A*「うーん。最近お客さんが減ったねー、なんでだろうなー」
B*「１週間で見れば誤差じゃない？」

40日後 |

A*「やっぱりどんどん減ってる。まぁ季節のせいもあるのかな、来月には」
B*「そうね季節的なものかもね？」

100日後 |

A*「どうしよう、３ヶ月までの約半分まで客数が落ち込んでる。何か対策打たなきゃ。でも何がいけないのだ？」
B*「なんでだろう、新規が減ってるのかな、リピーターが減っているのかな」

200日後 |

A*「内装変えてみたけど、全く効果なし。味も少し変えてみたけど、これも効果あった変わらない。未だに客数は減り続けてる。。。」
B*「なんでだろう、新規が減ってるのかな、リピーターが減っているのかな」

300日後 |

A*「もうだめだ。閉めよう。」
B*「一体なんでうまくいかなかったんだろう。。。。」

飲食店でうまくいかず閉業するまでにはおそらくこんなストーリーがあったのではと推測する。何かが原因でお客が来ない。でも、なぜ来ていないのかわからない。新しく何かをするけど、それもうまくいったかどうかもわからないまま、結局改善施策の分析ができず、時は流れて最終的にゲームオーバー。実に悲しい。

くどく書いていて気づいている人もいるかもしれないが、大きく分けて今までの飲食店業界では新規のお客とリピーターのお客のどっちなのかわからないお店がほとんどだろう。わかったとしても定量的な分析ができるほどの正確な数値ではなく、ぱっと見いつもの馴染み客が減ったくらいの感覚でしかわからない。

少し話が変わってしまうが、もともと自分が働いていたIT畑ではどんなことが起きていたか。アプリの開発現場ではざっとこんな感じだ。

A*「うーん。最近DAU（1日のユーザー（お客さん）が減ったねー、なんでだろうなー」
B*「ですね、新規流入数と継続率をみてみましょうか」

A*「新規流入は変わっていないけど、継続率が低いな。ということはリピーター客が減ってるなー」
B*「そうですね。前にやったリピーター施策があまりうまくいってないですね。リピーターを増やすための施策もう一度打ってみます」

業種特有のやり方ではあるが、僕らはアプリに紐づけられたデータをみて、どこで何が悪いかをいち早く察知し、改善を回して数字をよくしていった。もちろん飲食店でも同じように改善を売り上げに応じてやられているお店も多いけれど、僕がこの会話を一番何が言いたいかというと

継続率をみて改善施策を回せてますか？

これに尽きる。そして、飲食店はそこへのデータのインプットというのが恐ろしく難しい。継続率をしっかりデータとして持てているのは全て予約注文のお店ぐらいであろう。

だから、

その解決策がデリバリーにはあるのでは

と僕は思っている。

デリバリーPFによりけりだが、デリバリーはデータの宝庫であり、飲食店をデータの力で強くしていく一つの糸口になると感じている。

実例をみてほしい。

これは自分たちがデリバリー店舗をやっていた時の集計データの一部

実際の生データと、その名前と住所でリンクさせて出したリピート率を出している。下の赤い枠で囲った部分に着目してほしい。

テストでのデータ集計(注文数）
平均してならした時の３つの注文数は以下の通り。これはどこの飲食店でも取れるだろう。でも、ここが一番の落とし穴。この数字だけを見ると、一番左のNumPangPateの改善をしてしまいがち。おそらく味とかも。

テストでのデータ集計(リピート率)
でも実は、リピート率の比較をすると実は継続率が一番悪かったのは真ん中のShrimp＆Avocadoだった。この数字こそが大事なのだ。

これらの数字をみた時の次なる改善はこのようなことではないだろうか。

改善施策の例

このような数字と照らし合わせて、商品の味を変えたり、写真を変えてみたり名前を変えてみたり、色々と改善サイクルを回すことができた。自信を持って何が悪いかを特定できるというのは、希望を持って未来を待てる。（普通にテストしてて楽しかった）

結果的に、自分たちのKPIを達成して、テストは無事に終わらすことができた。

そして今、テストでの経験を生かしてデリバリーのデータを駆使したシステムを作りながら、同時に共有キッチンを作っている。開業にかかる実に９５％のコストを削減して始められるデリバリー専用のキッチンだ。

KitchenBASE PRESS RELEASE

よく言われる１年３割廃業、３年７割廃業の壁。でも勝っているお店は少なからずある。それが立地なのか、味なのか、マーケティングなのかはそれぞれだが、僕らはデータという武器で勝てる戦いをシェフの人たちとしていきたい。

詳しく聞きたいというかた、ぜひ事前登録をしていただけると嬉しいです。応募待ってます！！

KitchenBASE HP