
作为全球最大的快餐连锁企业,麦当劳在188个国家开展了业务,每天为超过6900万人提供服务,显而易见的是,麦当劳创造了大量的数据,但是他们对这些数据的使用可能会产生非常强大的效果。
下面是麦当劳利用人工智能、大数据、机器人技术为第四次工业革命做好准备的几种方法。
个性化及改进后的客户体验
在麦当劳餐厅,你不仅可以通过麦当劳的移动APP订购和付款,你还可以获得独家优惠。而当用户使用该APP时,麦当劳则可以获取有关他们去餐厅的时间、位置和频率,以及如果他们使用汽车餐厅或进入餐厅,他们会购买什么等重要的客户信息。
同时,麦当劳还会在选购时,推荐配套产品,进行促销,以帮助增加客户在使用该APP时的销售额。在日本,使用该APP的客户平均会多花费35%,造成这一结果的部分原因是APP在他们下订单时提供的建议。然后最喜欢的订单会被APP保存,并提供了一种鼓励重复购买的方式。
APP用户可以避开汽车餐厅和餐厅里的排队,这个理由足以让很多人分享他们的购买数据以换取便利和可感知的特权。
使用数据的数字菜单
麦当劳不断推出新的数字菜单。这些数字菜单不仅仅是旧菜单的更新版本,还可以根据数据的实时分析而改变。
数字菜单将根据一天中不同的时间甚至当前天气更改选项。例如,在寒冷大风的天气里,菜单可能会促销舒适性食品,而在创纪录的炎热天气里清凉饮料可能会被突出显示。目前这项技术已经在加拿大应用,导致销售额增加了3%至3.5%。
趋势分析
拥抱数据驱动的文化对于帮助麦当劳更好地了解每家餐厅的表现以及发现可与连锁系统内其他餐厅分享的最佳实践也很重要。
由于麦当劳使用特许经营模式,整个连锁系统内食品和体验的一致性非常重要。从客户的角度来说,无论这些店铺位于何处,也无论它们归谁所有,能够从这家餐厅或者那家餐厅获得一样的食物和产品非常重要。该公司查看多个客户体验的数据点。例如,当他们考察汽车餐厅体验的时候,他们不仅仅会评估汽车餐厅的设计,还会检查提供给客户的信息以及客户排队购买餐点期间的情况。他们分析模式,努力做出预测,并在必要时改变设计、信息和员工工作。
自动点餐机和互动终端
作为应对劳动力成本上升的一个解决方案,麦当劳正在一些地方用自动点餐机代替收银员,用户可以在数字屏幕上下单点餐。
此举不仅可以降低劳动力成本,还降低了错误率。到2018年年底,你就可以在你附近的麦当劳看到这些自动点餐机了。当然,在北京很多餐厅也使用上这项点餐应用。另外,麦当劳在法国也在测试互动终端。
当客户下了订单,他们就会将和订单关联的联网RFID卡带到他们的餐桌上。当订单中的餐点准备好了之后,一位麦当劳的员工就会通过RFID卡找到下单的客户,并将餐点送给他们。
麦当劳继续拥抱其数据推动文化,并希望能够看到人工智能、大数据和机器人提供的洞察力能够帮助该公司提高业绩。
;编译:科技行者>
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。