Menu Optimizer
Menu engineering operativo: margine, popolarità e raccomandazioni per decidere cosa tenere, cambiare o togliere.
Panoramica
Menu Optimizer nasce da un problema che i menu dei ristoranti raramente affrontano con i dati: ogni piatto consuma margine, tempo di cucina e spazio mentale del cliente, ma le decisioni vengono prese per abitudine o per gusto del momento.
La piattaforma costruisce una matrice di menu engineering che incrocia margine e popolarità, con un rail di insight per cambiare lente — margine, volume, prezzo, mix — e una tabella di performance orientata alla decisione. Non un report da leggere, una superficie su cui agire.
Le raccomandazioni traducono il dato in una mossa: alzare il prezzo, rivedere la ricetta, spostare il piatto nel menu, ridurre la porzione, togliere un item che occupa spazio senza contribuire. Ogni suggerimento ha un impatto atteso e un motivo.
L'architettura è mock-first con un adapter Supabase e un dataset deterministico di piatti, segmenti e raccomandazioni. Questo permette di validare la logica di menu engineering prima di collegare POS, costi e vendite reali.
È costruito con Next.js 14, React 18, TypeScript, Tailwind CSS, Framer Motion e Supabase. Nel seed il gross margin è al 71,8%, la popolarità media al 63% e il margin leakage a 1,9k€: il menu smette di essere una lista e diventa un portafoglio.
Risultati
Il menu diventa un portafoglio misurabile: 71,8% di gross margin, 63% di popolarità media e 1,9k€ di margin leakage identificato, con raccomandazioni collegate ai piatti.
Cosa contiene
- Matrice menu engineering margine/popolarità
- Rail di insight per lente operativa
- Raccomandazioni con impatto atteso
- Tabella di performance orientata alla decisione