Рекомендательный движок
Ранжирует меню под гостя и подсказывает, чем дополнить корзину — в приложении, на сайте, в электронном меню.
Рекомендательный движок внутри приложения
Food2Mood анализирует историю покупок гостей, размечает меню по вкусовым характеристикам и формирует цифровой вкусовой профиль пользователя. На основе этих данных обученные ML-модели определяют, какие блюда, дополнения и сочетания с наибольшей вероятностью подойдут конкретному гостю.
Анализирует историю покупок
Определяет устойчивые предпочтения, паттерны выбора и частые сценарии заказа
Размечает меню и пользователей
Тегирует блюда и гостей по вкусам, ингредиентам, кухням, форматам и ограничениям
Понимает сочетаемость и допродажи
Выявляет, какие блюда, напитки и дополнения чаще всего подходят друг к другу
Использует обученные ML-модели
Формирует рекомендации на основе вкусового профиля, корзины и контекста заказа
Данные о госте + разметка меню + ML-модели = точные персональные рекомендации
Результаты A/B теста в приложении сети кофеен
К выручке допродажами в сравнении с обычной рекомендательной системой
Замер за первую неделю работы по результатам тестирования в приложении. Сравнение велось не с отсутствием рекомендаций, а с уже работавшей стандартной логикой выдачи.
От данных о госте до персональной рекомендации
Приложение передаёт Food2Mood идентификатор гостя и текущую корзину, а рекомендательный движок сопоставляет их с вкусовым профилем и размеченным меню и возвращает персональную выдачу.
Идентификация
Приложение передаёт user_id, по которому Food2Mood находит вкусовой профиль и историю заказов
Вкусовой профиль
Система учитывает историю покупок и уже известные предпочтения гостя
Real-time рекомендации
Приложение передаёт данные о поведении гостя, и движок подстраивает выдачу под текущую ситуацию
Бизнес-настройки
Движок учитывает правила и приоритеты, заданные рестораном в админ-панели
Баланс интересов
В выдачу попадают блюда, которые подходят гостю и отвечают задачам заведения
Движок работает в двух сценариях: формирует персональную выдачу по user_id или рекомендует следующее блюдо с учётом уже собранной корзины
Управление и настройка рекомендаций
Ресторан задаёт правила и приоритеты, а рекомендации показывают нужные блюда тем гостям, которым они действительно подходят.
Идеальный заказ
Задаёт целевую структуру заказа, к которой движок стремится при подборе дополнений
Маржинальные блюда
Повышает приоритет высокомаржинальных позиций среди релевантных рекомендаций
Гастропары
Задаёт правильные сочетания блюд, напитков и дополнений
Go-list и стоп-лист
Усиливает позиции, которые нужно продавать, и исключает недоступные или нежелательные блюда
Food2Mood находит баланс между релевантностью для гостя и коммерческими задачами ресторана
Гость быстрее выбирает, ресторан управляет спросом
Food2Mood персонализирует выдачу внутри цифрового меню, помогает быстрее находить подходящие блюда и использует историю заказов и текущую корзину для следующих рекомендаций.
Для гостя
- Быстрый выборНе нужно просматривать всё меню вручную
- Персональная выдачаБлюда ранжируются с учётом вкусов
- Релевантные дополненияПредлагаются позиции, подходящие к заказу
Для ресторана
- Рост конверсииПерсональная выдача помогает быстрее перейти к заказу
- Рост среднего чекаРелевантные дополнения увеличивают состав корзины
- Управляемые рекомендацииБизнес-приоритеты учитываются вместе с интересами гостя
Чем больше история взаимодействия с гостем, тем точнее персональная выдача и рекомендации к корзине
Другие продукты на том же профиле
- Мобильный официантПоказывает официанту вкусы и ограничения гостя до заказа и что предложить дальше.Открыть →
- Вкусовые аудиторииСобирает под предложение тех гостей, которым оно подходит, и исключает остальных.Открыть →
- Инструменты CDPСлой данных под всеми продуктами: события, сегменты, интеграции и аналитика по одному профилю гостя.Открыть →
Оставить заявку
Подайте заявку на участие в программе. Мы свяжемся, уточним детали и поможем подобрать подходящие решения для вашей организации.