至顶网CIO与应用频道 06月14日 编译:星巴克不仅通过一堆咖啡豆来满足狂热的粉丝,而且他们还拥有大量的数据,并在很多方面利用这些数据来改善客户体验和改善业务。每周全球25000家星巴克约完成9000万次交易,促使这家咖啡巨头走到了使用大数据和人工智能的前沿,有效地帮助推动营销、销售和业务决策。
星巴克的奖励计划和移动应用
当星巴克推出奖励计划和移动应用的时候,他们收集的数据量快速增加,这些数据可以用来了解他们的客户,提取有关购买习惯的信息。星巴克的移动应用拥有超过1700万个用户,奖励计划有1300万活跃用户。光是这些用户就产生了大量有关他们购买咖啡和补充产品的信息,包括天气、节假日和特别促销等数据。以下是星巴克使用数据的一些方式。
个性化体验
奖励计划和移动应用的会员需要授权星巴克收集关于他们咖啡购买习惯的大量信息,从他们喜欢的口味到他们一般购买的时间等各种信息。因此,即使人们去了另一家星巴克买咖啡,POS系统也能够通过客户的智能手机进行识别,并向咖啡师提供他们的喜好。此外,根据订购偏好,移动应用还会建议客户尝试新产品。而这一切都是由星巴克的“数字飞轮”计划推动的,“数字飞轮”是一个基于云的人工智能引擎,能够向那些不知道点什么、但想尝试一些新东西的客户推荐食品和饮料。它给出的推荐会根据当天的天气情况、是节假日还是工作日、所在位置等相关因素发生变化。
有针对性的、个性化的营销
除了帮助星巴克给客户提供尝试新产品的建议之外,这也帮助星巴克推送个性化的优惠和折扣,而不仅仅是生日那天的折扣。此外,还会给那些最近没有去过星巴卡的客户发送定制电子邮件,根据历史购买记录提供诱人的优惠,吸引他们再次光顾星巴克。
虚拟咖啡师
你可以使用“我的星巴克咖啡师”应用,发送语音命令或消息给虚拟咖啡师下单,这其中就使用了人工智能算法。由于每个订单的细微差别很多,所以人工智能引擎能够提供无缝的客户体验是一件相当成功的事情。
新店选址
众所周知,选择好的位置对于零售业来说是成功的关键。星巴克市场规划团队并不是依靠直觉来选择店铺位置的,而是利用了数据智能的力量,采用由Esri开发的绘图和商业智能工具Atlas。在推荐新店位置之前,这款工具会评估大量数据,例如与其他星巴克位置的邻近度、人口统计数据、流量模式等等。如果新店开张,该系统甚至可以预测新店对该地区其他星巴克店的影响。尽管感觉世界每个角落都有一家星巴克(有些距离很近,所以你可能会想到他们相互之间会争抢客户),但数据会告诉他们应该在那里开一间新店。
扩大业务变身杂货店
当星巴克决定扩张业务,给客户提供那些他们可以在杂货店买到、在家享受的产品时,他们借助数据来决定他们应该提供什么产品。星巴克收集了关于顾客如何订购饮料的数据,并将这些信息与其他有关家庭消费的行业报告结合起来,打造了他们的杂货店产品线。从南瓜南铁到不加牛奶或者其他口味的冰咖啡,星巴克以数据驱动的生产扩张方式是一种智慧商业。
菜单更新
一些星巴克店会提供酒精饮料,但星巴克会根据数据显示酒精消费量最高的地区来决定哪些店可以提供“星巴克之夜”,从而成功更新菜单。此外星巴克还会根据当时的情况推出限量发售的菜单项。举个例子,当田纳西州孟菲斯市正在经历一场热浪时,星巴克会在当地启动Frappucino促销活动,吸引人们去抗击热浪。而且,虽然星巴克有87000种饮料组合可供选择,但他们会持续监测哪些饮料最受欢迎而对菜单不断进行修改。
因此,下一次你买咖啡的时候,花点时间欣赏数据和人工智能在幕后指导星巴克改善体验(并让你成为回头客)的所有方式吧!
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。