【Google Cloud OnBoard 成功案例】從料理到生活:全台最大食譜分享社群平台 ─ 愛料理

從料理到生活:全台最大食譜分享社群平台 ─ 愛料理

iCook

愛料理

從 2011 年創辦至今,台灣女性中每 3 人就有 1 人是愛料理的使用者。 愛料理平台上聚集了來自各地的料理達人與食品料理專家,共創高達 160,000 道以上的食譜,單月瀏覽點擊數約 6 千 3 百萬次。根據統計,目前台灣約有 4 百萬用戶都愛用愛料理的料理網站。

愛料理官網

GCP 有完善的 Data 服務,讓企業更專注於產品研發

每月瀏覽點擊達 63,000,000 次

愛料理在使用 Google Cloud 之前是選擇其他雲端平台,相較於其他廠牌,Google Cloud 在資料的基礎設施上提供更完整優良的產品服務;加上位處於台灣的彰濱機房,讓台灣及鄰近地區的客戶在存取速度上都有非常傑出的表現。

成本方面,移轉到 Google Cloud 後,由 BigQuery 領銜的大數據分析架構之下,每個月節省約一半的成本;此外,GCP 提供了完整的代管服務, 讓我們能從目前流行的 DevOps 和 SRE 更進一步到以 NoOps 的方式使用 Machine Learning Engine 和 AutoML,進而省下了許多維運人力,能夠更專注於產品功能研發。

愛料理創辦人暨 CTO 李致緯說:「透過 GCP 的服務,不同 function 的同仁都可以輕易地去採用機器學習和大數據等服務,並解決工作上遇到的問題。在使用的過程中,GCP專門家會直接告訴我們如何正確的使用這些服務,節省我們大量摸索的時間。」

愛料理

愛料理在 GCP 上的數據處理及分析

台灣女性每 3 人就有 1 人是愛料理用戶

眾所皆知的是:BigQuery 在產業中極具競爭力。愛料理從前端的 Cloud Functions 串接到 Cloud Pub/Sub 匯入資料後,再透過 BigQuery 做主要的倉儲,近期也正在規劃採用 Cloud Dataflow 做資料整合。

愛料理在 GCP 上的機器學習應用

愛料理除了仰賴 Google Kubernetes Engine 部署其官方網站和 APP 之外,它在 Line 也經營了兩百多萬追蹤者的官方帳號,背後即是使用 Dialogflow 跟 Cloud functions 作實踐,而如何結合 Google 機器學習產品更是愛料理在 GCP 上的應用重點。

以開發者的角度,重視的是如何建立演算法和機器學習模型;以技術負責人的立場,則會思考如何讓機器學習以規模化的方式進行。過往企業採用機器學習服務的過程是非常漫長且遙遠的,通常會聘請一個碩博士專家訓練模型,除了將模型放到雲服務上之外,還需要時時更新它並且串接 API,才能讓前端人員具體應用。

因此當 Google 釋出 Cloud Machine Learning Engine 時,愛料理即廣泛採用這項可以讓您隨選訓練和預測的機器學習產品,不論是訓練或是預測的 API,Cloud Machine Learning Engine 都有效地完成了。

透過機器學習,大量節省小編工作時間

除了網站、APP 之外,愛料理也額外經營 instagram、FB、Youtube 等社群平台,身為台灣最大的料理主題媒體,跟粉絲及使用者即時互動非常重要。然而每天在社群媒體上產生的新留言成千上萬,如何有效的篩選並回應,這必須仰賴 Google Cloud 的機器學習服務。

愛料理首先使用 Cloud Functions 蒐集各平台的新留言,並將留言導入 Cloud Machine Learning Engine 區分是否需要愛料理回覆,待需要回覆的留言進入客服系統後,公司內部通訊軟體則會跳出通知提醒,而這項功能節省極大量小編的時間。

鼓勵使用者分享食譜,就靠機器學習

為鼓勵用戶分享食譜,愛料理在技術上更是全力支援,首先透過 firebase 的機器學習解決方案辨識用戶裝置中的照片是否為食物,再搭配用戶過去收藏的食譜記錄,愛料理可以更精準的使用 ⌈提醒⌋ 功能:鼓勵用戶分享裝置中的食物照片。

GCP 及 GCP專門家為愛料理帶來的顯著助益

Google 讓艱深的機器學習和資料處理變得更親民易懂。以企業的角度,達到數據驅動化 (data-driven) 是終極目標;對愛料理而言,當每位同仁都能夠輕易地存取數據 (data accessibility) 並挖掘應用時,自然有機會成為以數據驅動化為基礎的公司。

如大家所知,Google Cloud 目前在雲端市場正急起直追,有些產品還在 beta 或 alpha 階段。愛料理選擇找個可靠、值得仰賴的夥伴:GCP專門家,透過 GCP專門家主動且實在的諮詢說明,避免了許多愛料理在 GCP 使用上的技術地雷,省去大量摸索研究的時間。

返回客戶案例