麥當勞是一個擁有超過34000個餐廳的大型全球食品服務零售商，每天為118個國家超過6900萬人服務。全球麥當勞的日常顧客流量大約為6200萬，每秒鐘銷售大約75個漢堡，年營業額270億美元，員工超過750000人，可以說是一家巨型公司，美國人在麥當勞一年能消耗10億磅牛肉。很明顯，他們能夠生成大量的食客數據和營銷數據，但是麥當勞要如何利用這些數據進行快速充電的呢？
先來看一下麥當勞在美國的分布圖，如此密密麻麻的分布，足以看出麥當勞大數據的數量之龐大，利用大數據資源進行經營創新和優化顧客體驗想必是麥當勞接下來發展決策的重中之重。
建立大數據團隊，以數據驅動營銷
在過去的幾年里，麥當勞已然成為了一個以數據信息為中心的組織，做出了“以數據驅動營銷”的決策。為了落實這一決策，他們創建了一個項目開發數據模型。麥當勞運營總監建議采用跨部門跨職能的方法，特別是在大數據應用和分析領域，以業務為重點，實現麥當勞營銷質的改變。麥當勞創建了一個涉及“多部門”的團隊，在整個組織中發掘，開發和部署新的解決方案。在發掘階段，他們試圖迅速地提出想法并去孵化它們，這個階段他們只涉及到幾個部門，例如IT、分析和工程等。在開發階段，他們將增加幾個額外部門的參與，如人力資源、培訓、財務，以確保他們觀點的正確性和這些新項目的順利開發。最后，在部署階段，將會有更多的部門參與，例如營銷或設計部門等。
借助食客洞察，優化餐廳顧客體驗
過去大部分連鎖餐廳存在的問題是，當地餐廳提供的數據是基于平均指標，這樣就會無法比較不同餐廳的具體經營狀況，那么提出合適的決策來改善運營狀況就更難了。因此，麥當勞決定將使用平均值轉變為注重趨勢分析和食客洞察，洞察本地餐廳發生了什么，食客的行為習慣是怎樣的等等，他們組合大量的數據并將數據進行分析，形成可視化的圖表展示，為的是更好地了解餐廳之間差異形成的原因以及差異所影響的經營效果，進而針對性的制定營銷策略。換一種說法就是，他們結合了多種圖形來了解相關性，用這些相關性來創建更清晰和可操作的經營模式，從而節省了整個企業的資金和時間。
這種數據分析應用的典型例子是麥當勞使用大數據來優化汽車餐廳的顧客體驗。他們通過不同的方面來進行分析和優化，像汽車餐廳的設計，顧客使用汽車餐廳過程中收到的信息以及排隊等待點餐的人群。一大家子人在一個小貨車里點一大堆東西會給那些排在后面只想點杯奶昔的單個顧客造成不良體驗。因此麥當勞會分析這種需求的節奏從而預測它的發生。
從預測分析中獲得的信息可用于餐廳的設計和員工工作方式的改進。麥當勞使用數據分析來找到改變運營的方法，找到餐廳設計和員工工作方式的最佳解決方案。這是麥當勞正在進行的一個項目，他們也將這種預測分析應用到了公司的其他方面，并部署在世界各地的麥當勞餐廳。
麥當勞追蹤和分析大量的變量數據，以改善公司運營和優化顧客體驗。它們跟蹤店內流量，顧客互動，汽車餐廳的流動安排，點餐節奏，銷售網點數據，視頻數據和傳感器數據。將這些數據進行分析得出的結論用于餐廳的設計、菜單的變化，優化他們的培訓計劃，完善他們的供應鏈。盡管世界各地的麥當勞餐廳都叫麥當勞，但每家麥當勞餐廳都有所不同，因為它們使用當地餐廳的數據進行運營優化。此外，麥當勞還使用數據分析優化漢堡的外觀，以確保漢堡的顏色和大小的統一。
總而言之，麥當勞利用大數據為顧客創造了最好的體驗，使餐廳運營的更加高效，也更加受顧客喜愛。
智看乾坤
麥當勞的全美分布圖，無疑給每個餐飲連鎖老板帶來了強大的視覺沖擊，麥當勞如何將這些繁密的網點進行合理的規劃和布局，并且保證每家餐廳都能夠合理制定營銷策略，大數據的作用舉足輕重。
食客洞察是餐飲企業一切工作的原點，它關系著餐企每一個經營戰略和經營決策。麥當勞的成功離不開對顧客體驗的重視，通過食客洞察形成的食客行為報告為企業優化顧客體驗提供了數據支撐。
辰智一直提倡大數據的聚合應用，數據的采集與整合是整個應用非常重要的一步。數據的分析與洞察固然重要，但數據的質量與數量，以及能否將所有的數據統一到一個載體上，才是大數據運用至關重要的第一步。數據的聚合加上工具的集成，便是整個“大數據”過程中的重要載體。
辰智-大數據應用專家
長按二維碼關注公眾號：辰智
轉載聲明：
1、如果您喜歡本文，轉載請注明：辰智翻譯
2、歡迎您留言、提問
原創文章，作者：辰智，如若轉載，請注明出處：http://www.kmwhg.com/58280.html
