Кухня

AI-подбор блюд: зачем ресторану своё приложение

Разбираем экономику AI-подбора блюд под вкус гостя: сколько вы теряете на агрегаторах, как собственное приложение окупается и с чего начать маркетологу ресторана.

AI-подбор блюд: зачем ресторану своё приложение

Коротко: AI-подбор блюд под вкус гостя работает только тогда, когда у ресторана есть собственные данные о заказах — история, предпочтения, частота. На агрегаторе этих данных нет и не будет. Комиссия агрегаторов составляет 25–35% от суммы заказа, тогда как тариф собственной платформы — от 4% выручки. Разница при 600 заказах в месяц превышает 150 000 ₽.

В чём проблема на цифрах?

Маркетолог ресторана без данных о гостях — как шеф без дегустации: готовит вслепую. Агрегатор принимает заказ, забирает деньги и данные — и уходит. Ресторан получает выручку, но не знает ни кто заказал, ни что предпочитает, ни вернётся ли этот человек вообще.

Без истории заказов не работает ничего:

  • персонализация рекомендаций блюд;
  • триггерные рассылки («вы не заказывали 14 дней»);
  • программа лояльности с реальным профилем гостя;
  • AI-подбор блюд под вкус конкретного человека.

AI-подбор — это механика, которая анализирует историю заказов, предпочтения и поведение пользователя, чтобы в нужный момент предложить блюдо с наибольшей вероятностью заказа. Без данных эта механика просто не существует.

Сколько вы теряете на комиссии?

Агрегатор — это платный трафик без права собственности на аудиторию. Каждый заказ стоит от четверти до трети выручки, и это ещё без учёта доставки.

По оценке Data Insight («Доставка готовой еды», сен. 2025, с. 27), комиссия агрегаторов составляет около 35% — при том что себестоимость собственной доставки ресторана оценивается в 25–27% от суммы заказа.

Считаем на конкретных цифрах:

Допустим, у вас 600 заказов в месяц со средним чеком 1 200 ₽. Оборот — 720 000 ₽.

Канал Комиссия / затраты Потери в месяц
Агрегатор (35%) 35% от заказа 252 000 ₽
Собственная доставка ~26% (оценка) ~187 200 ₽
Своё приложение (Foodonaut) 4% от выручки 28 800 ₽

Разница между агрегатором и собственным приложением — 223 200 ₽ в месяц. Это не абстракция. Это фонд оплаты труда части команды или бюджет на маркетинг.

Сравнительная диаграмма потерь на комиссии: агрегатор 35%, собственная доставка 26%, платформа 4%

Разница в комиссии между агрегатором и собственной платформой при обороте 720 000 ₽ — более 220 000 ₽ ежемесячно.

Альтернатива и её стоимость

Собственное приложение — не ИТ-проект на полгода. Современные платформы запускают рабочее решение за 24–48 часов.

Важно различать два класса затрат: разовая разработка (студия, от 500 000 ₽ и выше, срок 3–6 месяцев) и платформенное решение (подписка или процент от выручки, запуск за сутки). Для большинства ресторанов с оборотом до 3 млн ₽/мес. выбор очевиден — платформа окупается быстрее.

Тариф Foodonaut — 4% от выручки (подтверждено командой платформы). При обороте 720 000 ₽ это 28 800 ₽ в месяц вместо 252 000 ₽ на агрегаторе. И принципиальное отличие: все данные о заказах и гостях остаются вашими.

Это не «или-или» с агрегаторами. Агрегатор хорош для первого касания и нового трафика. Своё приложение — для тех, кто уже вас выбрал: повторные заказы без комиссии, прямой контакт с гостем и база для AI-рекомендаций.

Точка окупаемости

Цифра простая: собственное приложение начинает экономить деньги с первого заказа, который пришёл напрямую, а не через агрегатор.

Окупаемость считается через перенаправленный объём — какую долю заказов вы переведёте с агрегатора на прямой канал.

Доля прямых заказов Ежемесячная экономия (от 720 000 ₽)
20% (144 000 ₽) ~44 600 ₽
40% (288 000 ₽) ~89 300 ₽
60% (432 000 ₽) ~133 900 ₽

Расчёт: разница между комиссией агрегатора 35% и платформенным тарифом 4%.

Каждый перенаправленный гость — это запись в вашей CRM, история заказов и возможность строить рекомендации. Агрегатор этого не даст никогда: это его конкурентное преимущество, а не ваше.

Данные о госте — это актив. Пока они хранятся у агрегатора, лояльность строите не вы.

Маркетолог ресторана настраивает персонализированные push-уведомления с рекомендациями блюд в интерфейсе приложения

Персонализированные рекомендации возможны только при наличии истории заказов конкретного гостя — данных, которых агрегатор не передаёт.

Что делать прямо сейчас?

Три шага, которые можно сделать до конца недели.

  1. Посчитайте свои потери. Возьмите оборот по агрегаторам за последний месяц, умножьте на 0,31 — это средняя разница между 35% и 4%. Получите ежемесячную стоимость отсутствия прямого канала.

  2. Оцените базу лояльных гостей. Сколько человек заказывали у вас 3+ раза? Это ядро, которое стоит переводить на прямой канал первым — через welcome-скидку или бонус за регистрацию в приложении.

  3. Запустите пилот на одном сегменте. Не переводите всё сразу. Выберите один канал — например, доставку в конкретный район — и протестируйте прямые заказы на реальных цифрах за 30 дней.

AI-подбор блюд — финальный слой персонализации. Но фундамент под ним — данные о госте, которые появляются только в вашей системе, а не у посредника.

Ключевые выводы

  • Комиссия агрегаторов составляет 25–35% от суммы заказа; экспертная оценка Data Insight (сен. 2025) — около 35%.
  • Себестоимость собственной доставки — примерно 25–27% (оценка Data Insight, 2025), тариф платформы Foodonaut — 4% от выручки.
  • При обороте 720 000 ₽/мес. разница между агрегатором и платформой — более 220 000 ₽ ежемесячно.
  • AI-подбор блюд под вкус гостя работает только с вашими данными — историей заказов и профилем гостя, которые агрегатор не передаёт.
  • Точка окупаемости — первый прямой заказ: каждый переведённый гость сразу экономит 31% от суммы его заказа и пополняет вашу CRM.

Источники

Читайте также

Своё приложение — 4% от выручки, а не комиссия 25–35%

Фудонавт даёт ресторану собственное приложение и сайт доставки за 4% от выручки — без фикса 20–25 тыс ₽/мес и без комиссии агрегатора с каждого заказа. Считайте экономику на своих цифрах.

Посчитать экономику

Редакция Фудонавт
Команда платформы для ресторанов

Пишем о том, как растить выручку доставки, считать кухню и удерживать гостей. Опираемся на данные рынка и кейсы заведений на платформе.