foodpanda是目前台灣民眾最常使用的外送平台，能達到高使用率不是只靠廣告宣傳，foodpanda長期耕耘AI技術去精進平台營運效能，更細緻化分析消費者行為數據去做出客製化的行銷推廣，以期讓消費者每打開一次APP就有成立訂單的機會、而每一筆訂單都要能帶來正面的消費體驗。
根據資策會產業情報研究所（MIC）於2024年2月22日發布的《外送大調查》，foodpanda以73.6％的常用度，穩坐台灣民眾最常使用的外送平台，且佔據所有年齡層常用平台第一名。在競爭激烈的外送市場中，foodpanda能穩居領先地位，不能不歸功於科技力量的協助、使其重新定義外送服務的便利性，且透過持續耕耘與優化AI技術，將外送效率、服務精準與顧客體驗不斷精進。
運用天氣預測 雨天祭出激勵獎金使訂單延遲率降低8成
外送運營最難的一點，就是訂單和外送員的平衡，單少人多或單多人少都不是一個均衡的狀態，例如當訂單量湧入時，沒有人送是最糟糕的狀況，特別是在沒人想出門的下雨天！foodpanda營運總監秦宇表示，「雨天外送的最大挑戰是供需失衡，而AI幫助我們準確預測這種失衡的程度，並迅速做出調整。」
秦宇解釋，foodpanda內部測過測試，若是在不加碼獎勵的情況下，外送員雨天的上線率和訂單需求量會落差20～30％。「所以要如何知道明天的天氣或是說下一個小時的天氣是什麼情況，然後利用判斷天氣對每個地區外送供需的影響，只要能做到預測，就有辦法知道如何配置資源！」
因此foodpanda與第三方天氣數據公司合作，建立了一套每15分鐘、半小時更新的天氣預測模型。當預測顯示雨勢即將來襲時，平台會迅速啟動「雨天加碼」計畫，為每單額外支付獎勵（如雨天加碼單次10～50元，甚至特殊情況如過年達100元），成功吸引外送員回到路上。最容易接到客訴的長尾訂單（超過45分鐘的延遲訂單）的延遲率更驟降80％，成功提升平台服務營運效率和穩定性。
訂單與人力預測雙模型搭配 優化供需平衡
除了天氣預測，foodpanda也累積長時間的數據資料來作出「訂單預測」和「人力預測」的雙模型媒合。「和其他外送平台讓外送員隨時上線的彈性不同，foodpanda為了要保障外送員能夠有一定的單量，所以會要求外送員先選班。」秦宇說明，訂單預測是結合大量數據進行時序分析（Time Series）與季節、時段因素，來預測每個時段的訂單量。人力預測則是根據外送員班次選擇與歷史表現來分配所需人力。「因此我們開出的每個時段都有限制外送員上線人數，而只要上線就能確保他有單可以接，而不會空等浪費時間。」而為了優化供需平衡，當有班次的人數不足時，再啟動加碼與其他資源調配。在酷暑、寒流、暴雨等極端天氣下，人力增幅可達10％～30％。 （相關報導： Foodpanda熊貓為何左耳缺一角？9成台灣人都沒發現的小巧思，內行人揭最可能原因 ｜ 更多文章 ）
更聰明的路線！讓每次派送都是一次精準計算
「效率」是外送產業的核心，為此foodpanda建置了「即時派單系統：AI演算最佳化外送路徑」，透過AI模型分析即時運算與派送優化，秦宇透露，AI系統會根據外送員的位置、路線時間、餐廳距離、交通狀況及訂單需求，提供最佳派送路線。且數據運算會即時動態化，根據每秒供需平衡調整派送計畫，也會將多筆訂單整合，進行最省時的「夾單配送」，讓外送員可一次處理多筆訂單（同餐廳或不同餐廳），提升效率與收入，同時又能在系統預估時間內準時送達。
