0: Всем привет, ребята. Меня зовут Саша Капустин. Вот, как уже сказала Лена, я работаю в не совсем типичной, наверное, истории, там для многих тех, кто сидит здесь, будет достаточно много противопоставлений такого офлайна и классическог

1: It продукта. Постараюсь что-то интересное вам рассказать. Ну, для затравки скажу, что я сегодня буду единственный человек, который будет рассказывать про я и туалеты. Поэтому вот можете приготовиться. Это как бы такой следующий этап. Значит, смотрите, как продуктовый человек, я начался в авито, вот, к счастью, там

2: Не закончился как продуктовый человек, а теперь вот работаю в компании, которая все-таки большой оффлайн бизнес вот настолько большой, не буду уж проговаривать, ну и it там тоже есть, оно немного специфическое сегодня вот далеко не буду уходить, но надо понимать, что it в компаниях, где основной продукт, все так.

3: Не ваш it продукт, а, например, бургеры, да, которые жарят компании, это вообще совсем другое it, другие подходы, другое отношение к it, другие клиенты. Про это сегодня будем говорить. Говоря уж о клиентах, скажу так, значит, у нас, несмотря на то, что мы с вами где-то разные, все равно клиент у нас Одина.

4: Сегодня весь рассказ будет о клиенте, ну, немножко с разных сторон его жизнедеятельности относительно продукта. Значит, начнём с такого интересного вопроса. Работали ли вы когда-нибудь в продукте, в котором чёрный 50% после 1 касания? Вот я думаю, что если

5: Знаете, то, скорее всего, вы там уже не работаете. На самом деле у нас есть такая интересная история, что у нас в компании, после того, как человек посетил ресторан, 1 раз попробовал продукт, 50% этих людей, не возвращается в наблюдаемый период. Ну и это на самом деле достаточно большая проблема.

6: Казалось бы, проблема легко решаемая, потому что давайте посмотрим, че они отвалили, что им не понравилось и так далее. Но тут есть 2 особенность нашего бизнеса в том, что у нас нет Логов. Вы понимаете, да, человек пришёл в ресторан, что-то там поделал, что-то случилось, ушёл, ему не понравилось, он больше не приде.

7: Мы, конечно, проводим исследование около двери, когда человек выходит, узнаем, что, как. Ну, это не особо репрезентативно, потому что последний раз мне человек сказал, мне у вас очень не понравилось. Я Шёл к ресторану, меня облила машина, я зашёл весь мокрый, у вас прохладно в ресторане, я замёрз, я к вам больше не приду, я думаю.

8: Ну, здорово, давайте такое мы, наверное, не решим. Вот. Поэтому важно, что наш интерфейс выглядит чуть по другому, чем у большинства из вас, работающих над цифровыми продуктами, наш интерфейс это сам ресторан, по сути, да, не только цифровые витрины, которые в нём есть, это стол, стулья.

9: Туалет, прости господи, я обещал, это кассир то, как он улыбнулся, не улыбнулся, разговаривает. Это очередь. Это, в конце Концов, кухня, на которой все готовили, потому что человек в итоге сталкивается с продуктом, который прошёл все вот эти этапы, ну, кроме туалета. Понятно.

10: Clicker сложно нажимается извините, вот при этом надо понимать, что никаких Логов вот на текущий момент они начали появляться, про это сегодня расскажу. Ну, никаких вот следов пользователя мы практически не имеем у себя в ресторане. Значит, сегодня будем говорить о том, как мы радостно бьёмся за LTV, потому что как

11: Понимаете, там, где пользователь отвалился после 1 касания лтв, ну, не существует, как бы, да, мы, у нас там лайфтайм не начался, о чем мы вообще говорим. Ну и догадываетесь, наверное, что аквизишн пользователя гораздо дороже, чем та маржа, которую получает бизнес 1 его касания, прочее.

12: Потом отвалился, надо понимать тоже особенность бизнеса это очень высоко транзакционный, но очень низкомаржинальный бизнес. И купить юзера с супер красного рынка и с высокой конкуренцией, а потом его потерять. После 1 касания. История туповатая, честно говоря, так делать не надо, с этим мы, в общем, достаточно сильно и воюем.

13: А я воюю с кликером. Вот почти не получается. Давайте поговорим о том, как мы в целом работаем с черн и что мы черным называем. Значит, классическая история про черн, это

14: О, я нашёл точку туда надо было. Извините, пожалуйста. Вот классическая история про черн. Это история про то, что к вам приходит пользователь, он с вами провёл какое-то время, это его лайфтайм лайфтайм закончился. Посчитали сумму транзакций, вышли в плюс молодцы, не вышли в плюс вопрос к тому, почему аквизишн выше че?

15: Заработанное. Большой вопрос. Поэтому нам нужно понять, где в оффлайне у нас конкретно, что мы считаем событием. Когда человек отвалился, я думал, нашёл. Вот, значит, смотрите, у нас есть юзеры 3 категорий. Первые это наши постоянники, это те, кто

16: К нам возвращаются достаточно часто. Мы их называем хэви юзерами. Мы их видим точно раз в месяц. Иногда видим, даже чаще. Большинство юзеров 80% это юзеры, которые к нам приходят раз в 3 месяца. В лучшем случае. И мы, если видим их чаще, уже считаем.

17: Это вообще супер победа. Но если не видим их в течение 3 месяцев следующих, то, кажется, начинается какая-то проблема. Мы считаем, что уже скоро событие чёрное. Ну и через полгода, если пользователь к нам не пришёл, все отток, ну то есть пришёл через 6 месяцев и 1 день, то ура, новый пользователь. Ну это вот така.

18: Особенность, потому что мы в принципе видим, да, как пользователи распределены.

19: Вот, значит, когда я говорю про черн в 50%, я говорю именно о той доле гостей, которые нас коснулись только 1 раз, пришли только в 1 раз, и потом уже к нам не вернулись. То есть это вообще фаталити. Вот если говорить про вообще, большая ли это проблема или нет, надо понимать, чт.

20: То есть принцип вот этого дырявого ведра, в чем дело? У нас хорошо работает маркетинг относительно рынка. Действительно, ребята классно покупают пользователей, они этих пользователей покупают дешевле, чем покупают наши конкуренты там по ряду причин. Ну, мы иногда выравниваемся, иногда дешевле. Половина уходит после

21: 1 визита. Понятно, что это кошмар и что было интересно, достаточно долгое время компания работала, ну, в иллюзии, что у нас дела вообще хорошо. Рынок большой, пользователей много, подрастают постоянно новые поколения платящие. Даже если кто-то старый отвалился, ну, камон, ничего страшного, мы покупаем новых. Угадай.

22: Че случилось в какой-то момент? Количество новых, в принципе, начало заканчиваться, потому что, а ситуация на рынке, которая по вашим продуктам тоже бьёт. Ну и пользователи стали более чувствительные, да, к велью фо мани из серии очень, ну, очень требовательные стали юзеры, что-то не нравится. До свидания. Обошёл конкурентам, а их мног

23: Конкуренты то что развиваются. Ну и в общем мы решили, что этому надо положить конец. Вот это вот такая прелюдия была. Значит теперь поговорим с вами про физику офлайна вообще в чем разница и в конце все-таки будет я обещаю. Вот, но начнём не с этого.

24: Значит, как выглядит стандартный путь пользователя, который в ресторан пришёл, он заходит в ресторан, сталкивается с какой-то цифровой витриной, либо с кассой производит свой выбор, потом заказывает, сидит в зале, ест, да, скорее всего. Ну и потом, возможно, возвращается или нет. Ва.

25: Что для нашего бизнеса основные точки входа это все-таки цифровые продукты наши, это киоск, мобила и касса. При этом все, что другое, это 20%, это доставка. Мы на это сейчас вообще не смотрим, не говорим, это просто другой бизнес, это агрегаторы, там все другое. Поэтому мы говорим про тех 80 проценто

26: Которые в ресторане кушают, значит, 85% при этом проходят через киоск. Вот это для нас очень важно, потому что в итоге точкой любого аб тестирования, да, например, о чем тоже дальше поговорим, является, по сути, киосок. Ну и немножко мобила.

27: Ну, основное, конечно, мерило такое изменение, это наши киоски. Вот. И получается, что классический айти продукт покрывает только самые края, да, нашего пути пользователя. Это тот момент, когда он начинает просто делать свой выбор, делает заказ. Дальше в айти продукт он не приходит, только если он

28: Решил пожаловаться. Поэтому если говорить про наши особенности, самая 1 такая важная особенность, то, что отток у нас живёт на краях воронки в самом конце, то есть такого, что человек пришёл в ресторан, посмотрел, ему что-то там не понравилось, он ушёл. Это крайне редко, это обычно очереди, либо ресторан не работает, это

29: Бывает очень редко, в основном отток происходит там, где он уже нас коснулся и решил, что я больше к вам никогда не приду, дальше вы можете сколько угодно приседать над своими it продуктами, править конверсии, заниматься чекатам, какие-то новые сервисы делать, сыпать лояльность и так далее человек

30: Скорее всего, к вам уже не вернётся. Это большая проблема. Реактивация стоит очень дорого. 2 проблема в том, что когда человек от нас ушёл, мы не знаем, почему, как я уже говорил, метрик особо нету. Процент Залогина не очень высокий. То есть мы в своих приложениях, там, на киоске, мы даже не знаем, кто прише.

31: Я потом покажу, у нас там 25, 35% пользователей логинится, представляете? А все остальные, как бы, вы не знаете их, как их возвращать, вообще непонятно. Это ещё 1 большая проблема, которую мы сейчас решаем, тоже чуть попозже расскажу. Ну и понятно, что слепая зона там, где у пользователя что-то не так с сервисом.

32: Случилось. Он столкнулся с некачественной едой, с неубранным залом. Понять это просто невозможно. Если он не пожаловался вот с жалобами тоже интересный момент. Чуть дальше скажу. Значит, следующая история, которая сложнее всего была для меня, как для человека, который аргументировал траты на it. Ну, вы представля.

33: Сюда я прихожу, говорю, нам нужно деньги найти. Говорит, зачем? Покажите, какие проекты у вас, сколько денег приносят. А теперь представьте, что ваши тестовые группы, юзеры, на которых вы все катите, это чуваки, которые приходят в лучшем случае раз в месяц, обычно раз в 3 месяца ещё. И ты такой, ну,

34: Ну, нам надо примерно полтора года, чтобы доказать какую-нибудь там корреляцию между изменениями и метриками. И обычно все катилось этоком. Мы, конечно, поприседали немножко. Тоже дальше расскажу. Но вот это 1 из самых больших проблем. 2 прикольная проблема. Вы тоже сталкиваетесь

35: Продуктов представьте что у вас есть очень похожие конкуренты, у цифровых продуктов такое тоже есть, но здесь прям вот вы в соседних дверях стоите, стоит mc какой-нибудь бургер и ростикс все супер, первые запустили какие-нибудь скидки, вторые запустили какую-нибудь супер программу лояльности вы запустил?

36: Что-то своё. И параллельно вы катнули какой-нибудь аб тест и тебе говорят, вот у меня постоянная история. Прихожу, говорю, смотрите, мы сделали тест, все классно работает вообще они говорят, да, ну у вас в середине теста мы запустили вот это, ну и понятно, что вроде группы там, да, гомогенные люди видят в равной степени тоже эти изменения.

37: Ну, все равно конкурент что-то запустил. Транзакции у нас упали. Моё любимое, это на улице пошёл дождь, люди стали меньше ходить, у тебя меньше, группа транзакций меньше. И ты такой, блин, короче, вот это жонглирование, это очень сложная история, и с ней тоже надо понимать, что работать

38: Реально тяжело. Я потом расскажу, как мы с этим работаем, с кликером разберусь. Вот ещё есть история такая, что лояльность. Мы прям исследование проводили. Лояльность в оффлайне штука неприятная. Не знаю, сталкивались вы с таким или нет. Если с офлайном работали в цифровых продуктах, как

39: То вот по мне, даже по ощущениям, пока мы исследование сделали, привычка строится быстрее. 2, 3 удачных касания, привычка как бы уже сформировалась. Какая-то бабулька, ещё что-то. Ценность очевидна для получения ценности ехать или идти в ресторан не надо с детьми, ну, что-то там.

40: Вроде не так пошло. Ладно, подожду, щас починят, все будет хорошо. Теперь представьте, вы приходите с ребёнком на день рождения в ростикс, например, и там не работают все киоски и очередь. 800 человек. В парке горького. Недавно такое было. Люди на улице стояли. Эти люди точно к вам больше не придут. Вся лояльность, которая была до этого годам.

41: Она прям разрушается, потому что они пошли в какой-нибудь мак и такие, ну ладно, попробуем. Тут поели такие, вроде ничего, очередь поменьше, и у них вот эта атрибуция сохраняется надолго. Ты вроде там строишь, строишь, строишь лояльность, потом раз и от тебя уходят эти люди, становятся лояльные, понимаете?

42: Конкуренты не потому, что concurrent хороший, а потому что ты плохой. Вот это огромная разница в нецифровых продуктах. Это прям очень сильно раздражает. Короче, 1 ошибка, и ты ошибся. Это вообще кошмар. Поэтому чёрный такой высокий. Вот. И ещё интересная штука, когда мы катим, а

43: У нас такая особенность есть, что у нас есть сотрудники ресторанов, у вас там волшебные гномики, сервисы, если у вас офлайна нет, и все остальное как бы работает. А у нас работает 40000 человек, из которых 20 по-русски может говорить с трудом. И когда ты к ним приходишь и говоришь, слушайте, а именно

44: Сегодня там в течение какого-то времени в ваших ресторанах или на ваших киосках будет какой-нибудь спешл офер, который мы будем показывать пользователям. И вам надо немножко по другому готовить картошку. Они такие, че вообще ты их 3 месяца учишь? Они в среднем работают 3 месяца, они увольняются.

45: Приходят новые, потом другая смена, сменился директор ресторана. Короче, ты просто не понимаешь, что тебе мешает нормально провести тесты. Это и продуктовые тесты, в смысле запуски новой еды, и цифровые какие-то вещи тоже. Ну ещё есть всякие приколы. Знаете, какие, например, сотрудники в ресторане?

46: Такие че то заказов много. Давайте киоски все выключим. Идут все киоски выключают, у тебя там тест идёт. Так вот работает. Представляете? Вот поэтому в момент, когда я пришёл чинить диджитал гэп, я был уверен, что сейчас мы тут великое айти сделаем, все будет круто. На самом деле надо, конечно, с офлайном раб.

47: Вот, в 1 очередь, сейчас будет как раз про это. Ну, поехали, значит, как я уже говорил, Логов у нас никаких нету, поэтому с этим надо че то делать. Сейчас я расскажу, че с этим будем делать. Значит, мы провели опрос, че хотят гости, они хотят быстро и бесплатно поесть. Короче, ну, ещё желательно.

48: Чтоб вкусно было. Да, я когда в авито работал, я помню, спрашивали продавцов, что вы хотите, чтобы было на авито? Они знаете, че, все сказали бесплатно. Тоже самое с бургерами, короче, ничего не меняется. Вот мы в это же упёрлись. Ну и, по сути, то, что я назвал нашим интерфейсом вот этого оффлаайна, это то, что формирует, вот.

49: Это условно бесплатность, это веломания, да, комфорт и вкус. Я справляюсь с кликером все лучше и лучше. В общем, основные метрики, которые у нас есть, именно операционные метрики, метрики, зала. Вот они на экране, я не буду их читать. Они упираются в людей, если

50: Вы понимаете, что в каком-то ресторане страдают? Я потом расскажу, как мы это начали мерить. Тут как раз яички зайдут. Если вы понимаете, в каком-то ресторане систематически страдает чистота, качество приготовления и так далее. Вы не можете просто что-то раскатить, поправить и так далее. Заменить кухню, там фритюр, поменять ещё что-то вам надо менять там Люде.

51: Процессы менять. Представляете? Это вообще че такое? То есть бывают рестораны, в которых просто неудачные люди работают. Вот сегодня просто такая смена. У тебя все метрики полетели. Ты сидишь, чешешь репу. Почему какой-нибудь твой тест? Мы запускаем какие-нибудь новые панели, новые киоски. А люди там говорят, что вообще ужасный сервис, ресторан ненавиж.

52: И вся операционная команда такая, it обосралось, и ты такой, ну вообще то, кажется, нет и начинаете разбираться, это очень сложно доказать потом, что это не вы лопух, поэтому мы раньше опирались только на жалобы. В чем проблема с жалобами 20.

53: 5 человек из 26, которым не понравилось, жалобу не оставляют. Они тупо уходят в цифровых продуктах тоже. Вот я делал когда-то и апрейтер, и ещё что-то люди как-то активнее оставляют. Значит, жалобы в оффлайне. Вот у нас в ресторанном, да, бизнесе работает, так.

54: Либо прям все настолько плохо, что получаешь, знаете, как простыню от бывшей, типа, открываешь телефон, смотришь, думаешь, мама моя, короче, я даже читать не хочу. Пишешь ок. Просто вот и все. Либо ты не получаешь вообще ничего. В этом большая проблема. Поэтому работать с отзывами достаточно сложно. Вот их.

55: Не особо много, что вот из того, что я сказал, можно интересные выводы сделать. Значит, 1, если вам пожаловались, это очень хорошо, мы прям заставляем людей жаловаться. Представляете, мы делаем максимально простым путь до жалобы, потому что это наша единственно

56: Индикатор в оффлайне наш единственный лог. Ну кроме чека, но это по факту наш единственный индикатор, что что-то не так. Если жалоб нет, это не значит, что нет проблем. Если жалоб нет, а все пятёрки это не значит, что нет проблем. Это значит, что хитрые сотрудники ресторана на подносе печатают листы, a4

57: И, пожалуйста, поставьте нам пятёрочку, а то мы вам в бургер плюнем в следующий раз, вот типа прям до угроз доходило в некоторых ресторанах. То есть пятёрки тоже ничего не значат, это большая проблема. И мы, кстати, забегая вперёд теми же самыми яишками, научились искать корреляции в ресторанах, где

58: Слишком хорошие отзывы. Внезапно, понимаете, да? То есть мы делаем какую-нибудь выездную проверку, а там не очень хорошо. Отзывы слишком хорошие. Мы начинаем смотреть, какие отзывы нам кажутся подозрительными, и находим ту смену, которая шантажирует людей серьёзно. У нас прям целая команда есть для этого, да, это балдёж вообще.

59: Ну и поддержка для вас наконец то все, кто работали или работа в поддержке ура. Поддержка стала не koss центром, поддержка стала нормальными логами и очень важно и в продуктовой работе, и в работе бизнес. Поэтому, что мы сделали? Мы для себя определили 3 слоя, с которыми мы работаем, это 3 слоя метрик.

60: Мы так категоризировали их для себя. Значит, 1 это операционные импут метрики, это всякие скорость обслуживания, скорость сборки, скорость выдачи заказа, частота. В конце. Расскажу, как мы все это мерить начали всякие аптаймы каналов, сколько киосков работает. Это 1, это прям на руках. Можно сейчас померить.

61: Раньше было нельзя, расскажу, как начали голос гостя классная штука, мы перестали сильно верить, мы начали больше в 1 слой уходить, но, как правило, есть корреляция раньше не было между первыми метриками и вторыми теперь есть, потому что первые метрики раньше мерил кто люди, у которых в kpi были.

62: Метрики. Угадайте какой был итог все зелёное. А жалобы у пользователей все красные ты такой здорово ну и наш Нор стар понятно мы ввели 2 метрики. На самом деле, сейчас меня побьют за 2 Нор стар метрики. Ну, очевидно gmv. Но на джимми влияет 1000000 факторов. A2 мы ввели такой long livity наш

63: Нашего клиента, по сути, то, как часто возвращаются когорты 1 контакта 2 и так далее. В течение 1 месяца, 3, 6. Вот такие у нас, значит, метрики. Проблемка в чем следующая? У нас между слоями целые месяца лага, если ты что-то

64: Правила в операционке, представьте, да, ты взял ресторан и в нём все починил. Увидеть, как тот же пользователь отреагировал на эти изменения. Можно, если, а он придёт б, если ты подождёшь 3 месяца. Ну, в опять же, повторюсь, если он вообще придёт проводить нормальные сплиты вообще на самом деле особо не получа.

65: И мы вот все тесты катим. Знаете, как мы выбираем сейчас вообще, это страшная история. Мы выбираем похожие рестораны в более менее похожих городах с более менее похожим трафиком и проводим эксперименты. Ресторан, ресторан, никаких киоск, киоск. Понимаете? Да, потому что я человек.

66: Я не залогинен, вы не знаете, кто стоит. Та же сессия, другая. Это я же отошёл, я же подошёл вообще. Ну то есть вот без Залогинов это просто адуха, поэтому мы тестим на самом деле на ресторанах, и для нас получилось, и для нас рестораны становятся вот этим вот.

67: Объектом рандомизации. Теперь проблема ресторанов 1300. Ну вот теперь представляете ещё, как бы, какая там, какой трафик и сколько приходится ждать, чтобы любой тест пророс. В общем, достаточно тяжело проводить нормальные сплиты не получается. Мы, короче, чесали репу, чесали, че

68: Делать, потому что тестить классно, но хочется видеть прям сейчас, что происходит в залах, как люди реагируют. Ну и решили, что пора заходить в иишки, вот в любые там, значит, любые варианты. Че хотите, у нас там роботы, уборщики ездят, ещё что-то происходит, но это

69: Совсем интересно. Мы решили, что нужно сделать так, чтобы у нас были глаза. В тот момент, когда что-то идёт в зале не так, а не человек пожаловался, чтоб люди не делали то, что им не надо делать, и поэтому занимались чистотой зала там ещё чем-то и гостей радовали. Ну и, в общем, нам надо поймать пользователя с плохими отзывами.

70: Плохим сервисом до того, как он оставил отзыв, окончательно счернял я. Но это 3 наших направления. Кстати, я думаю, очень похожие на ваши цифровые продукты, за что сейчас бьётся рынок в целом кьюэсар, да, это рынок ресторанов быстрого обслуживания. Это за авторизации. Проблема в том, что данных офлайн особо ни у кого

71: Нету. Китайцы на авторизовали всех, кого можно. У нас, повторюсь, авторизация 30%. Сейчас 35 примерно. У конкурентов около 60. Все равно мало для того, чтобы проводить какие-то нормальные, там, знаете, лука, лайки строить, какие-то модельки обучать на серии. Давайте тут рекомендации делать было маловат.

72: Поэтому мы очень сильно вложились. В прошлом году мы дошли до 30%, в этом году дойдём до 50, я надеюсь, и уже будет большое количество авторизаций. Уже наши вот первые эксперименты, про который дальше расскажу, уже в дело пойдут. Вот, то есть бьёмся над залогинам. Это серьёзная проблема.

73: На самом деле, если быстро говорить про тот i, который есть у всех, мы вложили в следующие вещи. 1, мы сделали эмэль рекомендации на киоске на приложение звучит базово. Попробуйте сделать рекомендации, когда у вас 200 эска, типа у вас 200 разных товаров, попробуйте построить рекомендации, это просто

74: Тупо, ну типа там нечего рекомендовать, все понятно, она на 3 экранах помещается. Мы как-то там поприседали, начали делать хитрые гибкие комбо, которые собираются конкретно под человека, который, кажется, похож на того, который до этого брал такое комбо. Ну и честно говоря, нарастили средние чеки рабо.

75: Работает неплохо. Единственное, что на 1 запуске. Угадайте, что было самых в первых рекомендациях на все экраны.

76: Никто не угадает. Соусы и пиво приходишь открываешь тебя. Мы тебе рекомендуем собрать корзину, 4 соуса и стакан пива и ты такой супер. Мне ещё звонят ребята, говорят слушай, че то у нас рекомендации не летят вообще в block никто не тыкает, просто кликов нет, может не Отто.

77: Поражается. Мы не знаем, че такое. Я говорю, вы смотрели, какие кашки показываются? Говорят, сейчас посмотрим такие.

78: Понятно. Я, я предложил 5 пива просто предлагать, и все так было бы проще. Вот мы на самом деле, здесь было больше слайдов просто с организаторами мы решили, что 95 слайдов не получится, поэтому я буду проговаривать строчки по быстрому. Значит, мы сделали персо.

79: Офферы нормальные. Если раньше сирма работала, серия всем - 300. Вот это плоховато заканчивается, потому что вы своим частотникам даёте тоже - 300, они их тоже используют. Вы просто бабки пожгли. Зачем правильно вот начали делать нормальные персональные офферы, смотреть, какой профил.

80: Человек, как часто он ходит, как давно его не было? Ну и такой, знаете, нормальный сивим. В общем, мы подлавливаем людей и говорим, эй, ты давно, короче, не ел свою любимую курицу, которую ты раньше брал, а вот теперь на неё тебе конкретно скидка не всем, а тебе конкретно работает вообще, как из ружья. Наверное, вещь очевидная.

81: Опять же скажу, что натренировать модельку, когда у тебя нету ни профилей, ни авторизации, вообще ничего. И у тебя, опять же, 200, скаю, это вообще магия, ну, всякие хитрые там вот промокоды, вот это все персонализации сделали, работает и слава Богу, ну, из минусов.

82: То, что из сложностей да, у нас чуть по другому живёт over когда вы даёте какие-то офёры, промокоды, ещё что-то у вас он ну скорее всего в вашем приложении спасибо, а нам надо их ещё протянуть на киосок, протянуть в мобилу, протянуть на кассу если человек подошёл, а теперь представьте он забыл авторизоваться н.

83: Киоски подходит с телефоном, у него там есть промокод на киоске. Нет, он говорит, опять меня обманули, закрывает киоск. Ну, короче, кошмар вообще, это серьёзная была задача заставить людей авторизовываться. И мы там вообще какую-то магию придумывали, хотели, короче, нормальный фейс айди сделать на киосках, но вот биометрия

84: Не даёт. Поэтому пока ждём, раз, раз, о, все нормально. Вот у нас ещё бывают интересные штуки. У нас бывают аб тесты, в которых есть очередь. Это вообще забавно, что ты абиш на киосках. Раньше мы абешали в рамках 1 ресторана на соседних киосках. А почему нет? Вот знаете,

85: Когда заходишь в ресторан, бывает, что стоит 8 киосков в ряд в 1 12 человек, в следующем 8, в следующем 6 следующие пустые. Ты такой, че вы вообще тут стоите, ребята, можно же пройти. Тоже большая проблема. Поэтому и вот мы разошлись по ресторанно, ну и контрольные группы, как я говорил, с касанием.

86: Месяц это очень плохо. Теперь давайте поговорим про которого у вас, возможно, нет. Возможно, есть та часть, которую мы сейчас делаем. Это достаточно. Такая простая для нас концепция, но сложнореализуемая. Сейчас расскажу, почему. Значит, чек сейчас, ну и долгое время был единственным.

87: Мерилом того, что происходит в ресторане. Количество Чеков, объём чека, состав чека. Какая группа продуктов там находится? Ну, в общем, такие вещи нам, по сути, выступали индикатором того, что вообще в ресторане произошло.

88: Они не сильно отражают очередь в текущем ресторане, грязь и так далее. Потому что человек пришёл, все равно, помните, я вам говорил, поел, ушёл и мы не узнаем, там случилось че то плохое или не случилось. В общем, мы достаточно долго думали, как уйти от вот этого стыка с единственным человеком, как как единственным

89: Метрикой. Значит, мы начали активно вкладываться в компьютерное зрение. 1, что появилось компьютерное зрение на кухне. Вот у меня есть видос, я не знаю, когда-нибудь мне разрешат его где-нибудь использовать. Стоит сотрудник, он наклоняется у него с подноса, че то падает, он так наклоняется за курицей и медленно голову в камеру поворачивае.

90: Такой и уходит за совочком. В общем, я думаю, окей, работает забавно, что компьютер вижн сам по себе. Короче, 1 время никто даже не приезжал бить сотрудников, но только камеры поставили. Вы не представляете, как камера, обведённая жёлтой изолентой над головой у сотрудника влияет на продуктив.

91: Там даже ещё ничего не подключили, там уже все, представляете, все уже друг другу рассказали, что за нами следят, и если что-то будет, то что-то произойдёт, а мы ещё сами не придумали, че будет, если все будет плохо, и мы такие, окей, у нас

92: Вот есть камеры на вот чистоту зала, на уборку туалетов, к сожалению, в туалетах камеры не дали поставить. Извините, поэтому они стоят снаружи и видно просто, сколько заходит сотрудник, и сотрудники прям начали по часам заходить. Они же подходят, чтоб швабру было видно. Такие я убираю.

93: И дальше идут все круто, а никакого наказания не было. Ну и нет пока вот. Ну и по сути, мы контролируем процесс, мы не контролируем людей, мы им об этом говорим, но они как-то не верят нам и работают лучше. Спасибо, в общем.

94: У меня сегодня с техникой какие-то проблемы. Вот мы начали тестировать сборку заказов. Здесь я быстро пройду, все понятно. Камера смотрит на поднос, смотрит на подносе. Столько скаю, сколько мы хотели или нет. Это супер. Просто, особенно когда у тебя белая столешница, рядом засвет из окна все пачки.

95: Продукты примерно одинаковые, не на все подносы кладут бумажку, которая должна контрастом выступать. Ну, в общем, тоже челлендж такой, достаточно сложно в офлайн с этими вещами заходить, но очень круто помогает. Мы, правда, видим эффект прикол 50% жалоб на сервере. Знаете, на что картошку не доложили?

96: Соус вот решаем серьёзно, особенно хорошо. Нам не помогают сотрудники, которые в пакет все кладут, и его так заворачивают. И все. Вот наши пилоты деньги пока не проросли. Как я говорил, такая пока что Надежда на то, что мы эти метрики можем как-то потом исполь

97: Для того, чтобы операционку починить. Но пока что мы от этого далеко. Да что ж такое-то? Я когда опоздаю, я скажу, что у меня с кликером не получилось. Вот как поймём мы, что на самом деле все получилось. Мы проводим пилот по ресторанам, мы проводим как

98: Сравнение клиентов, которые посещали ресторан, возвращаемость против того ресторана, в котором эти клиенты не были, да, и в котором нет этих вещей. Ну и в общем, просто пока смотрим на прокси метрики того, как вообще вот эти истории влияют. Так, если говорить про прокси метрики, как раз буду рада.

99: Заканчивать, куда мы в итоге идём. Вот представьте, что мы на самом деле, я ограничиваюсь только компьютер. Вижн на самом деле много где есть всякие ишные инструменты. У нас, у нас есть логи в кофемашинах. Какой кофе, сколько, с какой частотой заказывают, когда обслуживалось, там загорается. Короче, лампочка, что иди посмотри.

100: Вот сюда у нас есть логи во фритюра, и все это разбирается. Естественно, раньше с людьми разбиралось, это невозможно вообще, поэтому разбирается сейчас уже не человеками. У нас параллельно разбираются отзывы клиентов и так далее. Все это делается только за 1. Мы сделали вот такую панельку, она называется

101: Рестораны, которым плохо. Если раньше территориальный управляющий ресторанов открывал рестораны и просто на них внимательно смотрел, потом такой, в этот поеду. Вот, то теперь он смотрит и видит, что окей, есть ресторан, который болит. Это понятно, что самодеятельность практически моя, скажем так.

102: Что есть рестораны, которые болят этим ресторанам надо помогать. И вот такая штука. Это вот итоговый как бы, результат того, что мы начинаем трёкать оффлайн, трёкать его с трудом, датчиками видео. Ну и всем пока чем можно. Ну и отзывами отзывы по хитрому разбираем, мы для себя разработали

103: Вот такую матрицу a проектов зачем она нужна? Ни 1 i проект не даёт денег, пока нам и не даст в ближайшее время, поэтому обосновывать сложно мы сказали, что, ребят, смотрите, у нас есть стратегические вещи, это какие-то сильные ставки, есть эксперименты на вырост, есть места, где мы прикалываемся.

104: Генерируем курицу забавную и вставляем в приложение, да, это просто сэкономит какие-то деньги, но невеликие. Ну, есть какая-то просто необходимость, потому что мы понимаем, что у нас есть проблемы с качеством приготовления еды, например, в некоторых ресторанах, а ставить туда на постоянку тренеров, которые учат готовить, ну, невозможн.

105: Просто и нам приходится как бы понимать куда ехать конкретно, куда вызывать группы вот этих десант, да, которые все чинят это довольно сложная работа, мы для себя тоже вот такую штуку зафиксировали, вот это такая лестница как у нас i заходит в офлайн, все очевидно.

106: Глаза, мозги и руки. И для нас глаза это на самом деле скучно, дорого, но обязательно офлайн данных нет, купить их невозможно. Ну, в нашем случае, да, приходится их собирать. 0 рой, потому что на сборе данных Бабок ты не заработаешь. Эти проекты стоят как чугунный мост. Кто вешал камеры?

107: Наверное, догадываются. 1300 ресторанов. Представляете, в 6 зон повесить по 6 камер в каждую. Мы когда только цену на провода посчитали, такие, а там ещё камеры непростые. Нужно ещё серваки ставить, потому что в облако интернета в некоторых регионах нет. Короче, тяжело все это, но мы

108: Верим, что делаем все это не зря. И для нас на самом деле результат пока вот этих всех внедрений это, а то, что сотрудники боятся глаза Бога, вот который над ними висит, а. Б. То, что это, кстати, халявный, приятный прирост б, то, что мы начали данные собирать данные.

109: Собираем. Зачем я вам показал, что есть операционный мониторинг, есть определённые мозги, которые смотрят и говорят про тренды в ресторанах, сравнивают эти тренды с трендами по регионам, по конкурентам. Мы, конечно, заказываем аналитику, смотрим и, по сути, составляют такую матрицу действия для операционной

110: Команды, куда надо в 1 очередь посмотреть, где идёт какая-то проблема. Вот в Китае все это уже работает в полную голову. У нас так, короче, пока что только начинаем на самом деле. Вот на самом деле самая большая проблема, повторюсь, у нас не в том, что мы не можем сделать 2.

111: Да, и там написать какие-нибудь хитрые системы алертинга. Проблема в том, что у нас просто данных пока не хватает, мы над этим бьёмся, то есть мы одновременно поднимаем количество авторизаций, ну и Логинов, да, в разных приложениях и параллельно пытаемся это ещё и матчить с тем, что в оффлайне происходит, ну и tre.

112: На самом деле не самое такое очевидное, но ребята про роботов рассказывали. Идёт активная роботизация в Китае кухонь доставок, автоматические ленты готовки заменяют, там автопланирование, то там штуки сами поднимают курицу, её макают, че то делают, мы ещё вообще, конечно, не

113: Там просто на это смотрим, радуемся за китайцев. Ну и надеемся, что скоро также будем делать пока что вот мы в этап 2 только заходим. Вот, ну и простые такие тезисы. Напоследок, мне кажется, все очевидные места. Я уже везде залез, да, ну, типа support уже всех бесит, мне кажетс.

114: Во всех приложениях пишешь привет, он тебе пишет привет, это робот Глафира. Сейчас я тебе помогу. Ты такой, понятно? Зови оператора. Вот у нас это начинает уходить в совсем неочевидные места, во фритюрницы, кофемашины, на входы, в туалеты. Вот, может очевидное место.

115: Ну мы прям активно этим занимаемся, занимаемся трекингом сотрудников QR коды на кепочки клеим, смотрим че кто делает ну в общем такое пока учимся вот 2 для нас. Вот 2 для нас вывод, что по той лестнице, которая

116: Казалось, ступеньки перепрыгнуть не получится. К нам приходило 1000 вендоров. Говорили, что сейчас мы вам поможем что-то там внедрить. Нифига подобного пока нет данных. Ну, все приходят такие, а где ваш офигенный чистый датасет? Я говорю, а вот тут начинаются проблемы, братва, и они такие, ладно, давайте придём через 18 ле.

117: Ну, в общем, пресейл не удался. Ну и по факту для нас лтв, такая история просто про выживание. Очень конкурентный рынок. 1 раз человек ушёл, повторюсь, он не просто становится вашим не фанатом, он становится фанатом ваших конкурентов. Это вообще большая проблема. Вот. Ну и такая штука на вынос.

118: Да, от себя скажу, что вот мы для себя как пошли. Сначала построили пирамиду метрик, определили операционные метрики. Я пришёл все это защищать. Мне сказали, Капустин, ты работаешь тут 3 месяца. Ты не понимаешь, как это работает. Этого ничего нет. Следующие полтора года мы занимались теми, чтобы просто настроить, ка,

119: Какой-то мониторинг, какие-то глаза для того, чтоб это появилось. Ну вот значит 3 для нас это определение уже раскладывание всех этих проектов на go не go. И мы смотрим, действительно, можем ли мы благодаря этим проектам проинвестировать либо в 1 ступень, да, то, что я показал в какие-то глаза просто

120: По сути, ну, либо ступеньку уже там, где у нас есть данные. Вовремя ли нам инвестировать в тот айти продукт ишный, который нам предлагают. Вот такой вот у меня получился рассказ на 15 минут, как меня просили. Сейчас я с кликером разберусь во такой

121: Смотрите, я придумал штуку классную, что чёрный, короче, есть у всех. Вот мы все за лтв боремся, а мы ещё боремся. И параллельно с фритюром, с сотрудниками из ближней азии и с конкурентами, которые в том же доме открываются. Вот всем спасибо. Спасибо, что послушали.

122: Не успеем. Да, саш, спасибо тебе большое. Действительно, мне кажется очень круто подсветил вообще и про офлайн мир, и про ai, и я хотела бы спросить на самом деле, вот ты много говорил про то, как вы вплетаете технологии.

123: Бизнес. А вот если говорить про разные иай технологии, как они тебе помогают в твоей профессиональной жизни? Ну либо в бытовой рутине я перестал, я перестал гуглить, ну типа, когда ломается стиральная машинка, теперь я не начинаю долгий

124: Поиск брошюры, pdf и так далее, если без шуток, у меня были попытки собрать такой second brain нормальный в общем, видимо, надо с first брейном разобраться, потому что пока секонд брейн не очень помогает, ну и какую-то отсебятину лепит в целом рутину классно.

125: Автоматизирует какую-то супер простую, но пока что че то интеллектуального я для себя собрать не смог, там пока что призы самому делать приходится. Короче вот пока что вы как раз больше внедряете во фритюрницы. Ну пока следим, чтобы фритюрницы, правильно?