Время доставки еды: мы думали, что виноваты курьеры. Данные показали другое

У нас семь филиалов и больше 500 заказов в обычный будний день.

Стандартное время доставки — 60 минут.

Но есть одна проблема, с которой мы боролись около двух лет.

Когда кухня загружена или не хватает курьеров, филиал просит увеличить время доставки. Например, ещё на 30 минут. И тогда клиент на сайте видит уже не привычные 60, а 90 минут.

Если подняли на час — видит два часа.

Само по себе это нормально. Если кухня действительно не вывозит, лучше честно показать клиенту реальное время, чем пообещать час и привезти через два.

Проблема начинается в другом.

Со временем сотрудники начинают этим пользоваться как страховкой.

«Давайте заранее поднимем, а то вдруг сейчас заказы пойдут»

Вчера вечером был завал. Значит, сегодня примерно в это же время кухня говорит:

— Давайте заранее ещё 30 минут поставим. Вдруг сейчас заказы пойдут.

Заказов ещё нет.

Кухня ещё справляется.

Но время доставки уже увеличили.

Или другая история: время действительно пришлось поднять. Завал закончился, кухня разгреблась, курьеры появились.

А время вернуть забыли.

И клиент продолжает видеть полтора-два часа.

У нас были случаи, когда время подняли и так и не вернули до закрытия.

Для сотрудника это мелочь.

Для собственника — потенциально потерянные заказы.

Потому что человек заходит на сайт и видит:

«Доставка — 2 часа».

А у конкурента — час.

Не надо быть маркетологом, чтобы понять, куда уйдёт часть клиентов.

Почему сотрудники сами не меняют время доставки

Мы специально не дали филиалам возможность самостоятельно менять время.

Иначе контролировать этот процесс было бы ещё сложнее.

У нас есть общий рабочий чат в MAX. Там находятся администраторы, производство и подрядчик, который управляет временем доставки.

Если нужно увеличить время, сотрудник пишет примерно так:

«Такой-то филиал. Поднять на 30 минут. Причина — кухня».

Или:

«Такой-то филиал. +15 минут. Причина — курьер».

Подрядчик получает сообщение и меняет время.

Казалось бы, контроль уже есть.

Но попробуйте вручную контролировать такой чат, когда у вас семь филиалов и сотни заказов каждый день.

Сегодня подняли здесь.

Через час — на другом филиале.

Где-то +15 минут.

Где-то +30.

Где-то попросили ещё +10 сверху.

Кто-то написал причину, кто-то нет.

А кто-то вообще забыл попросить вернуть стандартное время.

И собственнику нужно во всё это погружаться каждый день.

Можно было посадить отдельного человека. Но зачем?

В какой-то момент я всерьёз задумался: может, нужен сотрудник, который будет всё это отслеживать?

Сидеть в чате.

Считать поднятия.

Записывать филиалы.

Смотреть причины.

Проверять, вернули время или забыли.

Но потом возникает простой вопрос:

зачем человеку весь день читать сообщения и перекладывать информацию в таблицу, если это может делать бот?

Вот с этого вопроса и началась наша автоматизация доставки.

Как мы автоматизировали контроль времени доставки

Добавили в рабочий чат бота.

Он читает сообщения и вытаскивает из них нужную информацию: какой филиал попросил увеличить доставку, на сколько минут, когда это произошло и какая указана причина — кухня, курьер или что-то ещё.

После этого данные собираются по каждому филиалу.

На следующее утро в MAX приходит готовая статистика.

Мы видим, например:

Филиал №1 — три поднятия из-за кухни.
Филиал №3 — два из-за курьеров.
Филиал №5 — время поднимали четыре раза.

Из ежедневных данных уже собираем недельную и месячную статистику.

То есть мне больше не нужно сидеть и выискивать эту информацию в переписке.

Когда люди понимают, что цифры видны, поведение меняется

И вот тут началось самое интересное.

Сам бот никого не заставляет работать лучше.

Он вообще ничего не запрещает.

Он просто делает происходящее прозрачным.

Раньше можно было поднять время, потом забыть об этом — и среди сотен заказов ситуация терялась.

А теперь можно прийти к администратору и сказать:

«Во вторник на вашем филиале два часа стояло увеличенное время. Написали, что причина — курьер. Что произошло?»

Не абстрактное:

«Что у вас опять с доставкой?»

А конкретный день, конкретный филиал и конкретная причина.

Сначала объяснений было много.

Забыли вернуть.

Был завал.

Клиент пришёл.

Казалось, что сейчас будет много заказов.

Но когда сотрудники увидели, что статистика собирается каждый день и по ней действительно задают вопросы, ситуация начала меняться.

Причём довольно быстро.

Мы думали, что проблема в курьерах. Оказалось — совсем не там

И вот здесь бот дал нам ещё один результат, которого мы изначально даже не ожидали.

До этого у нас было ощущение, что одна из главных причин увеличения времени доставки — курьеры.

Не хватает машин.

Кто-то задержался.

Пробки.

Высокая загрузка.

Вроде всё логично: если доставка опаздывает, первая мысль — проблема где-то на последнем этапе, между рестораном и клиентом.

Но была одна загвоздка.

Мы просто не знали этого наверняка.

До внедрения контроля сотрудники указывали причину увеличения времени всего примерно в 6% случаев.

То есть решения принимались каждый день, время доставки менялось, клиент видел вместо 60 минут 90 или 120 — а нормальной статистики о том, почему это происходит, у нас практически не было.

После того как бот начал собирать информацию, а мы — регулярно спрашивать сотрудников о причинах, ситуация изменилась.

Причину стали указывать уже в 94% сообщений.

И только тогда появилась реальная картина.

Около 90% поднятий времени были связаны с потоком заказов и кухней.

На курьеров и пробки приходилось около 10%.

И вот это уже совсем другой разговор.

Мы два года могли бороться с доставкой, смотреть в сторону курьеров, думать про логистику.

А узкое место оказалось в основном внутри производства.

И вот здесь для меня главный смысл автоматизации

Можно годами решать не ту проблему.

Особенно когда бизнес растёт.

Семь филиалов, больше 500 заказов в день, кухня, администраторы, курьеры, подрядчики — каждый видит только свой кусок процесса.

А собственнику сверху прилетают последствия:

доставка долгая;

клиенты недовольны;

время опять подняли;

филиал говорит, что не успевает.

И дальше очень легко начать принимать решения на ощущениях.

Нанять ещё курьеров.

Поменять подрядчика.

Усилить логистику.

Провести очередное собрание.

Хотя проблема может находиться вообще в другом месте.

В нашем случае автоматизация бизнес-процесса дала не только контроль.

Она дала данные для управленческого решения.

И для меня это даже важнее самого бота.

Потому что сильное решение — это не просто автоматизировать рутину.

Сначала нужно увидеть, где бизнес на самом деле теряет деньги и время, а уже потом решать эту проблему.

Что изменилось: было и стало

Вот цифры. Слева — в среднем за неделю летом, справа — за последние две недели после того, как по отчёту начали спрашивать.

Показатель	Было (лето)	Стало (две недели)
Часов с увеличенным временем доставки в неделю	100	53
Подняли время и не вернули до закрытия	8 раз	меньше 1 раза
Указывали причину увеличения	6%	94%
Поднятий доставки в неделю	34,5	26,5
Медиана времени одного поднятия	2 ч 03 мин	1 ч 43 мин
Среднее увеличение времени	+22 мин	+18 мин
Сообщений «поднимите» за неделю	64	45
«Ещё +10 минут» после первого поднятия	каждый третий случай	каждый девятый

Отчёты за два разных дня, один летом и один в сентябре. Для примера, это не средние значения. Названия филиалов заменены номерами.

Для меня здесь самый показательный результат — 100 часов против 53.

Почти в два раза сократилось время, когда наши клиенты видят увеличенный срок доставки.

А случаев, когда доставку подняли и забыли вернуть до закрытия, было восемь в неделю. Сейчас — меньше одного.

Без нового контролёра.

Без бесконечных собраний.

Просто потому, что появилась прозрачная система контроля времени доставки.

Что пока не сработало

Честно: на самовывозе такого эффекта нет. Часов с увеличенным временем там было 25 в неделю, стало 30. Контроль подействовал на доставку, а с самовывозом мы ещё разбираемся.

И две недели — это пока тренд, а не итог. Проверять будем дальше.

А сколько это может стоить бизнесу?

Точно посчитать потерянные деньги невозможно.

Мы не видим человека, который зашёл на сайт, увидел «доставка 1,5 часа» и молча ушёл к конкуренту.

Но давайте хотя бы прикинем.

Допустим, за каждый час с увеличенным временем мы теряем всего один заказ.

Именно один.

Раньше таких часов было около 100 в неделю.

Средний чек — 1 800 ₽.

Получаем:

100 часов × 1 заказ × 1 800 ₽ = 180 000 ₽ в неделю.

Больше 700 000 ₽ потенциальной выручки в месяц.

Сейчас вместо 100 часов — 53.

Разница — 47 часов.

По той же очень грубой модели:

47 × 1 800 ₽ = 84 600 ₽ в неделю.

Почти 85 000 ₽.

Важно: я не говорю, что после внедрения бота мы автоматически заработали дополнительные 85 тысяч.

Это оценка масштаба проблемы.

Но даже если реальная цифра в два раза меньше, уже есть о чём задуматься.

Можете примерно посчитать у себя:

часы с увеличенным временем доставки × потенциально потерянные заказы в час × средний чек.

Особенно если у вас несколько филиалов.

Два года мы пытались бороться с последствиями

И вот это для меня главный вывод всей истории.

Проблема была не новая.

Мы видели её около двух лет.

Можно было продолжать спрашивать администраторов.

Можно проводить собрания.

Можно менять людей.

Можно посадить отдельного сотрудника контролировать рабочие чаты.

Но это всё попытки добавить ещё больше ручного управления.

А одна из задач предпринимателя, как мне кажется, — искать сильные решения.

Не:

«Как мне каждый день лучше контролировать семь филиалов?»

А:

«Как сделать так, чтобы мне вообще не приходилось заниматься этим контролем вручную?»

В нашем случае ответом оказался чат-бот для бизнеса.

Он не заменил кухню, администраторов или курьеров.

Он забрал одну конкретную рутинную задачу: сбор и анализ информации.

И этого оказалось достаточно, чтобы изменить поведение людей.

И таких процессов внутри бизнеса десятки

После этого я стал по-другому смотреть на автоматизацию бизнес-процессов.

Если сотрудник каждый день читает десятки сообщений, переносит данные, что-то считает, проверяет соблюдение правил, собирает отчёты по филиалам — стоит хотя бы задать вопрос:

обязательно ли это должен делать человек?

Сегодня часть таких задач можно передавать ботам и ИИ.

Особенно когда бизнес растёт и появляется несколько филиалов.

Потому что семь филиалов нельзя контролировать так же, как один.

В какой-то момент либо собственник тонет в операционке, либо приходится раздувать управляющий штат.

Есть и третий вариант — автоматизировать то, что не требует человеческих решений.

У нас автоматизация ресторанного бизнеса началась с довольно простой вещи — контроля времени доставки.

Но именно из таких маленьких процессов в итоге и складывается система, в которой собственнику не нужно каждый день работать диспетчером собственного бизнеса.

Поэтому сейчас я всё чаще задаю себе не вопрос «кого нанять на эту задачу?», а вопрос «зачем здесь вообще нужен человек?»

Если у вас своя доставка, несколько филиалов и похожая операционка, которую приходится постоянно контролировать вручную, — можно разобрать процесс и посмотреть, что из этого реально отдать чат-ботам, автоматизации и ИИ.

Иногда сильное решение оказывается намного проще, чем ещё один человек в штате.

Вопросы и ответы

Почему доставка еды идёт так долго вечером?

С 17 до 21 заказов больше, чем кухня успевает собрать. По нашим данным, около 90% поднятий времени доставки связаны с потоком заказов и кухней, а не с курьерами и пробками.

Зачем ресторан увеличивает время доставки?

Чтобы не опоздать: кухня закладывает запас на сборку, администратор — на дорогу и штрафы за опоздание. Проблема не в самом увеличении, а в том, что время забывают вернуть.

Как сократить время ожидания доставки?

Сначала посчитать, сколько часов в неделю время стоит выше норматива и почему. Потом лечить главную причину. У нас это кухня, а не курьеры.

Нужен ли программист, чтобы так считать?

Бота для чата я собрал сам с помощью ИИ.