd498b5375a294c2e3b54a129aa318671b77a3","isPaidAndBannersEnabled":false}
Еда
Михаил Немцан

Нейросеть и блинчики: как фуд-сервис BeFit автоматизировал подбор блюд и ждет рост дохода на 30%

Клиенты часто бывают привередливы: кто-то просит убрать из своего блюда лук, так как не переносит этот ингредиент, для кого-то лук жизненно необходим. Казалось бы, всем не угодишь, но у нас получилось — и все благодаря нейросетям. Основатель BeFit Михаил Немцан рассказывает о технологии.

Негатив только на пользу

Два года назад пользователи начали все чаще жаловаться в поддержку на меню. Просили изменить состав супов, каш, начинку блинов. Было много запросов на вегетарианские блюда или рацион без молочных продуктов.

Знаю коллег, которые в такой ситуации нанимают орду диетологов — те, в свою очередь, выверяют меню под каждого человека. Но мы поняли, что у нас так не сработает: потратим все деньги. Поэтому нашли другой выход из проблемы.

Сначала решили собирать меню по запросам. К примеру, сделали рацион для вегетарианцев — это заняло недели, мы адаптировали все процессы, в том числе производство. Но запросы росли, и найти «золотую середину» было почти невозможно, потому что:

  • у всех индивидуальные предпочтения в еде;
  • у пользователя может быть аллергия на продукт или индивидуальная непереносимость.

Необходимо было сделать рацион более узким и, в то же время, автоматизировать процесс, чтобы не создавать сотню разных вариантов — у нас просто не хватило бы на это ресурсов.

Поэтому мы придумали конструктор. Массовое производство работает как конвейер: ему нужно сделать 100 блинчиков, 150 фрикаделек, и все. Но когда ты ставишь задачу сделать 100 блинов и еще один — из гречневой муки, весь механизм ломается. Важно было это учесть.

В ноябре 2019 года начали писать код конструктора и в марте 2020-го уже внедрили первую версию. Перед этим все новогодние праздники мы оптимизировали производство: переделали сборочный и заготовочный цеха, вдвое увеличили камеры. И с сентября начали активно пользоваться.

Конструктор работает по методу исключения:

  • у нас есть множество блюд;
  • пользователь выбирает «лишний» ингредиент;
  • приложение находит и убирает все блюда, включающие в себя этот ингредиент;
  • предлагает вместо них альтернативы.

То есть мы заменяем не ингредиент в блюде, а сами блюда. Не нравится вам миндальное печенье, тогда не морочим голову и просто меняем его на омлет с томатом и зеленью. На платформе у каждого блюда указан подробный состав, поэтому их легко фильтровать. Так мы не перегружаем производство и помогаем клиентам с выбором.

Нейросеть, которая подбирает индивидуальное меню

Над конструктором есть второй слой технологий — нейросети: они помогают генерировать персональное меню для пользователей. Работает это так: алгоритм учитывает, от каких блюд клиент отказывается, и проверяет отзывы на платформе. Далее анализирует более 800 блюд по всей платформе, учитывая:

  • запросы клиента;
  • повторяемость заказов;
  • время суток (не должно быть каши на ужин);
  • себестоимость блюд;
  • калорийность;
  • количество белков, жиров и углеводов;
  • сочетаемость ингредиентов.

Система обрабатывает множество данных и «думает», прежде чем предложить релевантное меню. Даже если клиент исключит почти все ингредиенты, из которых мы готовим, алгоритм все равно постарается подобрать разнообразные блюда. Для людей с ограничениями в питании это настоящее спасение.

Также стоимость блюд оценивается в обе стороны: к примеру, не предлагаем «спартанское» меню, то есть максимально дешевое. Потому что оно будет плохо продаваться.

Как это работает технически

Основная сложность была в разработке. Из-за того, что в системе так много параметров, возникает «комбинаторный взрыв» — когда алгоритм не справляется с огромным массивом данных.

К примеру, всего у нас есть 850 вариантов блюд, только часть из них нужно уместить в 35 свободных слотов в приложении. То есть алгоритм не может абсолютно точно решить, что именно нужно предложить пользователю — нужны «неточные» системы вроде нейросетей. Наш алгоритм работает на двух уровнях:

  • Первый генерирует возможные варианты — используется как метод ветвей и границ. Мы рассматриваем все генерации, отсекаем лишнее и оставляем только подходящие.
  • Далее алгоритм самостоятельно изучает отзывы клиентов на платформе, оценивает динамику, сам оптимизирует и придумывает новое меню.

Когда мы подстроили техническую часть и перенесли ее на производство, LTV увеличился на 30%.

Выросла ли нагрузка на производство

Тут чистая статистика: поварам не нужно менять ингредиенты в составе, меняется только количество блюд. И производство знает, сколько и чего нужно приготовить на завтра. Если каждый пользователь будет говорить, что нужно убрать из блюда, спустя 20 заказов все процессы посыпятся и бизнес закроется.

В BeFit для поваров увеличилось SKU — количество позиций блюд. Потому что одно дело готовить, когда есть постоянное меню, а другое — по алгоритму, который каждый день предлагает приготовить новое блюдо из 850 позиций.

Производству, конечно, стало сложнее на каждом этапе. Усложняется и сборка: ведь нужно собрать персональные пакеты с уникальным набором еды, а не фиксированные комплекты, как прежде. Сейчас таких «сложных» заказов около 60%.

Дальше — больше: нейросеть, которая готовит блюда

Пищевое производство вроде нашего сильно отличается от ресторана — там для каждого блюда есть повар и свои заготовки. Так заведение может быстро продавать блюда.

У нас же блюдо собирают как машину. Вот есть компоненты: гарнир, нарезка, мясо. Берем блюдо, разбираем его на полуфабрикаты. Полуфабрикаты разбиваем по цехам, цеха готовят. Есть повара, которые из этих полуфабрикатов собирают блюда. Это конвейерная модель.

Появилась мысль: а что, если мы своей нейросети, которая оценивает клиентский опыт, будем «скармливать» все сочетания полуфабрикатов и соусов? Тогда мы сможем генерировать новые блюда.

Если до этого мы упростили задачи диетолога — алгоритм за час подбирает персональное меню, то теперь можно делегировать проблемы технолога. Сейчас такой специалист помогает подобрать блюдо определенной калорийности под конкретное направление — например, высокая калорийность с гречневой крупой и мясным соусом. И технолог сидит, думает.

А нейросеть может сама перебрать все варианты соуса, гарнира, основного белка, способы приготовления. Проанализировать все отзывы и предложить технологу 20 вариантов, а человек уже сам выберет наиболее интересные.

При этом мы не заменяем машиной реальных сотрудников — только автоматизируем рутинные процессы. Потому что все сгенерированное нейросетями все-таки нужно проверять человеку.

Кстати, вы можете проверить наш сервис самостоятельно уже сегодня — с промокодом BEFITVC и скидкой 12% на первый заказ.

{ "author_name": "Михаил Немцан", "author_type": "self", "tags": [], "comments": 13, "likes": 23, "favorites": 29, "is_advertisement": false, "subsite_label": "food", "id": 303147, "is_wide": true, "is_ugc": true, "date": "Wed, 13 Oct 2021 17:19:46 +0300", "is_special": false }
0
13 комментариев
Популярные
По порядку
Написать комментарий...

>LTV увеличился на 30%.

Пожалуйста, расскажите, как считали, это важный момент.

1

LTV считаем при помощи когортного анализа внутри нашей ERP-системы. Мы взяли когорты до внедрения подбора и после внедрения и посмотрели их на горизонте разных периодов (1 мес, 2 мес, год). Затем покрутили их в разрезе разных программ и сценариев использования (похудение, не готовить, спорт и.т.д). В среднем после внедрения индивидуальных рационов LTV одного клиента вырос на 30%

1

Вы сами это ели?

1

Звучит реально круто! Респект!

0

Приятно, что оценили: спасибо!

0

Очень крутые идеи. Желаю успехов в дальнейшей разработке!

0

Спасибо Вам!

0

божечки
как я рад что родился в 21 веке

0

Кето не планируете?

0

Пока нет, есть ряд исследований, который показал опасность кето для здоровья на длинной дистанции. Поэтому мы не хотим рисковать.

0

Пробовал в свое время BeFit. Умная система начала возить просто по два блюда одного и того же.

В любом случае, у всех доставок готового питания в итоге одна и та же проблема: надоедает есть одну и ту же еду, к тому же в пластике из микроволновки. Дольше месяца не получается питаться.

0

Блинчики с вареной сгущенкой есть?

0

По моему мнению люди едят одно и тоже на постоянной основе, намного проще предоставлять постоянное меню а не кучу всякий комбинаций, во первых не надо будет держать огромный склад с продуктами, во вторых скорость готовки уменьшится, и в третьих человеку будет проще определиться с выбором, и ещё например я захотел заказать яичницу а мне предлагают заменить на запеканку, но ведь это разные блюда, и на последок такой факт разнообразие ухудшает качество блюд. ред.

0
Читать все 13 комментариев
Как OTUS стал платформой для самореализации. История преподавателя

Наш преподаватель, специалист по Data Science, решил поделиться своей историей преподавания. Он рассказал, как пришел в эту сферу, с какими трудностями столкнулся на пути к преподаванию и что ему помогает. А еще поделился советами, как поддерживать внимание студентов и сделать занятия полезными и увлекательными.

Наладили производство подделок и обманули Лувр: как братья из Одессы заработали на фальшивых древностях Статьи редакции

Шепсель и Лейба Гохманы в конце 19-го века продали Франции подделку под видом древней золотой тиары за 200 тысяч франков и ушли безнаказанными, а создатель украшения прославился в Европе — его тиара до сих пор хранится в Лувре.

Открытка с изображением поддельной тиары скифского царя Сайтаферна Amusing Planet
«М.Видео» не привёз часть заказа и клиент не может ничего сделать уже несколько недель

TL;DR;
Заказал и оплатил 02 октября два товара в М.видео, в доставку 06 октября привезли один товар и не привезли сетевой фильтр. Три недели попыток хоть как-то решить проблему официально и неофициально безуспешны, за это время не было даже попытки позвонить например мне. Обращение без ответа, операторы врут, фильтра у меня нет, денег у меня…

Cloud CDN: что это такое, как устроено и кому нужно. Разбираем на примере бургеров

Cloud CDN — это сеть быстрой доставки статического контента в формате услуги облачного провайдера. Объяснить, как работает технология, проще всего на примере — сравнить Cloud CDN с популярным продуктом, который выглядит плюс-минус одинаково вне зависимости от того, заказали вы его в Москве, Питере или Нью-Йорке. Знакомьтесь: классический бургер.…

Правительство обязало мессенджеры регистрировать пользователей по паспортным данным с марта 2022 года Статьи редакции

Сервисы должны будут запрашивать данные у операторов, а те — предоставлять их в течение 20 минут после регистрации пользователя.

Как не попасть в карьерную ловушку тимлида: личный опыт

Кажется, что тимлиду просто некуда расти: дальше надо либо идти в менеджмент, либо наоборот, становиться узконаправленным разработчиком. По просьбе «Лаборатории Касперского» Евгений Мацюк, который прошел в компании неординарный путь, рассказал о своих карьерных развилках во время и после тимлидства, а также поделился опытом горизонтального роста.

Я устал жить на автомате и сделал бота в Telegram, который напоминает сколько мне осталось жить

Теперь бот присылает каждую неделю новую таблицу жизни, где видно сколько мне осталось до 90 лет. Красный квадрат – 1 прожитая неделя.

Пример календаря жизни. @life_table_bot
М.Видео обманул меня с предзаказом Apple Watch Series 7

Печали пост. Как только 8 октября открылся предзаказ на Apple Watch Series 7, поспешил на сайты apple.com, М.Видео и еще несколько маркетплейсов.

Реклама в газетах и CRM: как мы массово нанимаем синих воротничков в швейное производство

У нас в Кофтёнышах, 80% сотрудников — это производственный персонал: швеи, упаковщицы, мастера, а 20% — коммерческий и административный: дизайнеры, маркетологи, менеджеры интернет-магазина.

Несколько лет у нас было чёткое деление, где искать людей на свои позиции: синие воротнички на SuperJob и Авито, белые воротнички — на HeadHunter. Со временем видение изменилось, а подход мы систематизировали.

ПСБ запустил личный кабинет для предпринимателей. Там можно следить онлайн за каждым своим терминалом

Сервис предоставляется бесплатно.

null