Hungryroot offre un’esperienza alimentare basata sull’intelligenza artificiale
C’è Netflix per i film. Stitch Fix per i vestiti. Hungryroot , un servizio di consegna basato sull’intelligenza artificiale, spera di occupare una nicchia simile per i generi alimentari online negli Stati Uniti.
Il sistema di raccomandazione utilizza un filtro collaborativo e un modello di apprendimento supervisionato per abbinare le preferenze dei consumatori agli alimenti. I clienti rispondono a domande sulle loro abitudini alimentari, i tipi di alimenti che piacciono a loro (e ai membri della famiglia), le dimensioni della famiglia, il budget e altro ancora. Su base settimanale, l’algoritmo Hungryroot prevede i generi alimentari che potrebbero piacere al cliente. Una volta che il cliente approva l’elenco, una scatola viene spedita da una delle tre sedi Hungryroot. I clienti ricevono anche una serie di ricette, anch’esse previste dall’algoritmo, che utilizzano gli ingredienti della settimana.
Neil Saunders, amministratore delegato della divisione retail di GlobalData, ha visto i rivenditori di generi alimentari di ogni tipo appoggiarsi all’intelligenza artificiale come un modo per prevedere meglio la domanda. “Con l’interruzione della pandemia e un numero maggiore di persone che acquistano generi alimentari online, la previsione della domanda è diventata sempre più difficile per i rivenditori e l’intelligenza artificiale può aiutarli a dare un senso ai dati e a prendere decisioni più accurate su cosa immagazzinare”, afferma Saunders.
La sfida alimentare basata sull’intelligenza artificiale
Hungryroot funziona su un modello di filtraggio collaborativo molto simile a Netflix, imparando dai Mi piace dei clienti nel tempo e unendo le loro preferenze con quelle degli altri. Ma le raccomandazioni basate sull’intelligenza artificiale per i generi alimentari sono impegnative, afferma il CTO Dave Kong. Per prima cosa, Netflix può consigliare film da una coda quasi infinita. Non ci sono vincoli aggiuntivi. Il cibo, d’altra parte, non è un’entità consumabile come i film. Il cibo è deperibile. Le tue scelte dipendono dall’inventario e da quanto puoi inserire nella scatola.
Mentre i consumatori a cui piacciono i film horror possono nutrirsi di film di quel genere per un po’, lo stesso non deve valere per il cibo. Dai da mangiare ai consumatori la pasta per tre settimane di seguito e potrebbero lamentarsi. “Il primo passo è analizzare meglio il problema per ogni cliente. Ad esempio, cosa significa varietà per ogni cliente ? Sono elementi diversi (ad esempio tipi di pasta come spaghetti vs penne) o diversi tipi di piatti (ad esempio pasta vs insalata vs saltati in padella, ecc.)”, afferma Kong.
Hungryroot sta anche cercando di capire cosa significhi la ripetizione per il cliente. “Stanno cercando ricette e prodotti simili al loro ultimo ordine, anche se è di due settimane fa, o per loro importa la settimana saltata? Possiamo quindi concentrarci sui giusti approcci di intelligenza artificiale a seconda di ciò che apprendiamo”, afferma. “Comprendere la ripetizione e la varietà è la chiave del successo nel modello alimentare che non è un fattore da nessun’altra parte”.
L’altra sfida è che il numero di clienti a cui potrebbero piacere le stesse ricette con gli stessi ingredienti non è così grande come gli appassionati di cinema che amano un genere. Le preferenze alimentari dei consumatori devono essere digerite a un livello molto più granulare: salato, diversi tipi di proteine, consistenza e altro.
La macchina per la fattorizzazione Hungryroot elabora 60 parametri diversi (il numero continua ad aumentare) nel suo modello. E le fonti di dati non si limitano solo a ciò che dicono o fanno i clienti: Hungryroot si basa anche su fonti aggiuntive, come i dati nutrizionali.
Un contorno piacevole: ridurre gli sprechi
L’algoritmo Hungryroot ottimizza le raccomandazioni non solo per un singolo utente, ma su tutta la linea per tutti i suoi clienti. Modificare un po’ il contenuto della scatola – se a un cliente piace un tipo di pesce bianco, potrebbe piacerne uno simile in grande quantità presso Hungryroot – può aiutare a ottimizzare la distribuzione del cibo in tutte le scatole, riducendo gli sprechi, afferma Kong.
Inoltre, lo stesso algoritmo di suggerimento della spesa basato sull’intelligenza artificiale è intelligente e aiuta Hungryroot a prevedere la quantità di ogni tipo di cibo da acquistare. Poiché le preferenze dei clienti sono note, è più facile prevedere la domanda e gestire l’inventario. Saunders è d’accordo. “Il vantaggio principale per i marchi è che migliorano nel fornire ai clienti ciò che vogliono e hanno scorte sufficienti per soddisfare la domanda. Con la consegna regolare di generi alimentari, una delle cose più frustranti sono le cattive sostituzioni o i prodotti indesiderati. Se l’intelligenza artificiale aiuta i marchi a capire cosa vogliono i clienti, hanno maggiori possibilità di fidelizzare e ripetere gli affari”, afferma Saunders.
Hungryroot si assicura anche di tenere a mente gli acquisti della dispensa dei clienti: mentre ogni ricetta potrebbe aver bisogno di sale, i clienti non hanno bisogno di acquistare sale ogni settimana.
Crescente appetito per la consegna di generi alimentari AI
I clienti hanno risposto bene a Hungryroot: la startup è in crescita del 133% su base annua per i clienti attivi. Nel giugno 2021, Hungryroot ha raccolto $ 40 milioni in un round di finanziamento di serie C.
L’algoritmo ha un alto tasso di successo. I consumatori acquistano il 72% delle consegne di generi alimentari basate sull’intelligenza artificiale. Kong si aspetta di includere più apprendimento non supervisionato oltre al modello di apprendimento supervisionato. “Riteniamo che un modello di rete neurale che sia eccezionale nel prendere in considerazione le informazioni temporali ed eccelle nel riconoscimento dei modelli sia la chiave per creare un servizio di generi alimentari abilitato all’intelligenza artificiale di successo”, afferma Kong. “Se riusciamo a raggiungere il giusto livello di prevedibilità e varietà per ogni singolo cliente, allora abbiamo risolto il problema più difficile con la spesa basata sull’intelligenza artificiale”.
