食品浪費率高怎麼辦？AI化的訂單預測引擎給商家一個精確下單的機會

據techcrunch報道，針對美國零售商大量食品浪費率極高的問題，前微軟工程師Kalb和Bede Jordan開始研究訂單預測引擎。

Kalb和Jordan 於2016年推出了Shelf Engine，並將這項技術提供給其他公司。該創業公司目前正在參與YC的孵化，並已經從風險投資公司Initialized Capital處籌集了80萬美元的種子資金。

這個訂單預測引擎能夠分析歷史訂單和銷售數據，並就零售商應該訂購多少以減少浪費和增加利潤來提出建議。零售商使用貨架引擎越多，其機器學習模型就越準確。該系統還可以幫助供應商減少損耗，因為他們同意收回並退還任何在到期日之前沒有銷售的產品的購買費用。

該技術現在被WeWork，Bartell Drugs，Natural等客戶用於雜貨店和StockBox等180多個零售點。

當零售商使用這個預測引擎時，它會決定他們需要多少數量的商品，然後將這些訂單提交給供應商。在產品到達銷售日期前，零售商會向貨架引擎報告，貨架引擎僅對其銷售的數量收取費用，但仍向供應商支付全部訂單。隨著時間的推移，貨架引擎可以進行更精細的預測（例如，降價與銷售特定物品的關係）。

除了為架子引擎的創建提供動力之外，Molly還幫助其首席技術官建立了創業公司的分銷網路。

Kalb表示，該引擎已從網路效應中受益，因為當零售商註冊時，他們的供應商通常會向其服務的其他零售商提及這項引擎。Kalb表示，該創業公司目前正在招聘更多的工程師和銷售人員來幫助引擎的優化，並利用這一點，通過食品零售業傳播。

編輯：青葙子

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！