# کاهش زمان سفارش دوباره خواربار در DoorDash از ۱۶ به ۲ ثانیه

> DoorDash تحلیل خریدهای تکراری را از فرایند درخواست زنده جدا کرده است. این شرکت می‌گوید فهرست‌های خرید دو برابر بیشتر دیده شده‌اند و نرخ ثبت سفارش حدود ۳۴٪ افزایش یافته است.

Oossa · 2026-10-30 · https://oossa.com/fa/doordash-cuts-grocery-reorder-time-from-16-to-2-seconds

DoorDash با آماده‌سازی ازپیشِ نیازهای تکرارشونده خرید، زمان انتظار برای قابلیت سفارش دوباره خواربارِ مجهز به هوش مصنوعی را از حدود ۱۶ ثانیه به ۲ ثانیه کاهش داده است. این شرکت می‌گوید پس از این تغییر، بازدید از فهرست‌های خرید دو برابر شده و نرخ ثبت سفارش از این مسیر حدود ۳۴٪ افزایش یافته است. این قابلیت از طریق Ask DoorDash، دستیار خرید مکالمه‌ای این شرکت، ارائه می‌شود.

DoorDash به‌جای اینکه هر بار با باز کردن درخواست سفارش دوباره از یک مدل هوش مصنوعی بخواهد نیازهای احتمالی مشتری را از نو حدس بزند، از پیش سابقه خرید ۹۰ روزه را همراه با سیگنال‌های پروفایل بررسی می‌کند. یک مدل زبانی بزرگ (LLM) ــ همان نوع هوش مصنوعی که چت‌بات‌ها را پشتیبانی می‌کند ــ اقلامی را پیشنهاد می‌دهد که ممکن است خریدهای تکراری باشند. سپس مجموعه‌ای جداگانه از بررسی‌های ثابت، پیشنهادها را اعتبارسنجی می‌کند و داده‌های فهرستِ قابل استفاده مجدد ذخیره می‌شوند.

## وقتی مشتری فهرست را باز می‌کند چه اتفاقی می‌افتد؟

درخواست زنده، فهرستی را که از پیش آماده شده بازیابی می‌کند و هر قلم را با کاتالوگ فعلی محصولات تطبیق می‌دهد. سیستم ابتدا سراغ همان قلم از فروشگاه اصلی می‌رود، سپس شناسه محصول در کاتالوگ را بررسی می‌کند و در نهایت از عبارت جست‌وجو کمک می‌گیرد. این ترتیب کمک می‌کند محصولات تغییرکرده یا ناموجود مدیریت شوند، بی‌آنکه تحلیل سابقه خرید برای هر درخواست از نو انجام شود.

همه کارها به پاسخ دیگری از هوش مصنوعی نیاز ندارند. مشتریان می‌توانند تعداد اقلام را تغییر دهند یا محصولی را مستقیم حذف کنند؛ فهرست به‌روزشده هم مبنای نوبت بعدی تعامل با دستیار می‌شود. DoorDash می‌گوید وقتی درخواست به قضاوت بیشتری نیاز دارد، مثلاً برای یافتن گزینه‌های ارزان‌تر با توجه به قیمت‌های فعلی، تخفیف‌ها، اندازه بسته‌بندی، موجودی و ترجیحات مشتری، همچنان از عامل Grocery استفاده می‌شود.

## یک پلتفرم مشترک برای عامل‌های دیگر

سامانه خواربار از پلتفرم مشترک عامل‌های DoorDash استفاده می‌کند؛ پلتفرمی که ابزارهایی برای هماهنگی عامل‌ها، حافظه، دسترسی به مدل‌ها، ردیابی، ارزیابی و عرضه کنترل‌شده فراهم می‌کند. با این حال، تیم‌های مختلف همچنان دستورالعمل‌ها، ابزارها و معیارهای ارزیابی عامل‌های خود را مدیریت می‌کنند. تویشا جین، مهندس DoorDash، این رویکرد را تصمیم‌گیری درباره این‌گونه توصیف کرد که کدام کار باید در چرخه زنده عامل انجام شود و کدام کار را می‌توان زودتر انجام داد.

DoorDash می‌گوید افزودن عامل Reservations به پلتفرم مشترک یک هفته طول کشید؛ حدود ۱۰ برابر سریع‌تر از ساخت نخستین عامل‌های تخصصی این شرکت. این موضوع به هدفی دیگر در کنار سریع‌تر کردن سفارش دوباره خواربار اشاره دارد: آسان‌تر کردن ساخت عامل‌ها برای تیم‌ها با زیرساخت مشترک. در طراحی DoorDash، فهرست خرید همچنین شیئی قابل ویرایش است، نه صرفاً سابقه‌ای از پیام‌های گفتگو؛ بنابراین تغییرات مستقیمی که مشتری در آن اعمال می‌کند اولویت دارند.

## حقایق

- DoorDash زمان تأخیر سفارش دوباره خواربار را از حدود ۱۶ ثانیه به ۲ ثانیه کاهش داده است.
- این سامانه سابقه خرید ۹۰ روزه را همراه با سیگنال‌های پروفایل مصرف‌کننده تحلیل می‌کند.
- DoorDash می‌گوید بازدید از فهرست‌های خرید دو برابر شده و نرخ ثبت سفارش از این مسیر حدود ۳۴٪ افزایش یافته است.
- DoorDash می‌گوید افزودن عامل Reservations یک هفته طول کشید؛ حدود ۱۰ برابر سریع‌تر از ساخت نخستین عامل‌های تخصصی آن. 

## چرا مهم است

برای مشتریان DoorDash، این تغییرِ گزارش‌شده یعنی فهرست سفارش دوباره خواربار می‌تواند سریع‌تر بارگذاری شود و در عین حال مشتریان همچنان می‌توانند آن را مستقیم ویرایش کنند و محصولات را با کاتالوگ فعلی تطبیق دهند. DoorDash از افزایش بازدید فهرست‌ها و نرخ سفارش خبر می‌دهد، اما این ارقام نشان نمی‌دهند قابلیت برای همه مشتریان چگونه عمل می‌کند یا چه بخشی از افزایش به کوتاه‌تر شدن زمان انتظار مربوط است.

## منابع و ارجاع‌ها

1. [DoorDash Cuts Grocery Reorder Latency from 16 to 2 Seconds with AI Agents](https://www.infoq.com/news/2026/10/doordash-ai-grocery-reorder/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-30

آخرین به‌روزرسانی: 2026-10-30