Uber zdominował rynek dostaw jedzenia w USA

Uber zdominował rynek dostaw jedzenia w USA

18 października 2020 0 przez Barbara Mejssner

Dwa czynniki zadecydowały o dominacji Uber Eats na rynku dostawców żywności w Stanach Zjednoczonych: akwizycja Postmates oraz sztuczna inteligencja bazująca na coraz większej liczbie danych generowanych przez Ubera.

Postmates, jeden z największych dostawców żywności w USA osiągnął w 2019 roku z przychody rzędu 1,43 mld USD. Średnia opłata za dostawę wynosiła 5 USD, kurierzy zarobili 310 mln USD i zrealizowali 62 mln zamówień. Dostawy wygenerowały, prócz znacznych korzyści finansowych, również olbrzymią ilość różnorodnych danych, obejmujących takie informacje jak:

  • Co zostało odebrane?
  • Gdzie zamówienie zostało dostarczone?
  • Sposób dostarczenia (skuter, samochód, rower, łódź, pieszo itp.).
  • Jak długa była droga pod wskazany adres?
  • Z której restauracji pochodziły dania?
  • Jak daleko od zamawiającego znajduje się lokal?
  • Plus tysiące innych, szczegółowych danych.

Mając dostęp do danych z 62 mln zamówień złożonych przez użytkowników Postmates oraz generowanych przez 21 mln aktywnych użytkowników Ubera miesięcznie, można wiele przewidzieć. Sztuczna inteligencja przy pomocy technik filtracji danych przeczesuje informacje dotyczące liczby zamówień, czasu przygotowania posiłków, czasów odbioru zamówienia i czasu jego dostarczenia oraz dostępności kierowców w celu zoptymalizowania dostaw. Uczenie maszynowe identyfikuje także restauracje, które mogą zostać partnerami Uber Eats ze względu na ich lokalizację, otoczenie i rodzaj serwowanych dań. Specyficzny dla branży współczynnik konwersji (ECR – eater conversion rates) pomaga zrozumieć, w jaki sposób użytkownicy składają zamówienia i które restauracje są najbardziej popularne.

Michaelangelo wie, kiedy nadejdzie dostawa

Przykładowo, im więcej chińskich dań zamawia użytkownik, tym więcej chińskich restauracji wyświetla aplikacja. Do gry wkracza tu sztuczna inteligencja i sugeruje konkretne lokale gastronomiczne na podstawie modelowania preferencji zamawiającego poznanych dzięki historycznym danym i uczeniu maszynowemu. Jeśli użytkownik zamówi kawę, zamówienie zrealizuje najbliższy Starbucks. Jednak sytuacja komplikuje się, gdy wydłuża się czas realizacji zamówienia. Czas dostawy jest dla klienta jednym z podstawowych parametrów związanych z usługą. Szacowaniem terminu dostawy zajmuje się Michaelangelo, platforma Machine-Learning-as-a-Service (MLaaS) zasilana danymi z Postmates i Ubera. Uber Eats używa algorytmów ML także do innych zastosowań, takich jak automatyczne wyszukiwanie czy rankingi restauracji.