ИИ для бармен в работе с отзывами

ИИ для бармена: алгоритм работы с отзывами

Разрозненные отзывы с ресторанных агрегаторов — источник информации о качестве напитков и сервиса. ИИ-ассистент позволяет обрабатывать их за минуты и переводить в конкретные действия.

Шаг 1. Сбор данных

Настройте автоматическую выгрузку отзывов из Яндекс Карт, 2ГИС, Google Maps и Restoclub. Храните данные в единой таблице:

• Дата и время отзыва;
• Площадка и оценка;
• Текст и имя гостя;
• Автоматически присвоенный тег.

Параметр: выгрузка ежедневно в 09:00. Для достоверной статистики собирайте не менее 20 отзывов в неделю.

Шаг 2. Анализ тональности и аспектов

Используйте LLM-модель (GPT, YandexGPT) с промптом: «Определи тональность и выдели аспекты: напиток, подача, скорость, атмосфера, цена. Верни JSON». Параметры: temperature=0.3, max_tokens=500.

Шаг 3. Приоритизация проблем

Считайте частоту упоминаний аспекта и его влияние на оценку. Стройте матрицу: чем выше негатив и частота, тем выше приоритет.

• Негатив ≤ 20% — мониторинг;
• Негатив 21–39% — усилить контроль;
• Негатив ≥ 40% — срочный план изменений.

Шаг 4. Автогенерация ответов

ИИ формирует ответ для каждой категории отзыва, но без шаблонов. Для позитивных — благодарность и приглашение вернуться; для негативных — извинение и конкретная компенсация, например шот. Параметры: ответ в течение 24 часов, обращение по имени гостя.

Совет: обучите модель распознавать сарказм в барной лексике — «интересный вкус» часто означает «провал рецепта».

Шаг 5. Внедрение и контроль

После изменений публикуйте обновлённое меню или техкарты. Раз в месяц сравнивайте средний балл и долю негатива. Настраивайте ИИ на поиск повторяющихся жалоб среди новых отзывов.

Итоговая таблица параметров: