，以往金色三麥難以精準掌握啤酒與食材需求量變動，僅能憑經驗備貨，現在，藉由AWS提供的Amazon Forecast機器學習服務可以根據歷史數據精準預估銷量，準備適量的原料，減少兩成的食材浪費！

記者／鄧天心

金色三麥在台創立20年，近年金色三麥也積極實踐數位轉型，以往金色三麥難以精準掌握啤酒與食材需求量變動，僅能憑經驗備貨，現在，藉由AWS提供的Amazon Forecast機器學習服務可以根據歷史數據精準預估銷量，準備適量的原料，減少兩成的食材浪費！

更多新聞：雲端耗能知多少 紅帽公司推Kepler算一算

過去金色三麥要費時以人工方式瀏覽、整理來自於紙本、客服與網路上的每個月超過三萬則顧客回饋，現在，透過Amazon Bedrock生成式AI服務能快速且完整分析巨量顧客意見，以精準調整、改善服務。在AWS的幫助下，金色三麥提升了營運效率，且節省盤點、叫貨及客服的人力，使團隊成員能更專注於餐飲服務與創新。

機器學習服務Amazon Forecast：根據歷史資料做出準確的銷量預測

過去金色三麥難以精準掌握淡季與旺季的啤酒與食材需求多寡，僅仰賴人工盤點，員工也只能憑經驗叫貨。金色三麥使用AWS以機器學習為基礎的預測服務Amazon Forecast，結合歷史採購資料、銷售資料、外部資料如天氣、節慶、百貨公司活動，利用經過Amazon.com淬鍊的Amazon SageMaker DeepAR時間序列模型做出銷量預測，提供精準的採購建議。

透過智慧化的分析與預測，金色三麥不僅能減少兩成的食材浪費，每間店每天更可以節省兩個負責盤點與叫貨的人力，把他們安排到更重要的崗位如餐廳內外場，員工也能專注在顧客服務，進而提升營運效率與服務品質。

生成式AI服務Amazon Bedrock：快速分析顧客回饋助力即時修正改善

金色三麥的客服部門平均每個月要處理超過三萬則客戶回饋，且需費時以人工瀏覽、整理來自客服系統的意見回饋、網站評論等資料，才能歸納出改善餐飲服務的方向。不僅需要大量人力介入，且整理週期長、歸納準確率低，整體效果不佳。

今年三月，金色三麥透過AWS的協助打造新一代輿情分析系統。該系統首先使用AWS Glue的無伺服器資料整合服務將所有資料彙整及清理，並載入到Amazon Simple Storage Service（Amazon S3）儲存服務。

同時還透過全託管基礎模型平台Amazon Bedrock採用Anthropic Claude 3大型語言模型，搭配提示工程（Prompt Engineering）優化輸入提示，系統便能自動判斷語意，三到五分鐘即能歸納所有來源的顧客評論，找到關鍵字、掌握顧客情緒，萃取顧客的意見與需求，幫助金色三麥更快採取行動、改善服務品質，提升顧客體驗。

金色三麥總經理葉淑芬表示：「金色三麥從酒廠起家，後來成為人人熟知『為歡聚而誕生』的餐飲品牌，一路上金色三麥都希望與其他餐飲品牌做出區隔，而精準掌握銷量、提升服務品質，都是餐飲品牌進步的關鍵。

借助AWS的技術，金色三麥整合並分析散落各處的資料，打造顧客資料平台，並用生成式AI快速分析輿情，即時提升客戶體驗。金色三麥也透過AWS的ML技術準確預測餐點需求，進而精準控制備貨量，藉此團隊可以節省人力，更專注在餐飲服務上，提升工作效率的同時也加速創新。」

關於Amazon Web Services

自2006年來，Amazon Web Services一直在提供世界上服務最豐富、應用廣泛的雲端服務。AWS不斷擴展可支持幾乎任何雲端工作負載的服務，為客戶提供超過240種功能全面的雲端服務，包括運算、儲存、資料庫、聯網、分析、機器學習與人工智慧、物聯網、行動、安全、混合雲、媒體，以及應用開發、部署和管理等方面，遍及33個地理區域內的105個可用區域（Availability Zones），並已公佈計畫在馬來西亞、墨西哥、紐西蘭、沙烏地阿拉伯和泰國等建立6個AWS地理區域、18個可用區域。全球超過百萬客戶信任AWS，包含發展迅速的新創公司、大型企業和政府機構。AWS協助客戶強化自身基礎設施，提高營運上的彈性與應變能力，同時降低成本。欲瞭解更多AWS的相關資訊，請至：aws.amazon.com。

這篇文章 金色三麥靠AWS AI預測銷量 成功減少2成食材浪費！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。