Upserve 案例研究

Upserve（原名 Swipely）是一家软件和移动销售点提供商，为美国各地的餐厅老板提供基于云的餐厅管理平台。该公司的软件可将餐厅老板需要知道的一切信息集中到一处，并根据销售和趋势数据提供实时指导。该软件与销售点系统和终端集成，从而让餐厅老板能够与客户消费、社交媒体以及其他数据进行交互。

Upserve 捕获包括信用卡支付和菜单趋势在内的数据流，然后将数据转化为提供给餐厅老板的分析报告。“我们致力于帮助餐厅老板利用数据改善对顾客的服务。”Upserve 基础设施工程总监 Bright Fulton 表示，“除了提供支付数据和预订系统数据外，我们还与在线评论网站集成并进行情绪分析。我们收集所有这些信息，并通过移动应用程序将其转化成实用报告和交互式控制面板。对于繁忙的餐厅老板来说，我们就像驻扎在云端的一个总经理。”

在过去的几年中，Upserve 一直在努力为餐厅提供更具预测性的分析。“餐厅老板需要了解销售情况和菜单项趋势，同时更需要了解即将发生的情况。”Fulton 说道，“我们想探究如何利用机器学习技术，让用户掌握预测能力。”

该公司考虑了不同的机器学习（ML）技术，但他们很快意识到基于云的解决方案才是最合适的。“我们服务数千家餐厅，我们知道适用于一家餐厅的机器学习模型可能无法预测另一家餐厅的客户行为。”Fulton 表示，“为每位客户创建多个自定义机器学习模型的想法似乎是一项重大挑战。我们还需要能够根据传入的数据量，轻松地扩展模型。出于这些原因，我们决定采用机器学习即服务。”

Upserve 最终决定采用 Amazon Machine Learning（Amazon ML）。这是一项基于云的服务，可提供可视化工具和向导，允许开发人员无需学习 ML 算法即可完成模型创建和训练。“Amazon ML 允许我们快速上手开发自己的 ML 模型，我们非常喜欢这项功能。”Fulton 说道，

此外，Upserve 已经在 Amazon Web Services（AWS）云上投入了大量资金。该组织使用 Amazon EC2 Container Service（Amazon ECS）来预置和管理服务容器，使用 AWS Data Pipeline 和 Amazon Elastic Map Reduce（Amazon EMR）来实现灵活的批处理，并使用 Amazon Simple Storage Service（Amazon S3）、Amazon DynamoDB 和 Amazon Relational Database Service（Amazon RDS）来存储和处理数百 TB 的餐厅数据。“我们高度信任 AWS，尤其信任它推出的各项新服务。”Fulton 说道，“我们在 Amazon ECS 和 Data Pipeline 推出后不久就采用了这两项服务，事实证明二者都是很好的选择。AWS 一直是我们的绝佳选择。”

Upserve 开始使用 Amazon ML 为其 Shift Prep 应用程序创建预测模型。Shift Prep 整合了餐桌管理、销售点和其他系统，可以预测特定夜晚的用餐人数以及哪些菜单项会受欢迎。Upserve 使用 Amazon ML 开发了 100 多个机器学习模型。这些模型可以实时收集餐厅数据，包括订单信息和支付处理数据。这些模型使用的因素包括计划的预订数量、去年同一天的销售统计数据，以及客户支出和菜单偏好历史记录。Upserve 每周都会对模型进行重新训练。

该公司通过 Shift Prep 每日向餐厅老板发送电子邮件，其中包括了使用机器学习技术进行的分析。“借助 Amazon Machine Learning，我们得以预测某家餐厅在某天晚上将会接待的顾客总数。”Fulton 说，“餐厅老板因此得以更好地准备和计划当晚的员工安排。例如，如果预计顾客较多，餐厅老板可以安排更多的员工。此外，他们还可以使用我们通过 Shift Prep 提供的分析，根据销售历史记录和受欢迎程度来计划特定的菜单项。”

借助 Amazon ML，Upserve 能够快速轻松地开发和训练预测模型。“能够快速投入生产应用，是我们选择 Amazon Machine Learning 的关键因素，因为我们希望尽快向餐厅老板提供预测分析。”Fulton 表示，“从我们决定使用这项技术到我们开始在每天发送的电子邮件中使用预测数据，只用了两周时间。我们立刻注意到，Amazon ML 在预测每晚就餐人数时表现优于基准模型。”

这项技术易于使用，因此 Upserve 能够如此快速地在 Amazon ML 上启动并运行。“Amazon Machine Learning 以 API 为中心的设计帮助我们轻松地开发和训练模型并开始获得预测。”Fulton 还表示，“不需要太多配置，使用的工具也是我们早就熟悉的。Amazon Machine Learning 消除了许多复杂的开发工作，同时提高了我们预测的准确性。”

该公司还能帮助客户提高盈利能力，因为餐厅老板可以预测餐厅在特定晚上的客满程度，从而更有效地安排劳动力和食品成本。“了解顾客和顾客需求，甚至提前了解这些信息，在他们提出需求之前就知道他们想要什么，这一点非常重要。”马萨诸塞州波士顿 Tremont 647 餐厅老板兼厨师 Andy Husbands 说道，“Upserve 确实改变了我们看待事物的方式。让我们更容易地实现回顾过去并展望未来，了解我们的顾客群体，更好地追踪他们并与之沟通。”

Upserve 计划扩大对 Amazon ML 的使用，以开发更多的预测模型。“我们预计将迅速扩展到数千个模型。”Fulton 说，“最终，我们希望将其扩展到全部 7000 多位客户。我们非常看好这项技术的未来应用前景。”