AI počítala židle v restauracích

Výzva

Poskytovatel platebních terminálů chtěl zvýšit podíl na rakouském trhu restaurací za 12 měsíců. Problém byl, že nevěděli, které restaurace mají největší pravděpodobnost změny providera a jak je správně oslovit.

Hlavní výzvy

• Malý podíl na trhu - chtěli růst o 270 nových restaurací za rok

• 9 000 restaurací na trhu - nevědí, které oslovit první

• Chyběla data o velikosti restaurací (počet míst, obrat)

• Nevěděli identifikovat hot leads - ztráceli čas na nevhodných prospektech

• Generické nabídky nefungovaly - nízká míra konverze

Řešení

Použili jsme AI analýzu 500 000 zákaznických recenzí a 40 000 fotografií restaurací k odhadu velikosti (počet míst) a spokojenosti zákazníků. CNN model identifikoval stoly a židle na fotografiích, NLP extrahovala sentiment z recenzí. Vytvořili jsme lead scoring 0-100 a oslovili top 1 500 restaurací s personalizovanými nabídkami.

Jak jsme to vyřešili

Analyzovali jsme 500 000+ zákaznických recenzí pomocí NLP algoritmů. Extrahovali jsme sentiment, zmínky o platebních možnostech a nespokojenost se současným terminálem. Věděli jsme, které restaurace hledají lepší řešení.

CNN model analyzoval 40 000 fotografií z Google Maps a Instagramu. AI počítala stoly, židle a odhadovala kapacitu restaurace s 85% přesností. Takto jsme mohli předpovědět obrat i bez finančních údajů.

Vytvořili jsme lead scoring model s 88% přesností, který kombinoval velikost restaurace, sentiment z recenzí, lokaci a typ kuchyně. Top 1 500 restaurací dostalo nejvyšší skóre a byly osloveny jako první.

Každá restaurace dostala personalizované oslovení přes email, LinkedIn i telefonát. Zpráva obsahovala konkrétní výhody pro jejich typ podnikání (např. 'pro restaurace s 60+ hosty jako vaše máme...').

Segmentace do 3 skupin: Tech Innovators (early adopters, chtějí nejnovější řešení), Growth-Oriented (rastou rychle, potřebují škálovatelnost), Traditionalists (spolehlivost a dlouhodobá partnerství). Každá skupina dostala jiný messaging.

Použité technologie: Convolutional Neural Networks (CNN), NLP (NLTK, spaCy), Gradient Boosting Machine (GBM), TensorFlow & Keras, Multi-channel outreach

Výsledky

1. 270 nasmlouvaných restaurací: Výrazný nárůst podílu na trhu

2. Výrazný nárůst podílu na trhu: Vysoká míra konverze z 1 500 oslovených restaurací

3. Nový roční příjem: €2M+ ARR z nových klientů

Wow faktor

AI model dokázal odhadnout počet míst v restauraci jen z fotografií na Instagramu a Google Maps. AI analyzovala fotky interiéru, počítala stoly a židle a odhadla kapacitu s 85% přesností. Takto jsme mohli předpovědět obrat a identifikovat nejhodnotnější leads bez nutného telefonátu.