— Почему возникла такая потребность у клиента — Какие системы мы объединили — Как уже сейчас рестораны применяют решение — Какие перспективы заложены в архитектуре

В большинстве ресторанных сетей данные о гостях живут разрозненно: бронирования в одной системе, чеки в другой, переписки в мессенджерах, отзывы в агрегаторах. В результате у бизнеса нет целостного понимания клиента, а в эпоху AI это напрямую ограничивает эффективность сервиса, персонализацию и рост LTV.

К нам обратился заказчик, сеть из 10 ресторанов, с запросом на создание единой базы клиентов, которая объединит все знания о госте и полную историю его взаимодействия с бизнесом: от первого контакта до повторных визитов.

Что мы объединили

В рамках проекта мы проанализировали цифровой контур заказчика и выявили, что данные о клиентах распределены между несколькими ключевыми системами:

Telegram Здесь хранится вся история переписки с клиентом, там очень много ценной информации, которую гость сообщал менеджеру в личном общении.

Remarked Это система онлайн-бронирования, которая хранится в себе не только информацию о количестве визитов, любимых слотах и тд., но и информацию о поводах для визита, количеству гостей, а также комментарии и заметки о гостях, которые сотрудники делают в процессе обслуживания клиента.

IIKO Это всем известная система управления ресторанами, в ней хранится информация о том, что гость заказывал, на какую сумму был визит, сколько он длился и прочие детали о его визите.

RocketData В RocketData собирается информация про оценку визита гостем, а также его отзывы, которые он оставляет на различных агрегаторах.

Приложение Это огромный источник информации, там мы получаем информацию о ФИО, номер телефона, дату рождения, аватарку, даты захода, аллергии, предпочтения, историю его покупок и еще множество различной информации.

Платежные системы Благодаря подключению к эквайрингу, мы наверняка знаем, была ли оплата от клиента, на какую сумму, когда и закончилась она успешно или нет.

Все прочие логи Отдельно хочу выделить то, что мы храним технические логи, благодаря которым мы можем понять и обработать технические сбои у конкретного юзера — если не подгрузились слоты для бронирования, не прошла оплата за сертификат, не пришел билет на мероприятие и тд.

См.картинку 2 — Cхема умной базы данных

В результате мы собрали единую базу данных, в которой по каждому гостю доступен полный профиль его взаимодействия с рестораном — независимо от того, в какой системе произошёл контакт. Для менеджеров и управляющей команды это стало единым источником правды о клиенте в специальной административной панели.

Как рестораны используют умную базу клиентов уже сейчас

На текущем этапе запущена альфа-версия решения. Фокус этого этапа — построение надёжной архитектуры хранения данных и обмена информацией между сервисами, которая уже используется в операционной работе и закладывает основу для масштабируемого интерфейса в следующих итерациях.

Но даже сейчас уже рестораны успешно применяют работу с умной базой клиентов. Вот, какие кейсы используются чаще всего:

Продолжение в комментариях