Un article de Ben Paynter publié en 2017 dans Fast Company indique que Cava, une chaîne de restauration rapide méditerranéenne, était passée à 24 restaurants, avec 18 autres prévus cette année-là. Le chef data scientist Josh Patchus exploitait un système de capteurs Raspberry Pi dans certains restaurants pour surveiller tout, des temps d'attente des clients aux pratiques d'hygiène alimentaire.
Les capteurs de mouvement ont montré que les files s'accumulaient près du panneau de menu et pendant que les clients choisissaient leurs ingrédients au poste de service. Plutôt que de réduire les choix, Patchus a repensé les panneaux de menu afin que les gens sachent à quoi s'attendre en arrivant au poste ; l'article indique que les files avançaient 10 pour cent plus vite et contenaient 12 pour cent de personnes en plus. Les capteurs de places assises ont montré que les clients urbains partaient juste après avoir mangé tandis que les clients suburbains s'attardaient ; il a donc suggéré 30 pour cent de places assises en plus dans les sites suburbains, et l'article indique que les magasins repensés gagnaient 20 pour cent de revenus au pied carré en plus.
En cuisine, les chambres froides signalaient depuis combien de temps elles étaient ouvertes et tout pic de température ou d'humidité. Les données ont montré que les brûleurs chauffaient de façon inégale ; l'équipe de préparation a donc cuit des éléments comme les boulettes d'agneau du centre du gril vers l'extérieur. Fast Company rapporte que les plaintes sur la qualité des aliments ont chuté de 28 pour cent après cela.
Équiper quelques restaurants de capteurs Raspberry Pi bon marché et laisser le comportement mesuré, et non l'instinct, guider l'aménagement et la conception du menu.
Les longues files découragent les clients, et les capteurs ont montré où elles se formaient réellement.
Les clients de banlieue et de ville utilisent le même restaurant de manière très différente.
Les défauts invisibles de la cuisine, comme un réfrigérateur laissé ouvert, ne sont visibles que par un capteur.
Un système Raspberry Pi est assez bon marché pour être installé dans une poignée de restaurants tests.
Une détection bon marché dans quelques sites pilotes peut transformer un objectif vague d'« expérience » en changements précis aux retours mesurables.
Suites
L'article rapporte les chiffres ci-dessus et indique que Patchus les a utilisés pour augmenter le « ROI de l'expérience » de Cava. Tous les chiffres sont tels que rapportés par le magazine à partir du responsable des données de l'entreprise, et aucune mesure indépendante n'est fournie.
VÉRIFIEZ LES SOURCES
Les sources
- How Cava Uses Data To Redesign Restaurants Fast Company · fastcompany.com ·