|
以往金色三麥難以精準掌握啤酒與食材需求量變動，僅能憑經驗備貨，現在，藉由AWS提供的Amazon Forecast機器學習服務可以根據歷史數據精準預估銷量，準備適量的原料，減少兩成的食材浪費；過去金色三麥要費時以人工方式瀏覽、整理來自於紙本、客服與網路上的每個月超過三萬則顧客回饋，現在，透過Amazon Bedrock生成式AI服務能快速且完整分析巨量顧客意見，以精準調整、改善服務。在AWS的幫助下，金色三麥提升了營運效率，且節省盤點、叫貨及客服的人力，使團隊成員能更專注於餐飲服務與創新。 機器學習服務Amazon Forecast：根據歷史資料做出準確的銷量預測
過去金色三麥難以精準掌握淡季與旺季的啤酒與食材需求多寡，僅仰賴人工盤點，員工也只能憑經驗叫貨。金色三麥使用AWS以機器學習為基礎的預測服務Amazon Forecast，結合歷史採購資料、銷售資料、外部資料如天氣、節慶、百貨公司活動，利用經過Amazon.com淬鍊的Amazon SageMaker DeepAR時間序列模型做出銷量預測，提供精準的採購建議。透過智慧化的分析與預測，金色三麥不僅能減少兩成的食材浪費，每間店每天更可以節省兩個負責盤點與叫貨的人力，把他們安排到更重要的崗位如餐廳內外場，員工也能專注在顧客服務，進而提升營運效率與服務品質。 生成式AI服務Amazon Bedrock：快速分析顧客回饋助力即時修正改善
金色三麥的客服部門平均每個月要處理超過三萬則客戶回饋，且需費時以人工瀏覽、整理來自客服系統的意見回饋、網站評論等資料，才能歸納出改善餐飲服務的方向。不僅需要大量人力介入，且整理週期長、歸納準確率低，整體效果不佳。 今年三月，金色三麥透過AWS的協助打造新一代輿情分析系統。該系統首先使用AWS Glue的無伺服器資料整合服務將所有資料彙整及清理，並載入到Amazon Simple Storage Service（Amazon S3）儲存服務。同時還透過全託管基礎模型平台Amazon Bedrock採用Anthropic Claude 3大型語言模型，搭配提示工程（Prompt Engineering）優化輸入提示，系統便能自動判斷語意，三到五分鐘即能歸納所有來源的顧客評論，找到關鍵字、掌握顧客情緒，萃取顧客的意見與需求，幫助金色三麥更快採取行動、改善服務品質，提升顧客體驗。
金色三麥總經理葉淑芬表示：「金色三麥從酒廠起家，後來成為人人熟知『為歡聚而誕生』的餐飲品牌，一路上金色三麥都希望與其他餐飲品牌做出區隔，而精準掌握銷量、提升服務品質，都是餐飲品牌進步的關鍵。借助AWS的技術，金色三麥整合並分析散落各處的資料，打造顧客資料平台，並用生成式AI快速分析輿情，即時提升客戶體驗。金色三麥也透過AWS的ML技術準確預測餐點需求，進而精準控制備貨量，藉此團隊可以節省人力，更專注在餐飲服務上，提升工作效率的同時也加速創新。」
- 新聞稿有效日期，至2024/06/15為止
聯絡人 ：Belle
聯絡電話：7743-9148
電子郵件：belleyy.ke@eraogilvy.com
 上一篇：迎接巴黎奧運 Visa 將於羅浮宮舉辦演唱會
 下一篇：曹操出行好司機張桂容獲得2024全國五一勞動獎章
|
■ 我在中國工作的日子（十四）阿里巴巴敢給股票 - 2023/07/02 ■ 我在中國工作的日子（十三）上億會員怎麼管理 - 2023/06/25 ■ 我在中國工作的日子（十二）最好的公司支付寶 - 2023/06/18 ■ 我在中國工作的日子（十一）兩個女人一個男人 - 2023/06/11 ■ 我在中國工作的日子（十）千團大戰影音帶貨 - 2023/06/04 ■ 我在中國工作的日子（九）電視購物轉型電商 - 2023/05/28 ■ 我在中國工作的日子（八）那些從台灣來的人 - 2023/05/21 ■ 我在中國工作的日子（七）嘉丰資本擦身而過 - 2023/05/14 ■ 我在中國工作的日子（六）跟阿福有關的人們 - 2023/05/07
|
