麥當勞大數據秘笈：連你的眼球移動都成為他們的情報信息！

?餐飲老板內參特約記者 劉兆慧 發自美國華盛頓

麥當勞的數據從哪兒來？

▽

麥當勞收集數據的目的是為了更好地預測變化，以及什么樣的因素會改變客戶的期待、行為和趨勢。

麥當勞將餐廳看成一個整體系統，從34,000多家分店整合數據建立起全球化的數據倉庫。

其日常決策所使用的數據包括：

除此之外，麥當勞還開發了APP，便于前來用餐的客人選擇最近的店，還能在到店之前就在移動設備上點餐，不僅節約了時間，也幫助麥當勞沉淀了大量用戶數據。

麥當勞的數據怎么用？

▽

分析各門店的差異

對于連鎖品牌而言，可以用多店匯總得來的平均數據做管理決策，但并沒有辦法反映每個單店的真實情況。因此連鎖品牌就需要對分店進行“個性化”管理。

比如位于芝加哥的一個分店需要配置一個冷飲機，但位于休斯頓機場的分店因為候機客流量很大可能需要六個這樣的機器。

麥當勞將數據整合，通過可視化更好地幫助分店經理或公司管理人員了解造成門店之間差異的原因。分析人員會提供給單店經理和管理者一個可視化描述平臺，經理通過iPad操作，迅速而準確的隨時了解他們的運營情況。

比如：今日員工上班安排、有誰因病假事假倒休、早餐時間賣出多少套餐、進貨多少磅/袋的肉餅、香腸、薯餅、制作了多少磅的薯條、每份上餐平均速度用時幾分鐘等等。

△

麥當勞位于維吉尼亞州的PentagonCity分店

業績可視化界面

左側為社交媒體指數排行、

近三個月以來的粉絲增量。

主干部分包括本月總銷售額/增長趨勢、

食品新鮮程度以及銷售預算比例、

與目標之間的差距。

此外還有區域單店匯總數據：

年內總銷售額、客戶滿意度、員工參與度。

用模型模擬未來經營狀況

管理者還可簡單操作交互式的可預測模型，將不同參數輸入這個模型，然后進行數據化模擬分析。

比如，如果增加幾名員工會帶來怎樣的結果，成本會提升多少，盈利會變動多少等。系統自動每15分鐘更新分店的經營數據，經理可以隨時快速決定應改進的事項。

△

麥當勞位于維吉尼亞州的Pentagon City店

預測模型的交互界面

右側為反映業績的主要變量。

當員工數量增加至5人，收銀窗口使用4個，

推出2個新品1號、1個新產2號、5個新產3號時，

總滿意度達到2.5%（上漲1.7個百分點），

回頭客增加2個百分點，

成本下降5%，以及盈利上升4%。

此外，由于調整了員工數量，

會增加事件處理的效率。

相應的總利潤和點餐效率的變化也可以一目了然。

可見，預測性分析不僅可以直觀展現每家店的營業狀況、客戶和員工管理情況，還可以做未來的規劃，不需要交“學費”就可以直觀地看到更改后的結果。

比如，根據某一商超店周邊環境和客流量預測最佳進貨時間和員工分配，當周邊新開一家公司或新建一棟寫字樓，本店應多增加幾名員工，進貨時間是否需要提前，如果附近公司年輕員工較多，是否需要增加咖啡機、冷飲機等。

用眼球跟蹤技術搞懂客戶

作為模擬模型的一部分，麥當勞還使用眼球跟蹤技術學習客戶如何觀察一家餐廳。他們捕捉的信息包括：

此外，視頻分析可以用來跟蹤顧客在店內就餐或不停車點餐中花費的時間。

合理設計不停車點餐路線和服務

另一個麥當勞使用大數據的成功案例是優化汽車餐廳（“得來速”）的體驗。

他們分析三個重要因素：

舉例而言，一位顧客只想點份奶昔，不巧排在一個全家人點餐的中型轎車后面，奶昔顧客就會很不開心。因此麥當勞需要對需求模式進行分析。

麥當勞將此工具優化后制作成分析平臺，運營商就可以在平板電腦中進行可視化互動，用3D模擬把車輛駛入車道加入到模型中，學習不同特點（如年齡段、種族、車輛分類）人們的駕駛習慣和行為。

比如，開跑車的年輕駕駛員會以較快速度駛入車道，在點餐窗口急剎車，這樣他們可能看不到擺放在車道入口給排隊客人看的新品推銷牌。

開大中型車輛的司機可能停車會離售賣窗口遠一點，他們伸手夠不到窗口的刷卡機可能會打開車門甚至下車，這樣就會花費更多的時間。

大家庭點餐的孩子可能需要更多的時間確定自己想吃什么，有些父母會耐心等候孩子們確認后再點餐。

▼ 戳我，大家都在看

—點擊下列關鍵詞，獲取更多內參干貨—

1400人裁到328｜100平日流水1.5萬｜7年不思變

馬云等用人之道｜馬云買肯德基｜o2o下半場

餐飲業新商機｜大數據咋用｜定位的6個誤區

90后餐館倒閉記｜餐飲業下半場｜寫字樓開店

統籌：張琳娟｜編輯：王艷艷｜視覺：陳曉月

商務合作請加微信tinachenjiao

轉載原創請加微信neicanmishu