Франшиза додо пицца

Как «Додо Пицца» решает проблемы бизнеса с помощью машинного обучения


«Пиццерии будущего» появляются по всему миру. На фото – Zume Pizza из Калифорнии
В прекрасной России будущего вы зайдёте в пиццерию, посетите почтовое отделение или банк, возьмёте нужную вещь – и спокойно уйдёте. Не будет никаких очередей. Просто автоматическое списывание денег с вашего счета. При этом качество товаров значительно возрастет, ведь проверять их будут машины, а не человек.
Облачные решения в ближайшие годы изменят мир ритейла. VR, AR, видеоаналитика, нейросети – все эти технологии связаны с облаками и попадают в прямую зону ответственности VSaaS.
«Додо Пицца» – международная сеть пиццерий с интересной структурой прозрачности – открыты данные по прибылям и убыткам, а инвесторы могут в онлайн режиме следить за жизненно важными показателями пиццерий: выручкой, средним чеком, производительностью, расходами.
«Додо пицца» устанавливает видеонаблюдение в каждую пиццерию. Посмотреть трансляцию с камеры может не только Федор Овчинников, а любой человек на сайте «Додо». Видеонаблюдение – часть стратегии открытости и прозрачности «Додо». А еще это инструмент увеличения продаж.
Основа успеха «Додо» – стремление к автоматизации бизнес-процессов. С этой целью в компании создали облачную информационную систему «Додо ИС» и стали глобально менять подход к видеонаблюдению.
Для «Додо» всё началось с простого желания обеспечить порядок и показать клиентам процесс приготовления пиццы. В каждой пиццерии на кухне висит камера. Трансляция ведется через интернет и доступна к просмотру всем.
За последний год камеры в пиццериях из инструмента «живого присутствия», эволюционировали в инструмент сбора данных для видеоаналитики.
«Додо пицца» воспользовалась двумя сервисами, расширяющими возможности видеонаблюдения: платформой Dbrain и детектором очередей Ivideon.

Нейросети DBrain


CEO и соучредитель Dbrain – Дмитрий Мацкевич. Несколько лет назад он участвовал в создании чат-бота Icon8, мгновенно обрабатывающего фотографии с помощью нейронных сетей. Пользователь выбирает один из шести стилей, доступных для использования в боте – на старте проекта в 2016 году это удивляло.
Icon8 собрал 7,5 миллионов пользователей – самый популярный на тот момент проект в Telegram, удостоенный грантом от Павла Дурова.
Полученный опыт Дмитрий использовал в DBrain. Компания делает ставку на нейросети и добавляет к ним технологию распределенного реестра.
DBrain представляет собой блокчейн-платформу для совместной работы над созданием «слабого» ИИ. Обучение нейросети предполагает большой объем ручного труда при разметке данных – процесс дорогой и занимает много времени. Команда придумала, как снизить стоимость создания и повысить точность нейросетей: любой человек может за деньги стать «учителем» для нейросети.

Обучать сетку очень просто – смотрим на фотографию в приложении и отвечаем, кто же на ней изображен: лисичка, котик, собачка или комок шерсти. Возможно, это самая невероятная интерпретация игры «Корова делает МУУУ».

По запросу «Додо Пиццы» на DBrain разработали приложение на основе машинного обучения, которое контролирует качество приготовления пиццы. Приложение реализовано в виде Telegram-бота, оценивающего пиццу по фотографии. Бот самостоятельно даст оценку продукту от 0 до 10 по ключевому критерию — качеству теста.

Бот работает с армией тайных покупателей – это внутреннее сообщество «Додо пиццы», насчитывающее более 50 000 человек. Рейтинг качества пиццерий формируется на основе отчетов покупателей, которые еженедельно оценивают на соответствие стандартам почти 700 пицц. Добровольцы получают за работу Додо-рубли, которыми можно оплатить пиццу при следующем заказе.
Но где же тут видеонаблюдение?
Видеонаблюдение сокращает расходы и полностью автоматизирует работу по составлению рейтинга пиццерий. Для этого достаточно предоставить приложению от Dbrain видеоданные вместо фото. С помощью камеры программа успеет проверить не 2 пиццы в неделю, как обычный человек, а 300 в день – ровно всё, что выйдет из печи.

Нейросеть Dbrain сегментировала пиццу на 50 000 фотографиях и научилась искать изъяны в каждом сегменте. Например, если на краях пиццы сетка обнаружит маленькие вздутия, которые практически не заметны человеческому глазу, то сразу «поймёт» о плохом качестве теста. При этом сеть сравнивает каждую пиццу с «идеальной» моделью, созданной на основе данных, которые предоставили тайные покупатели и эксперты, профессионально занимающиеся оценкой качества пиццы.

Детектор очередей Ivideon


Компания Ivideon использовала машинное обучение для создания детектора очереди. Детекторов придумали уже превеликое множество, но все они не лишены недостатков. Люди в очереди не ведут себя как статичные геометрические фигуры. Люди переходят с места на место, нарушая работу внешних датчиков, становятся так, чтобы сливаться с фоном или друг с другом, и мешают камере различить объекты.
Машинное обучение позволило выделить из человека «главное» – голову. Считая по головам, удалось добиться практически 100% точности определения наличия человека в кадре. А дальше достаточно просто подсчитать количество людей и прислать менеджеру уведомление о возникновении очереди для мгновенной реакции.
Менеджер получает уведомление и решает открыть еще одну кассу. Или закрывает кассу, на которой скучает ненагруженный кассир.
Другая важная часть сервиса – статистика. Детектор считает количество людей в очереди, строит графики и диаграммы, характеризующие распределение покупателей по времени. С такими данными проще оптимизировать рабочий график персонала, оценить качество маркетинговой акции или выявить недостатки оформления витрины.

Отчеты формируются в формате CSV, данные также доступны в интерфейсе личного кабинета Ivideon. Из отчета можно узнать:
● проблемные зоны (с возможностью сравнения в рамках одного или нескольких заведений);
● пиковые нагрузки, длину и динамику образования очередей;
● видеоданные по каждому скоплению людей.
С данными отчета легко пойти дальше и строить прогнозы на дни и недели вперед. Теперь легко узнать, какие кассы, в какие часы получают максимальную и минимальную нагрузку.


Ivideon также обрабатывает данные из касс по чекам. Для этого систему управления очередью нужно дополнить бесплатным модулем интеграции с 1С. Из интерфейса 1С пользователь получает видеозаписи по любым системным событиям, например печать чека, складские операции (приемка, отгрузка), возвраты товара.

Оценка вложений

Затраты на проект с Dbrain «Додо» в открытых источниках пока не публикует. Даже если считать по максимальным затратам, решение все равно выглядит выгодным – нейросеть есть не просит и не претендует на бесплатную пиццу.
Затраты на детектор очередей видит любой пользователь сервиса Ivideon в личном кабинете – 800 рублей за одну камеру в месяц. В эту же сумму входит детектор движения, облачный архив (который сам по себе платный), возможность встроить трансляцию с камеры на свой сайт или поделиться видео в социальных сетях.
Для тех, кто и так использует облачный архив для хранения данных с камеры, подключение детектора выглядит очевидным шагом. С учетом периодических обновлений следует ожидать изменений, которые расширят функции сервиса. После детектора людей как объектов, очевидно, последует детектор лиц.
Бизнес в этой истории интересует прибыль. С «Додо» выводы делать рано, однако другая компания («Интерлогика») публикует такие цифры: общая стоимость внедрения системы детекции очередей, с учетом закупки камер (на объекте их не было), составила примерно 500 000 руб. Содержание системы обходится в 30 000 рублей в месяц. За счет роста качества работы и экономии на персонале (дополнительный продавец появляется только когда нужен) средняя выручка магазина увеличилась на 7%. Система окупится менее, чем за 1 год, а дальше начнет приносить прибыль.

Выводы

Камера – мелкофункциональный кусок пластика. Помогает наблюдать за сотрудниками, клиентами, товарами – тем самым меняет качество обслуживания. Но ничего больше, чем мигать огоньком и демонстрировать картинку, камера делать не умеет.
Еще 10-15 лет назад камера была похожа на версию охранной собаки с ограниченными возможностями здоровья – наблюдает за периметром, сигнализирует охраннику о нарушителях, помогает раскрывать преступления и на этом всё. С появлением видеоаналитики сама камера не изменилась, но ее возможности многократно расширились.
Отдельные тестовые проекты с видеоаналитикой запускают, кажется, все крупные игроки в России. «Сафмар Ритейл», владеющая 30% рынка потребительской электроники, делает ставку на блокчейн и дополненную реальность. Х5 Retail Group тестирует технологии сколковского резидента Intelligence Retail по мониторингу наличия товаров на полках магазина с применением машинного зрения и камер Ivideon. ФРИИ отдельно инвестирует в платформу для шопинга без очередей.
Малый и средний бизнес замер в ожидании своей участи.

О быстром росте

— Самое важное в масштабировании — создание самой модели бизнеса. Нашу модель мы начали тиражировать на нескольких рынках, чтобы доказать, что она работает.

Во-первых, мы начали в открытую показывать выручку всех пиццерий. У других компаний продажа их франшизы обычно заканчивается рекламными материалами, брошюрами вроде «Открой свой собственный бизнес», «Зарабатывай столько-то денег» и т.д. А у нас предприниматели видели цифры, и так поняли, что нашей франшизе можно доверять.

Наши партнеры-предприниматели говорили: «Ну как же так, закройте выручку наших пиццерий. Вот, Domino’s видит, какая у меня выручка, поэтому выходит на мой рынок, и мне сложнее жить». Но никогда большого противодействия не было, все решалось.

Мы также приглашаем наших клиентов прийти на наши кухни. Тотальная открытость не дает нам работать плохо и рождает доверие. Когда они все видят — и выручку, и кухню — это очень большое преимущество.

Фото с сайта коммерсант. Уз

Второй фактор роста — мы вышли из регионов. Domino’s и Papa John’s начали раньше нас, но они стали развиваться из Москвы и Санкт-Петербурга. А в регионах нет конкуренции. И сейчас, наверное, на всех наших рынках СНГ нет конкуренции в большом масштабе. Когда мы открывались, на рынке было порядка 10 разных доставок пицц, суши. И все думали: «Куда вы лезете, куда еще больше?» Но когда мы открылись и предложили совершенно другое качество продукта и подход, то поняли, что рынка даже не было! Мы этот рынок создали. Нам повезло, что в России мы развивались и до сих пор развиваемся в период, когда хороший продукт решает все. Благодаря этому удалось очень быстро привлечь партнеров.

Фото: Надежда Бужан, probusiness.io

О создании большого потока клиентов

Создавать большой поток клиентов удается скорее не благодаря каналам привлечения, а подходам. Приведу несколько кейсов.

1. У нас есть акция «пицца в офис». Когда открывается новая пиццерия, нам обязательно нужно зайти в офисы в зоне ее доставки и презентовать свой продукт. Тут есть 2 подхода. Первый — объявить в соцсетях, что мы бесплатно доставим пиццу. И второй — директор пиццерии сам приезжает в офис и презентует пиццу. Это и есть ключевое в нашем маркетинге. Мы уверены, что после такой презентации офис будет заказывать только у нас.

Фото: Александр Глебов, probusiness.io

2. Мы тоже раздаем листовки на улицах. Это очень большой поток клиентов, но очень часто мы просто сливали деньги. И только когда мы начали погружаться в детали — одели промоутера в оранжевый плащ, сделали ему табличку, кричалку, поставили супервайзера, который наблюдает за промоутерами, — конверсия выросла в десятки раз. Выходит, канал все знают, но чтобы он начал работать и приносить прибыль, нужно уже постараться.

3. Еще пример про промоутеров. Один из партнеров придумал давать вместе с листовкой горячий слайс пиццы. Тогда конверсия выросла еще в 10 раз.

О базе знаний и бизнес-девелоперах

Раньше у нас были менеджеры поддержки франчайзи. Они приходили к предпринимателю и смотрели, как у него все происходит, что у него не так, и предлагали инструмент — мол, сделай это, и все получится. Но что происходило потом? Во-первых, предприниматель может этот план не принять. И во-вторых, может хромать реализация. Допустим, мы предлагаем раздавать листовки, а он нанимает под эту задачу недобросовестную компанию, которая все выкидывает в мусорку. Тогда предприниматель приходит к нам и говорит, то наш план не сработал. И мы остаемся виноватыми.

Мы ушли от этой позиции. Мы представили нашу франшизу в роли супермаркета — приходи и сам бери инструменты в нашей базе, которая доступна всем франчайзи. Мы пополняем ее с помощью самих же партнеров — у кого есть успешные кейсы, кто поднял хорошую выручку, мы просим поделиться этим опытом.

Фото: Надежда Бужан, probusiness.io

Вместо менеджеров поддержки мы ввели позиции бизнес-девелоперов. Наши бизнес-девелоперы — это такие коучи и тираны, которые не дают работать плохо. Они точно так же смотрят на точки роста и требуют, чтобы партнер сам выполнил план. Ведь есть же такие люди, которым иногда нужен пинок. Девелоперы этот пинок и дают.