Dave & Buster's è la principale destinazione americana per l'intrattenimento e la ristorazione, che unisce cibo di qualità da ristorante a vaste sale giochi in 177 sedi negli Stati Uniti, con la promessa di "mangiare, bere, giocare e guardare". Il suo modello a doppia fonte di ricavi e le sue strutture ampie con più ingressi — che vanno da 30.000 a oltre 70.000 piedi quadrati — richiedono una visione precisa del flusso dei clienti e dell’occupazione per garantire un servizio eccellente sia nella ristorazione che nell’intrattenimento.
La sfida
Per anni, Dave & Buster’s si è affidata a processi manuali e metriche approssimative. Utilizzava le strisciate delle “power card” delle sale giochi come indicatore del traffico, il che permetteva di contare chi giocava ma tralasciava chiunque venisse principalmente per mangiare: un punto cieco significativo. I direttori contavano l’occupazione con contatori manuali, un’attività che richiedeva tempo, era imprecisa e distoglieva il personale dagli ospiti. Senza una visibilità in tempo reale sul vero flusso di visitatori, le sedi facevano fatica a ottimizzare la gestione del personale, distinguere gli ospiti del ristorante da quelli delle sale da gioco, prendere decisioni sulla disposizione degli spazi basate sui dati e fare previsioni accurate.
La soluzione
Dave & Buster’s ha implementato RetailNext Traffic Analytics in tutti i 177 locali, posizionando sensori in ogni punto di ingresso — compresi quelli diretti e quelli collegati ai centri commerciali — e integrando i dati con i propri strumenti di BI e l’architettura data lake. I sensori hanno rilevato il numero totale di visitatori, l’occupazione, i modelli di ingresso e il flusso dei clienti, visualizzando i dati sia tramite dashboard web che app mobili, in modo che i manager potessero vedere la situazione del locale in tempo reale, da qualsiasi luogo.
I risultati
I responsabili hanno ottenuto una visibilità immediata, direttamente dal telefono, sull’occupazione, sostituendo il conteggio manuale e liberando i team affinché potessero concentrarsi sull’esperienza degli ospiti. I dati reali sull’affluenza sono diventati un nuovo input per le decisioni relative al personale e per i modelli di previsione basati su IA/ML, insieme ai dati storici sui ricavi e alle condizioni meteorologiche, mentre la trasparenza su tutti i 177 negozi ha permesso di confrontare le prestazioni e condividere le migliori pratiche tra le varie sedi.
