Веб-сервис ( SaaS - платформа) для предприятий общественного питания, который в реальном времени пересчитывает себестоимость и БЖУ блюд,прогнозирует дневной объем заготовок по истории продаж, контролирует замену ингридиентов и формирует автоматический лист закупок для уменьшения списаний продуктов.

Ценностное предложение

Проект решает одну из самых острых проблем ресторанного бизнеса в России: высокий уровень списаний и потерь продуктов, которые при отсутствии контроля могут съедать до 15% выручки заведения . Рынок общепита растет в деньгах, но число чеков падает, и операционная эффективность становится критически важной для выживания .

Платформа предлагает:

• Интеллектуальное прогнозирование заготовок: На основе истории продаж и ML-алгоритмов сервис предсказывает дневной объем необходимых заготовок, снижая риск как порчи излишков, так и нехватки популярных блюд.
• Автоматизацию закупок и контроль себестоимости: В реальном времени пересчитывается себестоимость и БЖУ блюд, контролируется замена ингредиентов, формируется автоматический лист закупок.
• Снижение фудкоста: Прозрачный учет и точное прогнозирование помогают удерживать фудкост в целевом диапазоне 25–30%, избегая как завышения (из-за потерь), так и неверных расчетов .

2. Целевые сегменты

• B2B (Основной фокус): Независимые рестораны, кафе, кофейни и небольшие сети (1–10 точек). Сегмент малого и среднего бизнеса в общепите России активно растет (свыше 203 тыс. предприятий) и остро нуждается в доступных инструментах автоматизации .
• B2B (Специализированный): Предприятия с высоким объемом ежедневных заготовок (столовые, кулинарные производства, фастфуд), где точность прогноза напрямую влияет на маржинальность.
• B2B (Кейтеринг и еда навынос): Сегменты, показавшие наибольший рост (+24% и +21% за год соответственно), где планирование объемов производства особенно сложно из-за неравномерного спроса .

3. Каналы сбыта

Прямые онлайн-продажи: Собственный сайт с возможностью самостоятельного подключения (Self-service SaaS) и демо-доступом.

• Партнерства с интеграторами и POS-системами: Интеграция с популярными кассовыми системами (iiko, r_keeper, Rebase, Restik) через их маркетплейсы или API. Это дает доступ к уже автоматизированным клиентам .
• Контент-маркетинг и отраслевые сообщества: Продвижение через профильные Telegram-каналы, блоги для рестораторов, участие в вебинарах и конференциях по автоматизации HoReCa.

4. Взаимоотношения с клиентами

• SaaS-подписка (Self-service): Клиент самостоятельно настраивает систему, загружает данные и пользуется сервисом через личный кабинет.
• Онбординг и поддержка: Помощь в первичной настройке и загрузке номенклатуры, техническая поддержка для решения инцидентов.
• Обучающие материалы: База знаний и шаблоны для самостоятельного осволения прогнозных моделей и настройки листов закупок.

5. Модель монетизации

Учитывая высокую ценовую чувствительность малого и среднего общепита и наличие недорогих конкурентов, наиболее эффективна модель SaaS-подписки с тарификацией по точкам/модулям.

• Базовая подписка (SaaS License): Ежемесячная плата за одну точку. Ориентир по рынку: базовые тарифы конкурентов начинаются от 1 200 – 2 500 ₽/мес за точку . «FoodControl» может позиционироваться в этом же диапазоне (например, 1 500 – 2 000 ₽/мес), но с акцентом на уникальный модуль прогнозирования заготовок.
• Модуль предиктивной аналитики (Upsell): Дополнительная плата за расширенный ML-прогноз с учетом сезонности, погоды и локальных событий (для сетей и заведений с высоким трафиком).
• Интеграционные услуги: Единоразовая плата за настройку интеграции с POS-системой клиента, если стандартного API недостаточно.
• Плата за пользователя (Per Seat): Для сетей с несколькими управляющими или технологами.

6. Ключевые ресурсы

• ML-алгоритм прогнозирования: Уникальная модель, обученная на реальных данных продаж и списаний российских заведений.
• IT-платформа: Веб-сервис с удобным интерфейсом для загрузки техкарт, просмотра прогнозов и формирования закупок.
• Интеграционные коннекторы: Готовые модули интеграции с популярными POS-системами (iiko, r_keeper и др.).
• Экспертиза в общепите: Команда, понимающая технологические процессы кухни и типичные ошибки в планировании заготовок.

7. Ключевые виды деятельности

• Разработка и обучение ML-модели: Постоянное улучшение точности прогнозов на основе обратной связи от клиентов.
• Разработка и поддержка веб-платформы.
• Интеграция с POS-системами: Расширение списка поддерживаемых кассовых решений.
• Маркетинг и продажи: Привлечение клиентов через партнеров и контент-маркетинг.

8. Ключевые партнеры

• Поставщики POS-систем: iiko, r_keeper, Rebase, Restik. Интеграция с ними (через маркетплейсы или прямые соглашения) — ключевой канал дистрибуции .
• Франшизы и сети общепита: Потенциальные крупные клиенты, которые могут внедрить систему централизованно для всех точек.
• Отраслевые медиа и сообщества: Площадки для продвижения среди рестораторов.

9. Структура издержек

• ФОТ: Разработчики (backend/frontend), дата-инженеры/ML-специалисты, менеджеры по продажам и поддержке.
• Инфраструктура: Серверные мощности для хостинга и обучения ML-моделей.
• Маркетинг: Затраты на привлечение клиентов (CAC), участие в мероприятиях, контент.
• Интеграционные расходы: Разработка и поддержка коннекторов к POS-системам.

На страницу проекта