Век живи - век учись

Чем заниматься во время бессонницы в ночь пятницы?
Конечно же составлять ТЗ на нашу новую программу аналитики показателей ресторана.

Это программа будет не для наших заведений, а для всех ресторанов, пожелающих ее установить.

По сути, это отдельный программный продукт для рестораторов-управленцев.

Я уже сбился со счета какую попытку я предпринимал, чтобы найти хорошие материалы по RFM-анализу.
Этот анализ делит гостей ресторана (в частности) на сегменты по трем категориям: давность покупки, частота покупки и кол-во потраченных денег.
Все это разбивается на кластеры по 5 групп. И потом принимаются решения.
Такая примитивная модификация ABC-анализа.

ABC-анализ, кстати, тоже примитивнейшая штука и я уже давно сильно модифицировал его так, что от первоначального вида практически ничего не осталось.
И автоматизаторы пока не дали рестораторам ничего лучше.
Но об этих слезках давайте в следующий раз.

Короче, ничего толкового конечно на тему RFM-анализа не нашлось.

Год назад с трудом удалось отыскать статью аспиранта одного технического ВУЗа. Он предложил довольно интересную модификацию RFM-анализа и даже применил ее в одной ресторанной сети.
Моих знаний линейной алгебры и теорвера с трудом хватило для понимания этой статьи (говорила мама учиться, а я не слушал, дурень).

Еще удалось прочитать книгу Артура Хьюза «Маркетинг на основе баз данных»

Абсолютно бесполезное чтиво. В этой книге воды больше, чем в самой воде.
Там воды больше, чем на тренингах личностного роста.

И вот попадается мне книга Algorithmic Marketing – Artificial Intelligence for Marketing Operations.

И в разделе про RFM-анализ читаю:

RFM analysis is based on the empirical observation that recency, frequency, and monetary metrics are often correlated with the probability to respond and the lifetime value. Although this is a fair assumption, the RFM approach is shallow because it measures the final outcomes of the marketing processes and consumer actions, not the factors that impact consumer behavior. As we will see in a subsequent section, a more flexible solution can be obtained by using clustering.

Ну хоть кто-то написал, что в своем классическом виде этот анализ - унылое говно.

Далее автор предлагает делать кластеризацию по следующим параметрам предрасположенности клиентов:
- пробовать новые продукты;
- к расширению товарной категории;
- к большему числу чеков (покупок);
- к оттоку;
- к вовлечению (какой-либо маркетинговой акции);
- изменению покупательских привычек.

Самое крутое, что это можно несложно оцифровать для ресторана.
При условии, что в вашем заведении стоит какая-то система лояльности и вы видите историю покупок гостей.

Итого: книга крутая, но читается очень сложно. Потому что английский и потому что много математических формул.
Глава про ценообразование - пожалуй, одна из самых офигенных.
А еще сложность в том, что она не про ресторанный бизнес, а вообще и довольно сложно читая ее, пытаться параллельно перекладывать ее на ресторан и понимать нужно это тут али нет.
#foodkostbi