Cibo a domicilio: big data e AI dicono ai ristoratori cosa cucinare

Just Eat raccoglie moli enormi di dati che utilizza per fornire indicazioni ai propri partner. Grazie all'Intelligenza artificiale tutte le recensioni acquisiscono valore

La città più costosa per il cibo a domicilio non è Milano, ma Firenze. La più economica è Bari, seguita da Palermo. I veronesi vanno matti per crepes, dolci e gelato, mentre a Roma è l’hamburger gourmet il piatto più ordinato. Dati curiosi, perfetti per un’infografica (che infatti pubblichiamo qui sotto): ma queste informazioni hanno anche un valore enorme per i ristoranti italiani.

Ad estrapolare questa classifica é Just Eat, il primo marchio del food delivery arrivato sul mercato italiano. A differenza di Deliveroo, Foodora o Uber Eats, Just Eats non ha una sua flotta di fattorini pronti a portare a casa le ordinazioni dei clienti dai ristoranti: piuttosto mette in contatto i consumatori con quei locali che hanno un proprio servizio di delivery. E ogni volta che una persona fa un acquisto sulla app o lascia una recensione, Just Eat immagazzina informazioni che si trasformano (una volta aggregate e anonimizzate) in Big Data.

Tanti ordini, tanti dati

Negli ultimi tre anni la piattaforma britannica ha investito massicciamente per supportare le sue capacità di calcolo e di analisi. I dati raccolti vengono sfruttati per offrire una migliore esperienza di acquisto al cliente finale, far crescere il business della piattaforma e offrire degli insight preziosi agli oltre settemila ristoranti partner per vendere di più e meglio.

“Utilizziamo l’intelligenza artificiale per analizzare il testo delle recensioni che gli utenti lasciano sulla piattaforma ed estrapoliamo il sentiment dei clienti. Questo ci aiuta a capire qual è l’opinione del clienti in generale sul servizio che offriamo, ma possiamo anche dettagliare il dato sulla singola città, ristorante o categoria” ha raccontato a StartupItalia! Monica Paoluzzi, business strategist di Just Eat Italia, durante il Netcomm Focus Food che si è tenuto a Milano. “Il ristoratore può utilizzare questi dati attraverso le dashboard che ha a disposizione e viene supportato anche dal nostro consulente commerciale, che affianca il titolare e lo supporta con analisi e dati che lo aiutano a capire dove fa bene e dove invece ci sono dei margini di miglioramento”.

 

Se il singolo ristoratore può leggere le recensioni che lo riguardano abbastanza agevolmente, quando si devono analizzare i commenti per una intera categoria o una grande città il lavoro diventa impegnativo. Se in un quartiere di Milano c’è richiesta di cibo messicano ma i commenti sul servizio dei ristoranti sono negativi, questo può rappresentare un’opportunità per i locali interessati a fare meglio e per i concorrenti ad espandersi. La sfida è quella di rendere l’AI davvero intelligente: insegnandoli ad interpretare anche il sarcasmo o l’ironia nella valutazione di un post, post che magari ad una macchina può sembrare negativo quando invece è positivo.

“I dati che maciniamo sono enormi, il nostro lavoro è quello di razionalizzarli e renderli fruibili al commerciante e al nostro team di consulenti che affiancano i ristoratori per aiutarli a fare meglio”, continua Paoluzzi. “Ad esempio possiamo suggerire al ristoratore di razionalizzare il menù per renderlo più user friendly, oppure possiamo suggerire delle opportunità di business. Ad esempio se in un CAP limitrofo a quello di un ristorante notiamo un interesse verso il tipo di cucina proposta dal nostro partner, possiamo suggerirgli di ampliare la sua area di consegna”.

Il segreto é proprio microtarghettizzare l’offerta, andando ad analizzare tendenze, inefficienze e opportunità di un singolo distretto. In fondo ogni quartiere è un marketplace e nelle grandi città le differenze tra una zona ed un’altra possono essere enormi.