Персонализация на ML-алгоритме приносит Burger King несколько миллионов рублей дополнительной прибыли в месяц

Главное о кейсе

LTV у участников программы лояльности выше в 2 раза, чем у других покупателей

Согласно тестам, продажи в киосках с ML-рекомендациями в полтора раза выше, чем у кассиров.

Персонализация приносит несколько миллионов рублей дополнительной прибыли в месяц.

****

The LTV of loyalty program members is 2 times higher than that of other customers.

Based on A/B test results, sales in self-service kiosks with ML-driven recommendations are 1.5 times higher than sales at regular cash registers.

Personalization generates several million extra rubles in revenue each month.

Бизнес-задача и ее решение

До запуска персонализации рекомендации блюд на кассах и при онлайн-покупках были едины для всех клиентов. Например, при покупке картошки фри система предлагала соус. Этот подход не учитывал вкусы каждого конкретного покупателя, расположение киоска и ресторана, время суток.

Перед бизнесом стояла задача увеличить частоту покупок и средний чек. Поэтому авторизовавшимся в программе лояльности посетителям начали делать персональные предложения, основанные на времени суток, ресторане и истории их покупок.

Подбирает предложения ML-алгоритм. Персональные предложения высвечиваются в мобильном приложении или в киоске — стойке в ресторане, где можно самостоятельно сделать заказ. В марте 2022 года процент продаж через цифровые каналы с персональными ML-рекомендациями вырос до 85%.

****
Prior to the launch of personalized recommendations, all customers were recommended the same menu items at online checkouts and offline in restaurants – for instance, when purchasing fries, the system would recommend dipping sauces. This, however, did not take into account each customer’s individual preferences, the location of the restaurant or the time of purchase.

Burger King’s goals were to increase purchase frequency and the average order value. To achieve this, the team decided to offer personalized recommendations for authorized loyalty program participants based on their individual purchase history, the time they were placing their order and the restaurant location.

An ML-algorithm generates the recommendations. These personalized selections are displayed in the mobile app and self-service kiosks. In March of 2022, the percentage of sales made via digital channels with ML-driven recommendations rose to 85%.

Прочая информация о кейсе

Burger King запустил персонализацию на ML-алгоритме с помощью программы лояльности. Система рекомендует блюда, ориентируясь на время суток, местоположение ресторана и предпочтения клиента. LTV у участников программы лояльности в 2 раза выше, чем у других покупателей.

Персонализация работает как в приложении, так и в офлайне — при заказе в ресторане через киоск.

****
Burger King launched machine learning-driven product recommendations with the help of its loyalty program. The algorithm uses the restaurant’s location, time of day and customer preferences to recommend items from the menu. The LTV of loyalty program participants is 2 times higher than that of non-participants.

Recommendations are displayed in the mobile app and self-service kiosks at restaurants.

Видео