張言愷 資深專員

對單一消費者而言，Ubereats 可以透過大數據資料的演算，加上人工智慧 的分析，可以推算該消費者在特定時間的可能飲食偏好，進而推薦客製化菜單， 給終端消費者，換言之，透過大數據與人工智慧分析，Ubereats 可以更有效率地 媒合平台內的餐廳跟消費者潛在需求，達到優化交易，讓餐廳的點餐及曝光率提 高，消費者可以得到喜好的餐點，進而提高業務量，更甚者，就算消費者只點過 一種餐點，Ubereats 也可以透過演算法提供更多元的推薦菜單。

然而，一昧地推薦消費者偏好的餐廳，也會導致失衡，例如:在推薦排行榜 上，新進餐廳很有可能會被之前較受歡迎的餐廳蓋過，人工智慧就可以將新進餐 廳歸納，並推薦給有此偏好的消費者，讓新進餐廳的曝光以及點餐率能夠提高。

對外送司機而言，透過大數據分析，除了可以優化行車路線，讓外送司機能 更安全、更有效率地將餐點送抵消費者手中，還可以透過獎勵機制，將過度集中 的訂單分批，優化司機交付效率，並採用動態化需求定價，將分潤最佳化，使餐 點能在 30 分鐘內送達。

大數據及人工智慧還可以預測新進餐廳為平台帶來多少增量，對平台上的餐 廳而言，更可以提供可能流行的菜式，好讓餐廳可以預作準備。

無論是餐點不合胃口，送餐過程發生摩擦，都可能導致消費者對體驗感到不 快，進而不再透過平台點餐，透過分析長期滿意的準確信號，可以避免推薦消費 者點到自己不喜歡的餐點，踩到地雷。

然而，消費者下次會不會透過平台點餐，終究是延遲信號，為了將消費者留 在平台上，Ubereats 開發了機器學習模型來預測延遲信號。

餐廳透過平台尋找消費者，消費者取得想要餐點，外送司機交付餐點賺取酬 勞，這三方的體驗都同樣重要，三方都有美好的體驗，達到三贏，才能達到長期 的成功，透過大數據、人工智慧機器學習，不斷地分析，並權衡三方如何達到最 佳效益，就是其能給 Ubereats 帶來的協助。

關鍵字:Ubereats、大數據、人工智慧、機器學習

Neilpatel:https://neilpatel.com/blog/how-uber-uses-data/
UberEngineering: https://eng.uber.com/tag/ubereats/ Venturebeat:https://venturebeat.com/2018/10/23/ubereats-is-using-ai-to-predict-the- incremental-value-a-restaurant-can-bring-to-the-platform/