麦当劳用3亿美元收购了一家大数据公司，未来要用AI算法卖汉堡？

buzhy

麦当劳终于要开始用AI算法和大数据来卖汉堡了。

3月25日，麦当劳宣布收购一家人工智能初创公司 Dynamic Yield。这家公司的核心产品是一套AI个性化推荐引擎，可以根据不同用户的消费或浏览习惯展示不同的资讯或商品，提供个性化的营销方案，从而推动消费。

麦当劳表示，今后旗下的门店将通过这种个性化推荐技术制作智能菜单，根据餐厅客流量、天气、客户习惯等进行菜品的推荐与定制服务。该服务去年已经在部分门店进行过测试，计划今年会先在美国麦当劳的汽车餐厅「得来速」（drive-through）应用这项技术，之后再陆续推广到全球。

（图源来自Dynamic Yield官网）

Dynamic Yield是谁？

据悉，Dynamic Yield是麦当劳在考察过 30 多家同类公司之后，才最终定下来的。收购完成后，麦当劳不会对Dynamic Yield的技术实行垄断，这家公司可以继续保持独立发展。

尽管双方并没有公开收购金额的具体数目，但据《华尔街日报》、Techcrunch等多家外媒报道，收购价格可能超过3亿美元。因此，此次收购将成为麦当劳1999年收购快餐品牌Boston Market以来，最大的一笔收购。

这家被麦当劳看中并不惜斥巨资买下来的企业，到底是什么来头？

据公司官网介绍，Dynamic Yield是一家位于纽约的人工智能公司，2011年由连续创业者Liad Agmon创建。

这家公司的个性化推荐技术其实并不新鲜，就是今天很多国内电商平台和资讯类应用也在做的“千人千面”算法。除此之外，该公司也提供用户行为分析、个性化营销、个性化通知推送、数据管理等服务。

Dynamic Yield的客户主要集中在消费和零售领域，有 Fendi、丝芙兰、宜家、美国最大餐饮供应商哈罗生鲜（HelloFresh）、美国运动品牌 Under Armour、美国电视台 CW 等。

根据官网的案例介绍，当企业引入Dynamic 的个性化推荐技术后订单量和转化率基本都有不同程度提高。比如知名化妆品牌“丝芙兰”在引入该技术后，增加了 30% 的订单量。

当前，Dynamic Yield已经完成了 6 轮融资，总募资金额超过 8000 万美元。比较有趣的是，百度也是这家公司的金主之一。2017年C轮融资的时候，百度投了2200万美元给这家公司。

如此看来，麦当劳看中这家公司的原因也就一目了然了。

今天，麦当劳在全球共有近 3.8 万家门店，每天为约 6800 万顾客提供服务，背后有着庞大的消费数据。通过Dynamic Yield的技术，麦当劳将更有效率地运用这些数据，创造更多收入，取得销售增长。

目前具体的计划，就是先将这项技术引入麦当劳在美国本土的汽车餐厅「得来速」。个性化的电子菜单可以根据天气状况、门店人流和消费者的消费习惯来进行实时动态调整。比如在夏天推荐麦旋风，或者在客流量过大时向顾客推荐准备时间更短的餐品。

之后，麦当劳预计会在今年年内将这项技术推广到全球各大门店，同时，自助点餐机和麦当劳的移动App上也会集成该技术。

数字化的得与失

近几年，麦当劳一直是数字化改革的积极响应者。

从2016年开始，麦当劳就一直在逐渐加大对数字化技术的投入。比如今天常见的自动点餐机，最早就是从这一年开始出现的。当时，麦当劳在北京王府井开了中国大陆第一家智慧概念餐厅，推出扫码点餐和定制汉堡等服务，随后逐渐推广到全国。

之后当微信小程序兴起之后，麦当劳也积极通过这个新平台建立起从点餐、用餐到积分的全套会员服务体系。

麦当劳还积极布局社交营销，通过社交媒体打造了好几个“节日”，比如派 day 和麦乐送日。

从社交营销、自助点餐再到如今的个性化推荐算法，不难看出，麦当劳一直在试图跟上时代的脚步，希冀通过引入更多先进技术来吸引消费者。

这也是当今时代的大势所趋，随着人们的消费习惯逐渐被移动支付等新兴技术所改变，传统企业也不得不通过数字化改造来迎合时代的转变，这其中自然也包括了以麦当劳为首的传统餐饮业。

不过，这种有点急迫的数字化进程是否真的好呢？

如上文所说，Dynamic Yield的个性化推荐技术其实就是今天国内许多电商和资讯类平台都在用的“千人千面”算法。这种算法就是让系统记住的喜好，然后从今以后就一直给你推荐相同的东西。

然而这种推荐机制的弊端也很明显，那就是用户可能会一直收到类似的推荐，长此以往，容易令人反感。比如过去的今日头条，就曾因为这个问题而为人所诟病。

连续看千篇一律的资讯会令人感到不适，那千篇一律的饮食是否也会如此呢？

对于讲究多样性的餐饮业而言，这种做法恐怕并不适合该行业的发展趋势。对于用户来说，今天AI算法和大数据在很大程度上基本已经决定了我们能看什么、买什么，如果以后AI还要决定我们吃什么，这可能也不会是件什么舒服的事。

最后的话

总而言之，进步是必要的，但也不能为了追求眼前利益而盲目地数字化，妄想一蹴而就。

在过去的案例中，我们已经多次见识到人工智能技术在实践应用的过程中，经常会因为各类问题而在发展的路上走偏了。

不管在哪个行业，技术的应用都需要一个循序渐进的过程