ИИ для бариста в составлении меню

ИИ-бариста: алгоритм создания меню, которое продаёт

Современный ресторанный бизнес требует персонализации. ИИ позволяет бариста не гадать, а точно знать, какой напиток полюбится гостю. Предлагаю методику «Кофе 2.0», основанную на анализе данных и автоматизированном A/B-тестировании.

Шаг 1. Сбор данных (7 дней)

• Фиксируйте продажи по каждому SKU: время, день недели, погоду (через API), пол/возраст (по картам лояльности).
• Введите теги вкусов: «цитрус», «какао», «карамель», «кислотность 1-5», «горечь 1-5».
• Параметры: объём (200/300/400 мл), температура (65/75/85°C), молоко (коровье/овсяное/миндальное).

Шаг 2. Кластеризация (2 дня)

Используйте Python-скрипт с библиотекой scikit-learn (KMeans, 4 кластера). Входные данные: частота покупки, средний чек, вкусовые теги. На выходе — 4 портрета гостя:

1. «Классик» — капучино, 200 мл, 65°C, коровье молоко.
2. «Экспериментатор» — фильтр-кофе, 300 мл, 85°C, цитрус.
3. «ЗОЖ» — раф на овсяном, 400 мл, 75°C, карамель.
4. «Десерт» — латте с сиропом, 300 мл, 65°C, какао.

Шаг 3. Генерация гипотез (1 день)

ИИ (например, GPT-4) генерирует 10 вариантов напитков для каждого кластера. Пример промпта: «Создай 3 рецепта для кластера “Экспериментатор”: основа — эфиопия, добавь специи, укажи точные пропорции». Отбирайте 2-3 варианта с максимальной новизной.

Шаг 4. A/B-тест (14 дней)

Внедрите новые позиции в меню, но с разными ценами и описаниями. Используйте QR-коды на столах для сбора обратной связи (оценка 1-5). Параметры теста:

• Контрольная группа — старое меню (50% гостей).
• Тестовая группа — новое меню (50%).
• KPI: конверсия в заказ, средний чек, повторный визит.

Сравнительная таблица эффективности

Шаг 5. Оптимизация и масштабирование

После теста оставьте 2 лучших рецепта. Ежеквартально повторяйт�� цикл. Используйте ИИ для прогнозирования спроса: модель ARIMA на основе 6 месяцев продаж предскажет объём закупки зёрен с точностью 92%.

Совет: Начните с малого — проанализируйте только 3 самых продаваемых напитка. Это снизит риск ошибки и покажет быстрый ROI.

Сравнение методов анализа

Внедрение ИИ окупается за 2-3 месяца за счёт роста среднего чека и снижения списаний. Главное — чётко настроить сбор данных и не бояться экспериментировать.