打造餐飲業熟客名單,OMO模式要如何當「神隊友」?
打造餐飲業熟客名單,OMO模式要如何當「神隊友」?

2020年在疫情影響及外送平台的推波助瀾下,一向仰賴實體店面的餐飲業,陸續延伸出第二戰場:餐飲外送,以及第三戰場:在各大量販通路及電商銷售的即時料理包,而最近也開啟了第四戰場:雲端廚房。有資本跨足不同戰場的餐飲集團不在少數,但有底氣在每個戰場都能一招制勝的,就必須靠CRM會員數據的力量了。

王品瘋美食App記者會
圖/ 賀大新攝影

延伸閱讀:【專訪】花6千萬砍掉重練,衝出台灣最大餐飲會員App!王品8年前失敗,這次還想做什麼?

因此今年以來,王品集團、瓦城泰統集團、六角國際集團、頂呱呱集團、乾杯集團、欣葉國際餐飲集團、麥味登等都陸續推出屬於自己的餐飲集團會員制度,有些自建會員APP,有些透過Line的集客力,風起雲湧的情景就如同幾年前OMO(Online-Merge-Offline)席捲零售業一樣。

可惜的是,目前大部分的規劃都只先滿足基本的訂位及取餐需求,以及利用積點及優惠券做Loyalty program(忠誠度計畫),頂呱呱集團的阿勇角色與跨界聯名合作算是比較超前已經用到Gamification(遊戲化行銷)的會員設計來提升黏著度,所以相信後續各餐飲集團應該都會發展出更多有趣又有獨特性的會員制度。那麼讓我們來模擬一下,CRM會員數據怎麼樣可以讓餐飲業變得更性感。

熟客的行為樣貌

很多餐飲老闆聽到CRM以及後續的消費者行為分析,通常第一個反應就是:我們過去根本沒有留下資料,累積數據需要時間。但是親愛的,我們是要做熟客的會員輪廓,而不是要建置一個龐大又無用的會員資料庫,堆滿了不再來的客人資料。台灣早餐店的阿姨就是一個最好的例子,當你還在排隊隊伍中時,阿姨看到你就吆喝著:「帥哥,今天一樣蘿蔔糕加蛋,不加醬油 ,還有兩個豬排三明治不加番茄醬,及三杯豆漿不加糖嗎?」

shutterstock_man_eat_lunch.jpg
圖/ shutterstock

我們的CRM會員行為樣貌其實要記錄的是:『付費者是家中成年男性約莫35歲,上班族、已經來過一次以上,多半在7:20到達店內、家中可能有三個成員,口味清淡、屬於重視健康的族群』,對於熟客,等同零售業的Active Member(活躍用戶),這是我們最重視的一群人, 他們的購買動機、家庭組成、偏好與預算 都是餐飲品牌掌握會員行為樣貌的重要依據,但對於過路客、首次來訪(New New Member)或是很久沒來的顧客(Sleep Member),阿姨應該都是制式的招呼法:「美女,今天吃什麼?」。

因此,這樣堆疊出來的餐飲品牌會員行為樣貌,可以幫助你更精準的針對目標客群投放廣告或選擇商圈,甚至是刪增菜色、調整口味,同時透過主要付費者的手機號碼串連店內訂位系統及服務人員的現場觀察。如果還能串接外送平台及在其它通路購買即時料理包的頻率與口味,越完整跨通路的資訊都能幫助你越瞭解顧客的家庭組成、生活型態、口味偏好,外出及在家用餐的時段與頻率等等的行為樣貌。

擁有熟客的行為樣貌才是建制CRM的重點,尤其所謂的熟客在2020年跨通路的情景下變得更為廣泛,可能是每月來店超過兩次的,可能是有來過店內,又有點過我們的外送餐點的,甚至說不定是曾經在網路上關注過我們的,都可以是熟客的定義。

寵愛顧客,給顧客一個回來的理由

每一個企業的資源都是有限的,所以定義出熟客,是為了讓我們能夠更專注的經營會員品牌忠誠度,但這個忠誠度來自於無微不至的細膩服務,這之中的佼佼者,大家都會提起海底撈。

延伸閱讀:把握危機聲明4要素!重看「老鼠門」事件,海底撈這麼做迅速拿回公關主動權

雖然海底撈的貼心案例不勝枚舉,但除了透過現場人員的充分被授權及良好教育訓練外,CRM系統可以幫助你的方式也有很多,例如智慧推薦點菜,當你已經完整掌握熟客的口味時,其實系統可以預先做好菜色搭配推薦,像是某某家庭不吃辣、一定要點青菜、有一個學齡前兒童,所以可以先送一個減醣布丁等。

這些智慧推薦都可以讓顧客省心又驚喜,甚至是有新的菜色時,如果是符合這家人口味的,系統都可以直接授權現場人員贈送,創造更多的連結與新鮮感。同時,來店的客人可以給予外送的特殊優惠,當客人使用此優惠訂購外送餐盒,我們還可以貼心的寫上小卡片謝謝他的多次支持,甚至再送上即時料理包,如此一層又一層,運用數據的洞察力寵壞你的顧客,那麼不管餐飲市場板塊再怎麼移動,消費者對你都會有品牌忠誠度。

創造更多給顧客的價值

零售業非常善於積點,消費100元可累積1點,然後100點可能可以兌換50元的贈品,這樣的積點制度其實非常的企業導向,是為了透過點數兌換,讓顧客能夠再回來賣場,這個制度考驗的是贈品吸引力,更考驗的是顧客對你的品牌忠誠度。

餐飲業也可以做積點,但你要先思考你的餐點是屬於高頻次還是低頻次,這思維的關鍵是零售業常考量的: 連帶率 。上述的積點制度在零售業會成功的原因,是因為零售賣場內有許多低價高頻次商品,所以只要顧客回店,就有機會創造商品連帶率,所以餐飲業如果要做積點,一定要考量到低價高頻與高價低頻商品的搭配,例如頂呱呱有350元以上的餐點,也有50元以下的飲料或小點心。我誠摯建議可以改 從挖掘顧客的喜好出發,再透過生態系連結,想想可以為顧客創造什麼額外價值。

摩斯漢堡.jpg
圖/ 摩斯漢堡Facebook粉絲團

延伸閱讀:天仁茗茶、摩斯、饗食都加入!31家連鎖品牌推集點優惠大平台,力拚離開「加護病房」

假設有些顧客在餐廳用餐時都會點上一杯啤酒,而這樣的顧客佔會員比例還不低,那麼為什麼不考慮邀請一個精釀啤酒品牌跟你一起辦一個餐酒宴,而且你已經有精確的顧客名單了呀!透過這種異業結盟的方式,不僅可以增加新鮮感,也能創造行銷話題,更重要的是,對顧客來說,這是用錢也買不到的價值。

甚至,如果你知道顧客是為了歡慶節慶而在店內聚餐,那麼一張拍立得或是寫著名字的蛋糕都可以為顧客創造額外的價值,當這些細節有被記錄回CRM 系統,明年接近此時,甚至你可以再度寄出照片提醒顧客「我們曾經一起共同創造的回憶」。甚至是百貨商場的年度封館概念也可以用在餐飲業的超級VIP,設計一個獨一無二屬於貴賓的美食盛宴,在預先都已經知道熟客的口味下,精心安排一個無菜單的餐酒體驗,相信都能讓顧客愛上品牌。

零售業OMO基本的「人、貨、場」,如果套到餐飲業,那應該就是「所有歷程紀錄都是為了在最適當的時候、最合適的場景,提醒顧客一個美好的回憶可以跟餐飲品牌共同創造,這才是真正打動顧客,提升品牌忠誠度的關鍵」,歡迎餐飲業進入OMO的浪潮中,為更多的消費者創造完美的體驗。

責任編輯:文潔琳

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓