机器学习如何优化生鲜购物体验

某中心生鲜服务自2019年起需求激增，服务范围扩展至更多城市并向会员免费开放。商品种类增至数万种，涵盖完整生鲜食品、日用品和礼品等，并推出一至两小时配送服务。2020年，某中心生鲜超市的推出进一步提升了顾客体验，引入无需结账的智能购物车、手机应用预约取货及店内Alexa交互等功能。

“我们持续通过数十年运营经验和科学创新优化购物体验，”某中心生鲜副总裁表示，“从预测到选品，团队正通过机器学习模型提升服务效率。”

精准库存管理

某中心生鲜技术总监Tommy Jiang团队专注于需求预测模型开发。生鲜产品保质期短且地域性强（例如西雅图的草莓订单无法从纽约调货），需避免全局铺货造成的浪费。团队通过时间序列模型构建供应商选择系统，综合考虑质量、配送时间和价格等因素自动化采购决策。

该团队采用某中心弹性MapReduce（EMR）云服务处理供需端海量数据，内置Apache Spark MLlib、TensorFlow和Apache MXNet等机器学习工具开发预测分析套件。COVID-19疫情期间，预测模型帮助库存可用性提升15%，缓解了供应链中断带来的压力。

技术总监Gus Lopez团队负责选品策略。生鲜购物存在显著替代性特征（例如顾客更易接受替代品牌），团队通过机器学习模型生成商品配对并基于人工标注数据排序，推荐最合适的替代方案。

机器学习还用于价格异常检测，自动识别关键属性失配（如单罐饮料与六连包的区别）以及商品图片与标题不一致等问题。科学创新覆盖顾客全生命周期，以用户为中心优化购物流程。

“我们的目标是预判顾客需求，使生鲜购物更简单便捷。科学家的工作正推动这一使命的实现，”某中心高管总结道。