ИИ в лояльности SWiP не рассылает предложения по расписанию с одинаковыми порогами для всех. Модель анализирует поведение каждого гостя ресторана отдельно: когда он обычно приходит, что заказывает, сколько готов потратить и в какой момент ему уместно напомнить о заведении. Система решает три разные задачи — возврат ушедших, удержание чека и частоты у постоянных, активацию редких гостей, — и для каждой действует своя логика. Индивидуально подбираются время отправки, любимое блюдо или категория и размер скидки, а не общая акция на всё меню. Ресторан может стартовать на усреднённых настройках или откалибровать до 58 параметров модели вместе с командой SWiP.

Один гость ресторана может не появляться 20 дней, и это нормально — таков его ритм. Другой не появляется 45 дней, и это тоже нормально: просто для него так выглядит привычное посещение. Большинство систем лояльности не видят этой разницы, потому что у них один порог для всех — «не было две недели, отправляем скидку».

SWiP устроен иначе. ИИ анализирует поведение каждого гостя отдельно и подстраивает под него момент отправки, содержание предложения и даже размер скидки — без единого шаблона, применённого ко всей базе одновременно.

Почему стандартные правила «не было N дней» не работают в ресторанах

Классический маркетинговый механизм звучит просто: если гость не приходил определённое количество дней, отправить ему предложение вернуться. Проблема в том, что такой порог всегда усреднённый, а поведение гостей ресторана — нет. Ресторан не супермаркет, куда ходят каждую неделю по необходимости: культурный выход, бюджет, желание разнообразия — у каждого человека свой ритм визитов, и это его образ жизни, а не отклонение от нормы.

Если поставить единый порог в две-три недели, часть гостей, для которых месяц без визита — обычное дело, получит предложение слишком рано и просто проигнорирует его как нерелевантное. А если сдвинуть порог на месяц, часть тех, кто ходит чаще, но уже начал снижать активность, окажется упущена: приглашение придёт слишком поздно, когда привычка уже переключилась на другое заведение.

Суть. Единый порог одновременно и рано для одних, и поздно для других. Точка «пора напомнить» у каждого гостя своя, и определяется она по его личной истории визитов, а не по среднему по базе. Почему гости перестают возвращаться — разбирали в статье «Почему гости не возвращаются в ресторан».

ИИ решает три разные задачи, и для каждой действует своя логика

Система выполняет не одну функцию «вернуть клиента», а три разные:

  • Возврат ушедших гостей — тех, кто перестал появляться и, по всем признакам поведения, ушёл к конкурентам или сменил привычку.
  • Удержание среднего чека и частоты визитов у постоянных гостей, которые пока не пропали, но уже показывают первые признаки снижения активности: реже приходят, меньше тратят, реже возвращаются к любимым позициям меню.
  • Активация спящих и редких покупателей — тех, кто покупает в разы реже постоянных, но по модели поведения имеет высокую вероятность увеличить частоту, если получит подходящее предложение.

Для каждой из этих групп ИИ выстраивает собственную логику взаимодействия: мотивация вернуться, мотивация не снижать активность и мотивация начать ходить чаще — три разных состояния гостя, и одинаковое предложение для всех трёх работает плохо. Как работать со «спящими» отдельно — в материале «Лояльность постоянных клиентов».

Система не создаёт мотивацию — она находит ту, что уже есть

Ключевой принцип модели: SWiP не пытается заставить гостя ходить в рестораны чаще, чем позволяет его образ жизни и бюджет. Если человек в среднем оставляет в ресторанах 15–20 тысяч рублей в месяц, никакая персонализация не превратит эту сумму в 40 тысяч — кроме особых случаев вроде дня рождения. Вместо этого система ищет гостей, у которых мотивация ходить в рестораны и так есть, и старается сделать так, чтобы они выбирали конкретное заведение, а не конкурента.

Это отличает подход от классических акций «на прощание». Вместо попытки удержать гостя в его прежнем статусе постоянного клиента, когда он уже фактически перешёл в фазу редкого посетителя, система признаёт смену фазы и меняет тип взаимодействия — потому что мотивация вернуться у редкого гостя устроена иначе, чем у постоянного, который просто выбирает между заведениями по привычке.

Как программа лояльности SWiP работает в ресторане — на странице программы лояльности для ресторанов.

Быстрый старт по усреднённым настройкам или точная калибровка — до 58 параметров

При подключении ресторан может не настраивать модель вручную. SWiP собрал усреднённые параметры на основе сотен подключённых ресторанов и оформил их в готовую категорию: она задаёт базовые пороги и логику по умолчанию, ориентируясь на типичное поведение гостей похожих заведений.

Если ресторан или его маркетолог хотят более точной настройки — например, точно знают, что их постоянный гость заходит раз в два месяца, а не раз в две недели, — SWiP предоставляет доступ к глубоким настройкам системы. Всего их около 58, и команда SWiP помогает откалибровать модель совместно с рестораном на этапе запуска, чтобы параметры отражали конкретный бренд, а не усреднённый профиль отрасли.

Чем больше данных о госте, тем точнее решение

Модель работает тем точнее, чем больше у неё накопленных данных о конкретном госте и о самом ресторане. Гость, у которого зафиксировано две-три транзакции за три месяца, даёт системе намного меньше сигналов для прогноза, чем гость с историей визитов за полгода, год или полтора. По мере роста истории — как по отдельному гостю, так и по ресторану в целом — предложения становятся точнее, а реакция гостей на них естественнее, потому что предложение всё точнее совпадает с тем, что человеку действительно нужно в данный момент.

Это касается и формы взаимодействия: чем чаще гость расплачивается через продукты SWiP — Wallet-карта или карта в мессенджерах, — тем больше данных накапливается для построения его профиля. Подробнее об ИИ-моделях SWiP для возврата и удержания гостей.

Время отправки, любимое блюдо, размер скидки — тоже индивидуальны

Персонализация не заканчивается на решении «кому написать». Система индивидуально подбирает и то, когда написать, и что именно предложить:

  • Время отправки. Гостю, который обычно заходит на ланч, предложение может прийти за пару часов до обеда — в момент, когда он ещё выбирает, куда пойти поесть. Отправка сообщения всей базе одновременно, в один и тот же час, игнорирует разницу в привычках и снижает релевантность момента.
  • Содержание предложения. Система учитывает любимое блюдо или категорию блюд конкретного гостя, а не отправляет обобщённую акцию «скидка на всё меню».
  • Размер скидки и количество офферов. Для гостя с высоким и стабильным чеком система может предложить не одну, а две или три позиции в одном чеке: закрепление такого гостя за конкретным заведением оправдывает более выгодное предложение.

Все эти параметры рассчитываются по каждому гостю отдельно, и в автономном режиме система отправляет сообщения не одним потоком всей базе, а поэтапно — каждому гостю в его собственное подходящее время.

Управление остаётся у ресторана: автоматика — опция, а не обязанность

Несмотря на глубину индивидуальной настройки, ресторан не обязан полностью доверять решения машине. В SWiP доступны ручная рассылка, режим с подтверждением и полный автопилот, где система сама формирует и отправляет предложения в индивидуальное для каждого гостя время. Выбор режима — решение самого ресторана.

Ещё одно инфраструктурное отличие — у SWiP есть собственный процессинг лояльности, тогда как часть игроков рынка зависит от внешней инфраструктуры данных при построении подобных моделей. Это влияет на то, насколько полно и надёжно система видит поведение каждого гостя.

58параметров глубокой настройки модели
3задачи ИИ: возврат, удержание, активация
550+брендов используют SWiP
3 режимавручную · с подтверждением · автопилот

Показатели платформы SWiP — по данным компании на август 2026.

FAQ

Значит ли индивидуальный подход, что ИИ решает всё без участия ресторана?
Нет. Ресторан выбирает режим запуска — ручной, с подтверждением или автопилот. Владелец или маркетолог может участвовать в настройке до 58 глубоких параметров модели вместе с командой SWiP.
Как быстро ИИ начинает точно понимать поведение конкретного гостя?
Чем больше накопленных данных, тем точнее прогноз: по нескольким транзакциям и поведению гостя за пару месяцев модель делает менее точные предсказания, чем по истории за полгода–полтора года.
Что если у ресторана нет времени настраивать параметры вручную?
Можно выбрать усреднённую категорию «ресторан» — SWiP формирует её на основе данных сотен подключённых заведений, и система сразу начинает работать по этим базовым настройкам.
Правда ли, что скидки становятся больше для гостей с высоким чеком?
Система подбирает количество предложений в чеке (от одного до двух-трёх) и их размер индивидуально, ориентируясь на профиль конкретного гостя, а не по общему правилу для всей базы.
Может ли система «вернуть» гостя, который ушёл молча, без жалобы?
Изменение поведения такого гостя система распознаёт по истории визитов и покупок и может сформировать предложение, рассчитанное на его возвращение.

ИИ в лояльности SWiP — это не рассылка по расписанию с одинаковыми порогами для всех. Это модель, которая анализирует поведение каждого гостя отдельно: когда он обычно приходит, что заказывает, сколько готов потратить и в какой момент ему лучше напомнить о ресторане. Чем больше данных накапливается, тем точнее эти решения — и тем меньше в системе остаётся места для универсальных шаблонов. Подробный разбор механик повторных визитов — в статье «Повторные визиты в ресторане: как не потерять маржу».