Dave & Buster’s ist Amerikas führendes Unterhaltungs- und Gastronomie-Ziel, das an 177 Standorten in den USA Speisen in Restaurantqualität mit großzügigen Spielhallen kombiniert – ganz nach dem Motto „Essen, Trinken, Spielen und Zuschauen“. Sein duales Erlösmodell und die großen Veranstaltungsorte mit mehreren Eingängen – deren Fläche zwischen 30.000 und mehr als 70.000 Quadratfuß reicht – erfordern einen genauen Überblick über den Kundenstrom und die Auslastung, um sowohl im Gastronomiebereich als auch im Unterhaltungsbereich einen hervorragenden Service zu gewährleisten.
Die Herausforderung
Jahrelang verließ sich Dave & Buster’s auf manuelle Prozesse und Ersatzkennzahlen. Das Unternehmen nutzte das Durchziehen der Spielhallen-„Power Cards“ als Ersatz für die Besucherzahlen, wodurch zwar die Spielgäste erfasst wurden, jedoch alle übersehen wurden, die in erster Linie zum Essen kamen – ein erheblicher blinder Fleck. Die Geschäftsleiter zählten die Auslastung mit Handzählgeräten – eine zeitaufwändige und ungenaue Aufgabe, die das Personal von den Gästen abhielt. Ohne Echtzeit-Einblick in die tatsächliche Besucherfrequenz hatten die Standorte Schwierigkeiten, den Personaleinsatz zu optimieren, Restaurant- von Spielgästen zu unterscheiden, datengestützte Entscheidungen zur Raumaufteilung zu treffen und genaue Prognosen zu erstellen.
Die Lösung
Dave & Buster’s führte „RetailNext Traffic Analytics“ in allen 177 Filialen ein, installierte Sensoren an jedem Zugangspunkt – einschließlich direkter und an Einkaufszentren angeschlossener Eingänge – und integrierte die Daten in seine BI-Tools und seine Data-Lake-Architektur. Die Sensoren erfassten die Gesamtbesucherzahl, die Auslastung, die Eintrittsmuster und den Kundenfluss; diese Daten wurden sowohl über Web-Dashboards als auch über mobile Apps angezeigt, sodass Manager die Situation in den Filialen in Echtzeit von jedem Ort aus einsehen konnten.
Die Ergebnisse
Die Führungskräfte erhielten sofortigen, über das Smartphone abrufbaren Einblick in die Auslastung, wodurch manuelle Zählungen entfallen und die Teams sich nun ganz auf das Kundenerlebnis konzentrieren konnten. Echte Daten zum Kundenverkehr wurden neben historischen Umsatzzahlen und Wetterdaten zu einer neuen Grundlage für Personalentscheidungen sowie für KI-/ML-Prognosemodelle, während die Transparenz über alle 177 Filialen hinweg Leistungsvergleiche und den Austausch bewährter Verfahren zwischen den Standorten ermöglichte.
