Comment les QSR exploitent l'intelligence artificielle et l'analyse des données

restaurant data analytics


DL Button new 2

Exploiter les informations numériques des consommateurs est essentiel au succès de toute entreprise, et l'analyse des données et l'intelligence artificielle (IA) peuvent être des outils particulièrement puissants.

De nombreux restaurants à service rapide (QSR) ont déployé ces technologies pour soutenir leurs opérations, adapter leurs approches de service client et même booster leurs ventes, mais de nombreux acteurs, dont plusieurs grands noms, ont été réticents à investir dans de telles innovations.

Géant de la restauration rapide McDonalds n'était pas intéressé à utiliser IA ou analyse de données jusqu'à ce qu'il se rende compte que bon nombre de ses concurrents profitent des technologies. Cette révélation a incité l'entreprise à lancer plusieurs innovations, dont des menus numériques qui changent en fonction de l'analyse des données en temps réel. La modification a entraîné une augmentation de 3% des ventes au Canada, a déclaré la chaîne.

L’utilisation de l’application McDonald aide également l’entreprise à recueillir des données importantes sur ses clients, notamment les restaurants que les consommateurs visitent et quand, à quelle fréquence ils y vont et s’ils préfèrent les expériences au volant ou au restaurant. Disposer de telles données permet au restaurant de proposer des suggestions aux clients et de promouvoir des offres, ces méthodes entraînant une augmentation de plus de 30% des ventes pour les clients japonais qui utilisent l'application.

L'utilisation de ces technologies par McDonald illustre quelques-unes des façons dont les restaurants exploitent les données à leur disposition pour obtenir de meilleures informations sur les clients. La plongée approfondie de ce mois-ci explore la manière dont l'analyse des données et l'IA peuvent aider les QSR à optimiser leurs opérations dans une multitude de cas d'utilisation.

Les QSR tirent parti de l'IA

De nombreux QSR intègrent ou prévoient d'incorporer l'IA dans leurs opérations pour attirer des clients de plus en plus friands de la technologie. Une rapport ont constaté que 71% des consommateurs seraient disposés aux efforts des QSR et des restaurants fast-casual pour intégrer l'IA dans leurs opérations commerciales, par exemple.

Les restaurants commencent à exploiter ces outils pour un meilleur service client et une analyse prédictive, qui peuvent leur fournir des informations sur les comportements des clients et agir en conséquence en adaptant leurs offres de produits. De tels efforts peuvent même dépendre du canal ou de l'emplacement, de nombreux restaurants utilisant des tactiques telles que ciblage géographique pour envoyer des offres personnalisées ou spéciales aux clients via une application mobile.

L'apprentissage automatique (ML) et les algorithmes associés sont également le moteur de l'espace du restaurant. Cela signifie que les QSR peuvent obtenir des informations détaillées sur les performances de leur entreprise grâce à des plates-formes de données en temps réel, qui collectent constamment des données via leurs systèmes de point de vente (POS) ou d'autres connexions d'employés et d'invités. Cela permet aux QSR d'identifier les modèles et les tendances et d'envoyer d'autres mesures aux responsables et aux auditeurs qui peuvent éclairer leur signification avant de prendre des décisions.

Comment l'IA peut aider à la détection des fraudes, aux ventes

Un nombre important de restaurants utilisent l'IA pour réduire la cybercriminalité, comme fraude interne, qui serait responsable de 75% des pertes des QSR. La fraude des employés peut inclure un abus de remboursement, une fraude par carte-cadeau ou des transactions flottantes, mais les modèles d'IA utilisant des algorithmes dédiés peuvent être formés pour détecter les activités illicites et inhabituelles. Les outils basés sur l'IA peuvent identifier les transactions infimes telles que l'annulation, la suppression ou la remise d'articles et les examiner par rapport à d'autres facteurs, tels que le moment où elles ont été effectuées et le rôle de l'employé qui entreprend ces actions. L'analyse de ces myriades de facteurs peut permettre à la technologie de détecter les comportements potentiellement illégaux qui pourraient mériter un examen par un tiers.

La fraude à la commande mobile représente un défi encore plus grand pour les QSR. De nombreux consommateurs se tournent vers les applications mobiles pendant la pandémie, mais ces solutions peuvent les ouvrir à de nombreux escroqueries si leurs mesures de sécurité ne sont pas à la hauteur. Les fraudeurs peuvent obtenir l’identité des consommateurs pour seulement 4 $ chacun dans certains cas, et les mauvais acteurs ayant accès à ces détails peuvent détourner les comptes des clients et utiliser leurs informations de paiement stockées ou leurs points de récompense pour financer leurs achats illicites.

Ces considérations poussent de nombreux QSR à abandonner leurs règles statiques et leurs approches de fraude basées sur un examen manuel au profit de méthodes basées sur l'IA et le ML, mais même ces mouvements nécessitent un examen et une planification minutieux. Les preuves suggèrent que les restaurants doivent également surveiller les tendances et les informations que ces technologies avancées découvrent, ce qui les aidera à mettre en place des mesures de lutte contre la fraude plus efficaces.

Aujourd'hui, les QSR doivent fournir un service et une sécurité transparents pour développer leurs opérations de commande mobile et prévenir les fraudes internes et externes. Les outils d'IA et de ML, en tirant parti d'un assortiment robuste d'analyses prédictives, peuvent aider les QSR à atteindre ces objectifs.

——————————

NOUVELLE ÉTUDE PYMNTS: COMMENT LES DONNÉES DE LOCALISATION PEUVENT AIDER LES BANQUES À PRÉVENIR LA FRAUDE EN LIGNE

pymnts study december 2020 1

L'étude de novembre 2020 Comment les données de localisation peuvent aider les banques à prévenir la fraude en ligne, PYMNTS a interrogé un panel équilibré de 2141 consommateurs américains qui possèdent des appareils mobiles et utilisent des cartes de crédit ou de débit au moins une fois par mois. L'étude a examiné leur volonté de partager des données de localisation mobile avec les IF pour protéger leurs comptes, ainsi que leur intérêt à passer à des banques qui exploitent des outils de géolocalisation pour prévenir la fraude.



Source link

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *