外送預測率高達 95%，foodpanda 怎從工人智慧走到人工智慧？

觀看這10年來行動化所驅動的創業浪潮，餐點外送平台 foodpanda本身無論在資本操作、商業模式，以及導入大數據與AI變成數據驅動化（Data Driven）的過程，都可稱得上是這時代「按需經濟」（On-Demand Economy）的先驅之一，同時也是最早進入台灣的業者。

foodpanda是怎麼透過導入AI分析台灣人飲食喜好，進而提升配送效率，快速成長的呢？INSIDE專訪到foodpanda台灣運籌總監余岳勳，了解他們是怎麼變成一間數據驅動的公司。

余岳勳拿了一個很有趣例子作為foodpanda研究數據的開端。「猜猜看，台灣飲料店哪個單一飲品會決定跳出率的生死？」答案就是最具台灣特色的珍珠奶茶。觀察訂單數據，台灣消費者在叫飲料外送的時候，平均每5人就有1人想喝珍奶；這讓許多消費者一看到飲料店沒珍奶就立即跳出，嚴重影響事後的訂購意願，也讓foodpanda在跟每一間飲料店合作時，會強烈建議菜單內一定得有珍奶。

余岳勳進一步介紹，這6年來研究訂單最重要但也最簡單的發現，就是若餐點選項只有5個（含）以下，訂單絕對少得可憐；而且如果只賣餐點，不賣飲料，訂購率也會相當難看。

這些觀察簡單明暸，卻也成了foodpanda每每跟店家合作時的必要準則。店家的強項、弱項是什麼？跟其他餐廳比起來要改進哪些缺點？這些都會由系統自動產生，給予店家改進建議報告。

但導入演算法這回事對 foodpanda來說，「外送管理」更是AI與資料真正發揮威力之處。這套演算法會自動綜合每位司機的歷史速度、效率、送餐點熟悉度，再結合取餐地點，即時路況（離峰、巔峰），試算出每一區最有可能發生第一次取餐的地點（準確率高達95%！），並且讓該地設為司機的打卡點，讓他提前就位，用最短時間取得第一段餐點。

送完第一段餐點後，第二、第三張單呢？余岳勳說不一定最近的外送員就能最快送達，演算法會依照司機過去的習慣數據、路線，算出最好的匹配結果；這是過去人工派單只考慮位置的思維所做不到的，什麼時候司機到達負荷上限、停止送餐也都由系統自己判斷，去確保服務品質維持在一定水準之上。

余岳勳就表示幸虧有AI的幫忙，foodpanda在2018在台灣呈現高速成長之勢，但司機的成長數量比例卻只有訂單的一半；甚至在人數成長速度不及訂單之下，2018下半年卻還能讓整體外送效率提升30%以上。

foodpanda的配送演算法主要由德國總部開發、維護，全球所有市場的數據、資料也都會傳回德國進行分析、研究。此外像重點使用案例研究、系統前導規劃也都全在德國發生。

但每個國家的分部也都會配置自己的資料科學家，他們會定期送去德國受訓，並幫助本地市場做更深層的資料探索優化；余岳勳也說目前台灣配有一名資料科學家，並且台灣市場所產生的資料量並不算少，排得上亞洲區前幾名，像前面提到的珍奶問題，也都是資料科學家所探勘出來的。

「AI 優化並非一蹴可及，它是一次一次，累積而來的。」余岳勳說別看foodpanda現在使用 AI 已經很方便、成熟，但他們進入台灣這7年間也是從工人智慧做起，剛開始還是得一張一張人工派單、還得花功夫做店家標籤化，行銷端也得在APP跟網頁內不斷進行A/B Test，才能有足夠的資料進行客戶分析，整合出最佳的營運模式。

本文獲「INSIDE硬塞的網路趨勢觀察」授權轉載，原文：外送預測率高達 95%，foodpanda 怎從工人智慧走到人工智慧？

責任編輯：呂宇真
核稿編輯：洪婉恬