Big Data: Redefiniendo la Industria Fast Food

LinkedIn

México, Chile y Argentina lideran los países donde más comida rápida se consume. Por ejemplo, en México más del 50% de las personas acuden al menos una vez a la semana a un restaurante de comida rápida, según la Organización Panamericana de Salud (OPS).

En América Latina, la industria del fast food genera millones de dólares a marcas globales como McDonalds o KFC. El problema radica en que la competencia crece cada año y los consumidores se han vuelto más críticos al momento de evaluar sus opciones. 

De acuerdo con Pepe Villareal, director general de Subway México, los consumidores evalúan los siguientes puntos al momento de elegir un restaurante de comida rápida:

  • Conveniencia (Ubicación)
  • Cercanía (Ubicación)
  • Rapidez (Servicio)  
  • Calidad (Producto)
  • Personalización (Servicio)

¿Qué papel juega el Big Data en la industria de fast food?

La ubicación y el servicio son dos factores clave para el éxito de un negocio de comida rápida. Para tener éxito, las grandes cadenas necesitan tener una buena supervisión de cada una de sus sucursales y evaluar si su desempeño está alineado con los objetivos de ventas generales.

Empresas como Pizza Hut o Domino´s enfrentan el reto de supervisar sus miles de ubicaciones por todo el mundo. La buena noticia es que el Big Data ha llegado para aliviar muchas de las dolencias que sufre la industria.

A través de modernas técnicas de gestión de datos, las cadenas de comida rápida pueden analizar inmensos volúmenes de información de cada uno de sus establecimientos y así tener, en un solo lugar, las respuestas necesarias para tomar decisiones clave a nivel región, ciudad o zona.

Caso de estudio: Pizza Hut vs. Domino´s Pizza

En PREDIK Data-Driven evaluamos y comparamos una sucursal de Pizza Hut y una de Domino´s Pizza. La intención es mostrar cómo un establecimiento de comida rápida puede detectar problemas y puntos de oportunidad de forma más fácil con Big Data.

En este comparativo se analizará:

  • ¿Qué sucursal registra más visitas? ¿Qué días son los más visitados?
  • ¿Los usuarios visitan sólo una sucursal o ambas?
  • ¿La ubicación es un factor que afecta el volumen de visitas?
  • ¿Cuál es el perfil y comportamiento de los visitantes?
Ambas pizzerías se encuentran en la misma avenida.

Para lograr sacar esta información se realizaron análisis de movilidad y técnicas de geolocalización.

Analizando el volumen de visitas: ¿Qué sucursal atrae más usuarios?

Un parámetro para detectar algún tipo de necesidad o punto de oportunidad es el volumen de visitas. En este caso, a través de un análisis de movilidad se registraron todos los usuarios que entraron en alguno de estos establecimientos. El análisis se realizó en un tiempo determinado y se sacó una estadística de distribución de visitas.

ciencia de datos en fast food volumen de visitas

En el gráfico podemos ver que, en esta zona, Pizza Hut atrae 8 de cada 10 usuarios, mientras que Domino´s atrae solo dos.  

  • ¿Pizza Hut tiene mayor aceptación de marca que Domino´s Pizza en esta ciudad?
  • ¿Está influyendo la calidad en el servicio o en el producto?
  • ¿Están influyendo los precios?
  • ¿Podría ser que Pizza Hut maneja promociones más atractivas que Domino´s Pizza?
  • ¿La ubicación de ambas sucursales?

Estas son algunas preguntas que parten de analizar este tráfico. El gerente de expansión de Domino´s ya tiene un punto de inicio para evaluar el desempeño de esa sucursal en específico.


También le puede interesar leer: ¿Cómo usar análitica de movilidad en el negocio fast food?


También es importante tomar en cuenta el volumen de visitas por día. Por ejemplo, esto permite retroalimentar a las áreas de marketing y publicidad sobre el resultado obtenido con sus estrategias.

ciencia de datos en fast food análisis por día

Podemos ver que ambos establecimientos muestran un ligero repunte en visitas de lunes a jueves en comparación con fines de semana. Probablemente, esto se deba a que ambas marcas lanzan sus promociones más agresivas entre semana, para así mantener un flujo constante de visitantes todos los días.

“Usuarios únicos” vs. “Usuarios compartidos”

Otro parámetro para evaluar el desempeño de un establecimiento es entender qué porcentaje de mis visitantes terminan por ir con la competencia.

ciencia de datos en fast food usuarios compartidos
Usuario compartido es aquel que visitó ambos lugares analizados.

El gráfico nos dice que aproximadamente 40% de los usuarios que visitaron la sucursal de Domino´s  fueron también a la sucursal de Pizza Hut. El porcentaje es muy alto si tomamos en cuenta que solo un 15% de los visitantes de Pizza Hut también estuvieron en Domino´s.

Este dato, al complementarlo con el volumen de visitas, nos indica que algo está pasando con la sucursal de Domino´s. Este comportamiento se puede comparar con el de otras sucursales para entender si se trata de un caso aislado o si es el indicio de un problema más serio.

El rol de la ubicación para ambas sucursales

Los gerentes de restaurantes saben muy bien que incluso unos metros de distancia, entre una ubicación y otra, puede influir en el número de visitas que recibe un lugar. A través de técnicas de geolocalización y análisis de movilidad se puede analizar el flujo peatonal en la zona y definir los mejores puntos de venta.

ciencia de datos en fast food preferencias afluencia peatonal
Afluencia peatonal alrededor de cada pizzería

Aunque ambos establecimientos se encuentran en la misma avenida, la sucursal de Pizza Hut está rodeada por zonas con mayor concentración de usuarios (Por ejemplo, ésta se encuentra cerca de un centro comercial).

La ubicación podría ser una clave del porqué Pizza Hut recibe más flujo de visitas que Domino´s. Sin embargo, el porcentaje de usuarios compartidos indican que probablemente hay más factores involucrados.

Entendiendo al usuario

Una de las grandes ventajas de utilizar Big Data es que se pueden recopilar millones de piezas de información que generan los usuarios diariamente y así desarrollar un perfil preciso de los usuarios que visitan un determinado establecimiento.

ciencia de datos en fast food preferencias de usuario

Por ejemplo, uno de los principales intereses de los usuarios son los deportes. Este insight le sirve al departamento de Marketing de Domino´s para generar una activación relacionada con este tema. El objetivo sería probar si una estrategia más focalizada ayuda a aumentar el volumen de visitas al lugar.


También le puede interesar leer: Segmentación de clientes con data geoespacial


Conclusiones

El Big Data es un aliado clave para las cadenas de comida rápida. Como vimos en el caso de estudio, los tomadores de decisiones pueden identificar fácilmente aquellos puntos de venta que están teniendo un desempeño más bajo del esperado, así como las posibles causas.

Si desea optimizar la gestión de sus cadenas de comida rápida, en PREDIK Data-Driven tenemos más de 14 años facilitando la operación de las empresas más importantes del mundo.  

Nuestro artículo más reciente

Reciba este tipo de contenido directamente a su bandeja de correo

Únase a nuestra comunidad con más de 100 mil lectores y recibirá artículos semanales, estudios e información enfocada en mejorar la toma de decisiones y el desempeño de su empresa.

    Siga nuestro contenido en redes sociales

    Reciba insights clave directo a su correo

    Únase a nuestra comunidad de más de 100,000 lectores y reciba semanalmente artículos, estudios e información especializada destinada a optimizar su toma de decisiones y el rendimiento de sus resultados de negocios.