Как мы превратили меню ресторанов в карту спроса и сделали ИИ-разведчика для HoReCa-продаж.
Меня зовут Анатолий Сивожелезов. Я маркетолог и менеджер по развитию цифровых решений в команде ГЛАВЦЕХ.
Я занимаюсь тем, что ищу в бизнесе точки роста, которые можно усилить технологиями. Где-то ИИ позволяет в разы ускорить существующий процесс. Где-то — связать данные, которые раньше жили отдельно. А иногда — создать для компании инструмент, которого нет у конкурентов, и за счёт этого получить преимущество на рынке.
Поэтому я стараюсь не начинать проекты с вопроса: "куда бы нам внедрить нейросеть?". Гораздо важнее сначала понять, какой бизнес-процесс имеет смысл изменить, где в нём лежит экономический эффект и что компания получит, если сделать это правильно.
Этот кейс как раз про такой сценарий.
Мы не просто автоматизировали часть работы отдела продаж, а начали собирать коммерческого ИИ-разведчика — систему, которая ещё до первого контакта изучает потенциального клиента и помогает понять, кому, что и почему имеет смысл предложить.
Для HoReCa-дистрибьютора это особенно наглядно.
Менеджер поставщика продуктов приходит в ресторан с прайсом на сотни или тысячи SKU. Но у ресторана нет задачи изучать весь каталог и самостоятельно искать в нём нужные позиции. Ему важно быстро понять, что из ассортимента поставщика подходит именно под его кухню, меню, логистику и условия поставки.
Мы сделали ИИ-разведчика, который заранее изучает заведение, находит его меню, понимает, какие блюда там готовят, раскладывает их на ингредиенты, сопоставляет всё это с каталогом поставщика из 1С и помогает менеджеру прийти не с общим прайсом, а с уже подготовленным предложением под конкретного клиента.
Пока один поставщик приходит с каталогом и вопросом "что вам нужно?", другой приходит уже с пониманием меню клиента, его потенциальной потребности и конкретным предложением. Формально они продают одинаковые продукты. Но качество подготовки к продаже у них уже принципиально разное.
Проблема оказалась шире, чем просто экономия времени менеджера
Сначала кажется, что мы просто автоматизируем рутину: вместо того чтобы вручную изучать каждый ресторан, часть работы берёт на себя коммерческий ИИ-разведчик.
Но для руководителя продаж ценность оказалась гораздо интереснее.
Допустим, в городе несколько сотен заведений. Сам по себе список ресторанов почти бесполезен. Менеджеры всё равно будут выбирать, кому звонить, на основании своего опыта, знакомых клиентов, интуиции или просто того, до кого быстрее удалось дозвониться.
А руководителю нужна совсем другая картина.
Не "вот ещё 300 ресторанов", а:
Вот 30 точек, где наш ассортимент лучше всего совпадает с потенциальной потребностью и с которых имеет смысл начать работу.
В этот момент ИИ-разведчик начинает решать уже не задачу отдельного менеджера, а задачу управления территорией. Он помогает понять, где потенциальная потребность выше, какие точки стоит брать в работу в первую очередь и где конкретная товарная категория действительно может быть востребована.
То есть отдел продаж постепенно уходит от подхода "прозвоните базу" к работе с приоритетами.
Потому что "прозвоните базу" — это не стратегия продаж. Это надежда на то, что сильный менеджер сам поймёт, где лежат деньги. В нашем продукте ценность постепенно поднялась с уровня подготовки одного продавца до управления приоритетами всего отдела.
Самая сложная часть — сначала вообще понять, что ресторан готовит.
На словах сценарий звучит просто: нашли меню, разобрали блюда, сопоставили ингредиенты с каталогом.
Но в реальном HoReCa меню далеко не всегда лежит на сайте красивой таблицей.
У одного ресторана оно опубликовано на собственном сайте. У другого — внутри Яндекс.Еды. У третьего — в группе VK. Где-то это PDF, где-то набор изображений, а иногда нормальное меню вообще приходится восстанавливать по фотографиям из карточки заведения и снимкам, которые посетители оставляют в отзывах.
И вот это уже совсем другая задача.
ИИ-разведчику недостаточно уметь "парсить сайт". Ему нужно собрать разрозненные данные из разных источников, распознать меню даже по изображениям, классифицировать блюда и привести всё к одной структуре, с которой дальше уже можно работать.
Поэтому сегодня контур разведки для нас — это не один источник. Это сайты заведений, 2ГИС, Яндекс.Карты, Яндекс.Еда, группы VK, профессиональные ресторанные сообщества, фотографии меню и пользовательские фотографии из отзывов.
Именно эта часть, на мой взгляд, хорошо показывает разницу между красивым демо с одним URL и настоящим коммерческим продуктом.
Рынок не подготовил данные специально для нас. Система должна научиться работать с рынком таким, какой он есть.
Мы стараемся не начинать разработку с разработки.
У нас есть принцип: сначала понять процесс, потом показать клиенту, как он может работать в цифровом виде, и только после этого обсуждать полноценное внедрение.
Самая дорогая ошибка в разработке — не плохой код.
Самая дорогая ошибка — сделать не тот продукт.
Можно согласовать техническое задание, описать десятки экранов и интеграций, а потом показать систему человеку, который каждый день продаёт ресторанам, и услышать:
"У нас всё немного не так".
Поэтому мы стараемся как можно раньше дать заказчику рабочую модель. Не финальную и не отполированную, а такую, которую можно открыть, пройти руками и раскритиковать.
Для меня хорошее демо вообще не обязано вызывать восторг. Иногда лучшая реакция клиента звучит так:
"Нет, вот здесь должно работать по-другому".
Потому что именно в этот момент заканчиваются наши предположения и начинается реальный бизнес клиента.
На встречу мы пришли не с презентацией, а с рабочим кабинетом.
К моменту презентации менеджер уже мог добавить потенциальный ресторан. ИИ-разведчик находил доступные данные, разбирал меню, извлекал блюда, определял ингредиенты и сопоставлял их с номенклатурой поставщика.
Внутри уже были организации, справочник ингредиентов, каталог, очереди обработки, регионы и заготовки коммерческих предложений.
И почти сразу клиент сказал:
У нас не одна цена. У нас девять типов цен.
На уровне прототипа всё выглядело просто: нашли подходящий товар, взяли цену, добавили в предложение.
В реальном бизнесе цена зависит от категории клиента. Для одной организации используется одна колонка прайса, для другой — другая. При этом менеджер должен иметь возможность вручную изменить стоимость, если по конкретной сделке действуют индивидуальные условия.
Вот зачем нам демо.
Пока идея существует в разговоре, легко сказать: "система автоматически сформирует коммерческое предложение".
Когда открываешь реальный интерфейс, оказывается, что между словами "нашли товар" и "показали его клиенту" живёт значительная часть коммерческой логики компании.
Менеджер передаёт ИИ-разведчику точку, после чего начинается сбор данных и подготовка карточки потенциального клиента.
Не всё нужно отдавать нейросети.
На этой же встрече мы обсуждали автоматизацию цен.
Технически можно было бы попробовать заставить модель самостоятельно рекомендовать стоимость. Но клиент объяснил, что цена по многим позициям определяется не простой формулой. Нужно учитывать рынок, конкурентов и текущую коммерческую ситуацию.
Значит, здесь пока остаётся зона человеческого решения.
ИИ-разведчик может получить актуальный прайс, определить категорию клиента, выбрать нужный тип цены и подготовить предложение. Но последнее слово остаётся за менеджером.
Мне кажется, это важный принцип.
Цель не в том, чтобы любой ценой убрать человека из процесса. Цель — убрать из его работы то, что уже нет смысла делать вручную.
В какой-то момент мы поняли, что делаем не генератор КП.
Изначально сценарий был довольно линейным.
Менеджер добавляет ресторан, ИИ-разведчик изучает его меню, сопоставляет потенциальную потребность с каталогом и помогает подготовить коммерческое предложение.
То есть отвечает на вопрос:
Что мы можем продать этому ресторану?
А затем заказчик перевернул задачу.
Допустим, компании нужно увеличить продажи определённого продукта. Можно ли выбрать его и увидеть рестораны, где он потенциально используется?
Можно.
Меню уже разобраны на ингредиенты, а значит, накопленные данные можно читать и в обратную сторону.
Тогда появился второй вопрос:
А можно среди этих заведений показать тех, кто этот продукт использует, но у нас его пока не покупает?
Вот в этот момент продукт стал заметно интереснее.
Следующий этап — вообще убрать ручное добавление ресторанов.
Сегодня менеджер уже может передать ИИ-разведчику конкретную организацию и запустить анализ.
Но это только первая итерация.
Настоящий масштаб начинается тогда, когда разведчик перестаёт ждать, пока человек принесёт ему очередной URL.
Следующий сценарий должен выглядеть примерно так:
Разбери HoReCa в Воронеже.
Или:
Найди подходящие заведения по всей области.
После этого ИИ-разведчик сам собирает компании из доступных источников: Яндекс.Карт, 2ГИС, Яндекс.Еды, сайтов, VK и профессиональных ресторанных сообществ. Затем пытается найти меню в любом доступном виде — вплоть до фотографий в отзывах — приводит данные к одной структуре и запускает тот же сценарий анализа.
В этот момент менеджеру больше не нужно сначала самому собрать рынок, а потом его изучать.
Разведчик делает обе части: находит потенциальные точки и сразу обогащает их коммерческими данными.
Так продукт начинает работать уже не только как помощник конкретного менеджера, а как инструмент системной разведки города или целого региона. Текущая архитектура как раз закладывает переход от анализа одной точки к массовой работе по территориям.
А самого горячего клиента можно попытаться найти ещё до открытия.
Здесь появилась ещё одна интересная идея.
Когда ресторан уже открыл двери, появился на картах, собрал отзывы и начал работать, поставщики тоже о нём узнают. Но к этому моменту у заведения уже могут быть первые договорённости, поставщики и сформировавшиеся отношения.
А что если увидеть потенциального клиента раньше?
Для этого у нас появился отдельный сканер новых регистраций по региону.
Логика напоминает то, как работают банки. Человек регистрирует ИП или ООО — и почти сразу получает предложения открыть расчётный счёт. Банки не ждут, пока бизнес запустит сайт и сделает первую продажу. Сам факт появления нового бизнеса уже является коммерческим сигналом.
В HoReCa можно использовать похожий принцип.
Если в регионе появляется новый ИП с профильным ОКВЭД, это ещё не гарантирует, что завтра по этому адресу откроется ресторан. Но это уже ранний публичный сигнал, который можно проверить и дополнительно обогатить другими данными.
С ООО сигнал более шумный: юридический адрес может не совпадать с будущей точкой, компания могла существовать раньше или регистрироваться под более широкий набор задач. Поэтому здесь разведчику особенно важно не считать одну запись из реестра готовым лидом, а использовать её как повод для дальнейшего поиска.
Но сама возможность очень интересная.
Пока один поставщик узнаёт о новом ресторане после открытия, другой может попытаться выйти на него ещё на этапе запуска.
И здесь коммерческая разведка начинает работать уже не только с существующим спросом, но и с моментом, когда этот спрос ещё только формируется.
Для отдела продаж это потенциально один из самых ценных сценариев: сделать первое касание раньше конкурентов.
Массовая разведка заставляет считать экономику.
На одном ресторане всё выглядит относительно просто.
Но когда разведчик начинает работать по целой области, задача резко усложняется.
Нужно обратиться к нескольким источникам, открыть сайты и карточки организаций, получить изображения, классифицировать блюда, использовать языковую модель, а там, где это необходимо, подключать прокси и другие сервисы получения данных.
И здесь уже становится важна не только точность продукта, но и себестоимость одного полного прохода по организации.
Если речь идёт о десятках точек, этой экономикой можно почти не заниматься.
Если мы говорим о десятках тысяч заведений, каждый цент начинает умножаться на объём.
Поэтому сейчас мы как раз считаем фактическую стоимость обработки одной организации: LLM, прокси, сбор данных и остальные внешние сервисы. И только после того, как накопится реальная статистика по нагрузке, имеет смысл принимать архитектурные решения.
На первых объёмах вполне может оказаться выгоднее работать на внешних моделях и облачных сервисах.
Но если разведчик начнёт регулярно обходить крупные территории, часть контура, возможно, будет экономически разумнее перенести на собственную инфраструктуру и закрытые модели.
Мне здесь нравится сам подход: не строить дорогую инфраструктуру заранее под предполагаемый масштаб, а сначала измерить реальную экономику продукта.
Когда разведчик работает по территории, меню превращается в данные о рынке.
Когда ИИ-разведчик анализирует один ресторан, это подготовка к продаже.
Для гостя ресторана меню — это список блюд.
Для поставщика продуктов — сигнал потенциального спроса.
За блюдом стоят ингредиенты. За ингредиентами — регулярные закупки.
Когда он анализирует сотни и тысячи заведений из разных источников, начинает формироваться совсем другой слой данных.
Можно видеть, какие товарные категории чаще появляются в определённом сегменте, где собственный ассортимент хорошо совпадает со спросом, где остаются пробелы и под какие продукты потенциально больше подходящих клиентов.
Причём со временем картина может становиться шире самого меню. Карты показывают существующие точки, ресторанные сервисы и соцсети дают дополнительные сигналы, фотографии помогают восстановить ассортимент кухни, а данные о новых регистрациях позволяют раньше замечать потенциальные открытия.
То есть ИИ-разведчик постепенно начинает отвечать руководителю не только на вопрос:
"Куда отправить менеджера завтра?"
Но и на более интересный:
Что вообще происходит со спросом на нашей территории?
Эта логика развития от одной организации к аналитике территории уже была заложена в текущей версии продукта.
ИИ-разведчик не продаёт вместо менеджера.
Это важно проговорить прямо.
Сделку по-прежнему определяют цена, логистика, отсрочка, отношения с клиентом, умение вести переговоры и множество других факторов.
Мы не строим автономного продавца, который сам подпишет ресторан на контракт.
Задача ИИ-разведчика конкретнее: убрать слепую подготовку к продаже.
Собрать информацию, связать её с данными компании, определить приоритет и подготовить аргумент.
А продаёт человек.
Именно поэтому мне нравится термин коммерческий ИИ-разведчик, а не ИИ-продавец.
В таких проектах быстро выясняется, сколько компании живёт "в голове".
Хороший пример — логистика.
Когда мы дошли до коммерческого предложения, оказалось, что ресторану недостаточно увидеть товар и цену. Ему важно знать, в какие дни поставщик ездит в его район, какая минимальная сумма заказа и до какого времени нужно отправить заявку.
Для сотрудников компании эта информация очевидна.
Они просто её знают.
Но для цифрового продукта формулировки "все знают" не существует.
Правила приходится вытаскивать из голов людей и превращать в данные.
И это один из полезных побочных эффектов подобных проектов: когда начинаешь автоматизировать бизнес-процесс, очень быстро становится видно, какие его части действительно описаны в системах, а какие существуют только благодаря опыту сотрудников.
Поэтому демо мы показываем До договора
Не для красивой продажи и не чтобы удивить интерфейсом.
Просто на работающей модели гораздо быстрее всплывает настоящий бизнес.
В нашем случае именно так появились девять типов цен, категории клиентов, необходимость ручной корректировки, связь с 1С, поиск от товара к ресторанам, сценарий, в котором клиент использует продукт, но у поставщика его не покупает, и правила логистики.
Такие вещи не нужно придумывать за клиента.
Нужно дать ему продукт, на который он сможет посмотреть и сказать:
"Вот здесь вы поняли правильно, а вот здесь у нас всё работает иначе".
Поэтому мне до сих пор нравится формулировка:
Демо нужно не для того, чтобы удивить клиента. Демо нужно для того, чтобы клиент начал исправлять наши предположения.
ИИ здесь не только про экономию времени.
Конечно, можно посчитать часы менеджеров: сколько времени уходило на изучение заведений, меню, каталогов, цен и подготовку предложения.
Но для меня в этом проекте интереснее другая экономика.
Что бизнес теперь может делать в таком масштабе, в котором раньше это было слишком дорого делать руками?
Один менеджер может качественно изучить десять ресторанов. Пусть двадцать.
Но постоянно анализировать тысячи точек, искать информацию в разных источниках, разбирать фотографии меню, следить за потенциальными открытиями, сопоставлять спрос с каталогом и историей закупок — это уже отдельный штат.
Поэтому раньше такая разведка неизбежно была выборочной.
ИИ-разведчик потенциально позволяет превратить её в постоянный процесс.
И в этот момент ИИ перестаёт быть только инструментом сокращения рутины. Он даёт компании новую коммерческую способность.
А именно такие способности и могут превращаться в конкурентное преимущество.
Модели будут доступны всем. Ваша коммерческая система — нет.
Через несколько лет сильная языковая модель сама по себе вряд ли будет конкурентным преимуществом.
У конкурента будет доступ примерно к тем же технологиям.
Но если за это время одна компания научилась автоматически изучать свою территорию, накопила структуру спроса, связала её со своим каталогом, продажами, логистикой и коммерческими правилами — это уже совсем другой актив.
Это не подписка на нейросеть. Это собственная информационная система вокруг реального бизнес-процесса.
И её нельзя воспроизвести за вечер одним промтом.
Главный вывод.
Этот проект начинался с достаточно простой идеи: помочь менеджеру быстрее изучать ресторан и готовить более релевантное коммерческое предложение.
Но по мере работы стало понятно, что мы строим не генератор КП.
Мы строим коммерческого ИИ-разведчика, который соединяет внешние сигналы рынка с внутренними возможностями компании.
Сегодня он помогает понять, что предложить конкретному ресторану.
Следующий шаг — автоматически находить и анализировать организации целыми городами и регионами.
Ещё один контур — замечать новые потенциальные открытия раньше, чем они появятся в привычных базах и картографических сервисах.
А дальше перед бизнесом открывается принципиально другой способ работать с рынком: не ждать, пока менеджер сам найдёт потенциальную возможность, а системно искать её в данных.
И вот это для меня гораздо интереснее, чем просто "ускорить сотрудника с помощью нейросети".
Это пример того, как ИИ может дать компании коммерческий инструмент, которого вчера у неё просто не было — и за счёт этого создать реальное преимущество на рынке.
Если у вас есть похожий процесс — покажу демо.
Если в вашей компании есть повторяемый процесс, который сегодня держится на ручном поиске информации, Excel, 1С и опыте отдельных сотрудников, и вы уже понимаете, зачем его имеет смысл автоматизировать, — напишите мне в Telegram @sivozhelezov
Не обязательно сразу обсуждать разработку. Покажу коммерческого ИИ-разведчика вживую и разберём, может ли похожая логика работать в вашем бизнесе.
Иногда одного такого разговора достаточно, чтобы понять, где ИИ просто немного ускорит существующую работу, а где может создать для компании новое преимущество на рынке.