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
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。