Πώς τα εστιατόρια πετυχαίνουν επαναλαμβανόμενη επισκεψιμότητα μέσω των analytics
Χρόνια τώρα, σε διεθνές επίπεδο, το επιχειρείν, η επιστήμη
των χρηματοοικονομικών, ο τομέας της τεχνολογίας, του τουρισμού,
του αθλητισμού κ.ο.κ. δείχνουν να κινούνται στη σφαίρα
των δεδομένων και των analytics που τα συνοδεύουν.
Εάν θεωρείτε πως η συλλογή, η επεξεργασία, η ανάλυση, ο διαμοιρασμός και η αξιοποίηση των δεδομένων δεν αφορούν μια επιχείρηση εστίασης και φιλοξενίας, μάλλον δεν έχετε σφαιρική «εικόνα» της αγοράς, των πελατών και του επιχειρείν εν γένει. Μπορεί στο μυαλό των περισσοτέρων η αναφορά του όρου «δεδομένα» να σχετίζεται αποκλειστικά με το χρηματοπιστωτικό σκέλος μιας επιχείρησης ή τις «απρόσωπες» πωλήσεις, ωστόσο τα επόμενης γενιάς δεδομένα στις επιχειρήσεις εστίασης δείχνουν να λαμβάνουν περισσότερο προσωποποιημένη χροιά.
Πλέον, πολλοί επαγγελματίες, συλλέγουν μια σειρά από στοιχεία και δεδομένα από πολλαπλές πηγές (λ.χ. online σύστημα κρατήσεων, λογισμικό παραγγελιοληψίας, έρευνες ικανοποίησης κ.ά.) με σκοπό τη δημιουργία μιας δομημένης και ολοκληρωμένης εμπειρίας για τους πελάτες τους. Εξάλλου η δυνατότητα προσωποποίησης που δίνει η συλλογή, ανάλυση και αξιοποίηση των δεδομένων που συλλέγονται είναι η ουσία όλου του σκεπτικού.
Τα συμπεράσματα από την ανάλυση των analytics συμβάλλουν στη διαμόρφωση αντίληψης των πελατών, ώστε να αντιμετωπίζουν υπό θετικό πρίσμα σημαίνοντα χαρακτηριστικά στην αλληλεπίδραση με το εστιατόριο. Αυτά είναι, για παράδειγμα, η ποιότητα των εδεσμάτων ή των υπηρεσιών που απολαμβάνουν, καθώς επίσης και ο βαθμός ικανοποίησης που λαμβάνουν από αυτά.
Τα δεδομένα… οπλίζουν τις προσφορές προς τους πελάτες
Τα δεδομένα που σχετίζονται λ.χ. με τη συχνότητα που κάποιος επιλέγει ένα εστιατόριο για δείπνο αντί για το σπίτι του, τα χρηματικά δεδομένα που αφορούν σε κάθε του έξοδο, την ώρα που συνήθως προτιμά να δειπνήσει, τις επιλογές που κάνει σε επίπεδο κατηγορίας πιάτων κ.ά. βοηθούν σημαντικά στη διαδικασία κατηγοριοποίησης και στόχευσης των ίδιων των πελατών. Για παράδειγμα, ένα εστιατόριο μπορεί να… κάνει τους πελάτες να αισθανθούν οικεία, παρέχοντάς τους απλόχερα και φιλόξενα τις υπηρεσίες τους.
Αυτό μπορεί να γίνει με το να προσφέρει κάποια έκπτωση ή μια δωρεάν παροχή-κέρασμα στους πιο «πιστούς» πελάτες. Σ’αυτούς δηλαδή που πραγματοποίησαν περισσότερες από 3-4 κρατήσεις/επισκέψεις μέσα στον μήνα. Κάτι τέτοιο προκαλεί θετικά συναισθήματα στους καταναλωτές-πελάτες, οι οποίοι και νιώθουν πως βρίσκονται ψηλά στο ενδιαφέρον της επιχείρησης, απολαμβάνοντας μια προνομιακού επιπέδου πελατοκεντρική εξυπηρέτηση.
Επεξεργασία και εκτέλεση στρατηγικής που στηρίζεται σε απτά δεδομένα
Τελευταία, έχουν κάνει την εμφάνισή τους στο εξωτερικό –κυρίως σε Αγγλία, Γαλλία, Γερμανία και ΗΠΑ– μια σειρά από εταιρείες analytics, που προέρχονται από οργανωμένες και ευμεγέθεις αλυσίδες εστίασης, πολλαπλών λειτουργιών και χρήσεων. Αυτού του είδους τα δεδομένα, που μπορούν να αποτελέσουν πολύτιμο «οδηγό» και για τη δική σας επιχείρηση, μπορεί να είναι δεδομένα συναλλαγών εντός (και εκτός) των καταστημάτων, που αφορούν την ικανοποίηση των πελατών, τα οποία και φτάνουν μέχρι και απαντήσεις σε έρευνες ή προσωπικές συνεντεύξεις. Επίσης τα δεδομένα αυτά μπορεί να αφορούν την «ταυτότητα» (λ.χ. συχνότητα, διάρκεια, ώρα και ημέρα πραγματοποίησης της επίσκεψης, αγοραστικές συνήθειες, προσωπικές προτιμήσεις κ.ο.κ.) των επισκέψεων κ.ά.
Τα δεδομένα που σχετίζονται με τη συχνότητα κατά την οποία ένας πελάτης βγαίνει για να δειπνήσει, τα χρηματικά δεδομένα που αφορούν σε κάθε του έξοδο, την ώρα που συνήθως προτιμά να δειπνήσει, τις επιλογές που κάνει σε επίπεδο κατηγορίας πιάτων κ.ά. βοηθούν σημαντικά στη διαδικασία κατηγοριοποίησης και στόχευσης των ίδιων των πελατών.
Σε πολλές περιπτώσεις, το αποτέλεσμα που προκύπτει από την ποικιλότροπη όσο και επίπονη ανάλυση των δεδομένων αποδεικνύεται ιδιαίτερα σημαντικό. Και αυτό γιατί μπορούν και «δείχνουν» την οδό στην οποία πρέπει να βαδίσει μια επιχείρηση προκειμένου να αξιοποιήσει στο μέγιστο βαθμό την πρόθεση των καταναλωτών να διαθέσουν τα χρήματα που έχουν στην κατοχή τους, αποσπώντας μάλιστα το μεγαλύτερο (αν όχι όλο) το ποσό. Αξίζει να αναφέρουμε το πρόσφατο παράδειγμα μιας αλυσίδας εστίασης στις ΗΠΑ, που χάρη στη χρήση των analytics διαπίστωσε πως το 70% των πωλήσεων που πραγματοποιούσε το κατάστημά της στον πολυχώρο του γηπέδου American Airlines Arena στο Μαϊάμι αφορούσε σε αναψυκτικά και σνακ και όχι μαγειρευτά ή επιλογές ψητού φαγητού.
Η αλυσίδα δεν έμεινε με… σταυρωμένα χέρια, αλλά αποφάσισε να «διαβάσει» πίσω από τα «στεγνά» δεδομένα που είχε στη διάθεσή της. Πού κατέληξε; Να προσθέσει στο κατάστημά της έναν εξειδικευμένο υπάλληλο, κάτι ως «captain» ή «maître», ο οποίος και συμμετέχει ενεργά στην ανακατεύθυνση των πελατών στο κατάλληλο σημείο με βάση τις προτιμήσεις τους. Κάνοντάς το αυτό αποφεύχθηκε η δημιουργία μεγάλου μήκους ουρών από πελάτες, που όπως είναι φυσικό απέτρεπαν τους δυνητικούς ή τους υφιστάμενους καταναλωτές να εξυπηρετηθούν από το συγκεκριμένο κατάστημα.
Αποτέλεσμα; Μέχρι η αλυσίδα να προβεί στην τοποθέτηση του προαναφερθέντος υπαλλήλου, η πλειονότητα των πελατών επέλεγε την εύκολη όσο και γρήγορη λύση. Το να αγοράσουν δηλαδή αναψυκτικό ή σνακ αντί να περιμένουν για να απολαύσουν ένα ολοκληρωμένο γεύμα. Από τότε που η εταιρεία επέλεξε να ασχοληθεί αποφασιστικά με το ζήτημα, οι ουρές αναμονής περιορίστηκαν κατά 55 έως και 60%. Πραγματικά εντυπωσιακή μείωση, δεν συμφωνείτε;
