Un artículo de Ben Paynter en Fast Company de 2017 afirma que Cava, una cadena de comida rápida mediterránea, había crecido hasta los 24 restaurantes con otros 18 previstos para ese año. El científico jefe de datos, Josh Patchus, operaba un sistema de sensores Raspberry Pi en restaurantes seleccionados para monitorear desde los tiempos de espera de los clientes hasta las prácticas de seguridad alimentaria.
Los sensores de movimiento mostraron que las colas se acumulaban cerca del cartel del menú y mientras los clientes elegían ingredientes en la estación de servicio. En lugar de reducir las opciones, Patchus rediseñó los carteles del menú para que la gente supiera qué esperar al llegar a la estación; el artículo dice que las colas avanzaron un 10 por ciento más rápido y contuvieron un 12 por ciento más de personas. Los sensores de asientos mostraron que los clientes urbanos se marchaban justo después de comer, mientras que los suburbanos se quedaban más tiempo, así que sugirió un 30 por ciento más de asientos en las sedes suburbanas, y el artículo dice que las tiendas rediseñadas ganaron un 20 por ciento más de ingresos por pie cuadrado.
En la trastienda, las cámaras frigoríficas informaban cuánto tiempo habían estado abiertas y cualquier pico de temperatura o humedad. Los datos mostraron que los quemadores calentaban de forma desigual, así que el equipo de preparación cocinaba artículos como las albóndigas de cordero desde el centro de la parrilla hacia fuera. Fast Company informa que las quejas sobre la calidad de la comida cayeron un 28 por ciento después de eso.
Instrumentar unos pocos restaurantes con sensores Raspberry Pi baratos y dejar que el comportamiento medido, y no el instinto, guiara el diseño del espacio y del menú.
Las colas largas desaniman a los clientes, y los sensores mostraron dónde se formaban realmente.
Los clientes de los suburbios y de la ciudad usan el mismo restaurante de forma muy diferente.
Las fallas invisibles de la cocina, como una nevera que se deja abierta, solo son visibles para un sensor.
Un sistema Raspberry Pi es lo bastante barato como para instalarlo en un puñado de restaurantes de prueba.
La detección barata en unos pocos sitios piloto puede convertir un objetivo vago de «experiencia» en cambios específicos con retornos medibles.
El artículo reporta las cifras anteriores y dice que Patchus las usó para impulsar el «ROI de la experiencia» de Cava. Todas las cifras son según lo reportado por la revista a partir del responsable de datos de la empresa, y no se ofrece ninguna medición independiente.
CONSULTA LAS PRUEBAS
Las fuentes
- How Cava Uses Data To Redesign Restaurants Fast Company · fastcompany.com ·