IA para marketing de restaurantes (sin producir contenido vacío)

El martes el salón está vacío y llevas dos publicaciones esta semana

La escena se repite en restaurantes de tamaños muy distintos. El dueño o el encargado de marketing arranca el mes con un calendario de contenido armado con IA: fotos del plato retocadas, reels con textos generados, una publicación diaria porque “el algoritmo lo premia”. El feed se ve activo, la cuenta crece en seguidores, y aun así el martes y el miércoles el salón sigue con la mitad de las mesas vacías, mientras el viernes y el sábado se llenan solos, con o sin publicación esa semana. Nadie diseñó esa publicación diaria pensando en el martes flojo: se diseñó pensando en “estar presente”, que es una meta que no llena una sola mesa.

El error no es usar IA para redactar. El error es medir el marketing por volumen de contenido producido en vez de por el problema real: que un restaurante tiene días de sobra y días de vacío, y casi nunca actúa distinto entre unos y otros. La IA para restaurantes tiene mucho más impacto aplicada a esa pregunta operativa (qué día, a quién, con qué oferta) que aplicada a producir el texto de una historia de Instagram. Y esa pregunta no se responde mirando tendencias de otras cuentas: se responde mirando el propio historial de reservas y ventas del restaurante, que casi siempre está ahí, sin usar.

De producir contenido a decidir con datos

Producir contenido con IA es rápido, barato y hoy casi cualquiera lo hace: la ventaja competitiva ahí se agotó rápido, porque el restaurante de la esquina también tiene un asistente que le escribe los pies de foto. La ventaja real está un paso antes, en decidir qué publicar, a quién mostrárselo y cuándo, y esa decisión se toma con datos operativos, no con inspiración del feed de otro restaurante. Un restaurante que cruza sus propias ventas por día de la semana con su calendario de reservas ya sabe, sin encuestar a nadie, cuáles son sus días flojos reales, que no siempre coinciden con lo que el dueño cree de memoria.

Ese cruce de datos es sencillo en la mayoría de los sistemas de punto de venta y de reservas que ya usa un restaurante: exportan ventas por día, por hora y por plato. El trabajo de la IA ahí no es creativo, es analítico: ordenar ese historial, encontrar el patrón (el martes vende visiblemente menos que el viernes, o el almuerzo de miércoles depende casi por completo de un solo grupo de oficinas cercanas) y convertirlo en una lista de acción. Eso es lo que hace que el marketing deje de ser “publicar seguido” y empiece a ser “avisarle a la persona correcta, el día correcto, con la oferta correcta”.

Promociones por día flojo: la oferta que sí mueve mesas

Una vez identificado el día flojo, el error más común es lanzar una promoción genérica: un descuento parejo a todo el menú, sin pensar a quién le llega ni por qué la convierte en atractiva ese día en particular. Una promoción por día flojo funciona cuando resuelve una pregunta muy concreta: qué le falta a ese día para parecerse más a un día bueno. Si el martes flojea al mediodía porque las oficinas cercanas no tienen reunión de equipo, la oferta que sirve es distinta a la del miércoles en la noche, cuando el problema es que las parejas prefieren salir jueves o viernes.

• Oferta de ocupación, no de precio: mover a un grupo grande al día flojo (un cumpleaños, una reunión de trabajo, un evento pequeño) suele llenar más mesas que bajarle el precio a los pocos comensales que de todas formas ya iban a ir ese día.
• Oferta con vigencia corta: válida solo ese día y esa semana, para que después se pueda medir si funcionó sin mezclar el efecto con otras promociones activas al mismo tiempo.
• Oferta dirigida, no masiva: enviada a quien realmente falta ese día, según la segmentación de clientes recurrentes, y no publicada para toda la audiencia de redes, que en su mayoría no está pensando en salir un martes.

Aquí es donde la IA aporta de verdad: no inventando la oferta, sino revisando el histórico de las últimas veces que se bajó el precio de un plato o un menú un martes, y separando si eso subió la ocupación real o si solo bajó el ticket promedio de la gente que ya iba a ir, para que el dueño decida con esa evidencia y no con intuición.

Segmentar a los clientes recurrentes en vez de escribirle igual a todos

La base de clientes de un restaurante no es una lista de contactos para “mandarles una promo”: es información sobre comportamiento repetido. Quién viene cada semana, quién viene solo para ocasiones especiales, quién dejó de venir hace un tiempo, quién pide siempre a domicilio y nunca se sienta en el salón. Tratar a todos por igual (la misma publicación, el mismo cupón, el mismo mensaje) desperdicia justo el dato que distingue a un restaurante de una vitrina: la relación con quien ya lo conoce.

• Clientes frecuentes que se ausentaron: alguien que venía seguido y dejó de aparecer es la señal más barata de recuperar, porque ya conoce el lugar y no hay que convencerlo de nada nuevo.
• Clientes de ocasión: cumpleaños, aniversarios, reuniones de trabajo. Avisarles cerca de la fecha correcta vale más que cualquier publicación genérica, porque llegan con un motivo ya puesto.
• Clientes de alto ticket: quienes piden vino, entradas y postre, no solo el plato fuerte. Perder a uno de estos pesa más que sumar varios clientes de ticket bajo, y merecen un trato distinto al del descuento masivo.

Este cruce solo funciona si el restaurante registra algo de esa historia (un programa de fidelidad simple, el sistema de reservas, o incluso las conversaciones de WhatsApp con los clientes de siempre) y no la deja dispersa en la memoria del mesero que ya no trabaja ahí. Ese historial ordenado es, en el fondo, la memoria organizacional del negocio aplicada a algo tan concreto como saber a quién avisar el martes.

Qué contenido sí conviene asistir con IA (y qué no)

Nada de esto significa que la IA no sirva para producir contenido en un restaurante. Sirve, pero en tareas puntuales y operativas, no como estrategia central de marketing. La diferencia está en si el contenido nace de una decisión (avisar de la oferta del martes a quien corresponde) o si nace del calendario editorial por sí solo, porque tocaba publicar.

• Responder reseñas: la IA ayuda a redactar respuestas rápidas y consistentes a las reseñas del restaurante, algo que sí afecta la decisión de un cliente nuevo antes de reservar. Conviene revisar cómo responder reseñas con inteligencia artificial en un restaurante.
• Describir platos y ajustar la carta: redactar o traducir descripciones, y apoyar el análisis de qué platos conviene resaltar según margen y rotación, tal como se explica en cómo usar IA para la carta de un restaurante y sus precios.
• El texto de la oferta puntual, ya decidida a partir del dato (día, público, oferta), redactado en minutos para el canal que corresponda: WhatsApp, correo o una publicación corta.

Lo que no conviene asistir con IA es el contenido sin destino: la publicación inspiracional del lunes que no vende nada, la serie de fotos “detrás de cámaras” sin relación con ninguna decisión comercial. No es que esté prohibido, es que compite por el mismo tiempo del equipo que debería estar mirando el historial de reservas para decidir la oferta de la semana.

El cálculo de si la promoción fue rentable

Antes de repetir una promoción hay que responder algo que casi nadie se pregunta a tiempo: si esa promoción trajo mesas que no iban a llegar de todas formas, o si solo le bajó el ticket a la gente que ya iba a venir ese día. Son dos resultados completamente distintos, y una promoción que se ve “exitosa” en redes puede estar perdiendo plata en la cocina si nadie hace ese cálculo.

• Ocupación incremental: cuántas mesas o comensales llegaron por encima del promedio normal de ese mismo día de la semana, no el total de mesas del día completo.
• Costo real del descuento: cuánto se dejó de cobrar sobre el ticket de los clientes que ya iban a venir de todas formas, que no representan ocupación nueva.
• Margen del plato promocionado: no es lo mismo descontar sobre un plato de margen alto que sobre uno que ya deja poco después de ingredientes y mano de obra.
• Costo de enviar la oferta: si se usó una plataforma de mensajería o publicidad paga, ese gasto también entra a la cuenta, aunque sea pequeño frente al de un descuento grande.

La IA aporta valor real en esta parte: cruzar la ocupación del día promocionado contra el promedio histórico del mismo día de la semana sin la promoción activa, para aislar el efecto real. Sin ese comparativo, cualquier lectura de que “funcionó” o “no funcionó” es una opinión disfrazada de dato.

El error de promocionar el plato de menor margen

El segundo error, y el más caro, es elegir qué promocionar por lo fotogénico o lo barato del plato, no por su margen. Es intuitivo: el plato de menor precio parece la oferta más atractiva para llenar mesas rápido, y suele ser también el que mejor se ve en una foto para redes. El problema es que ese plato casi siempre es también el de menor margen, porque su precio bajo ya viene ajustado al límite. Descontarlo todavía más puede llenar el salón un martes y, al mismo tiempo, dejar ese día entre los menos rentables del mes, aunque en el reporte de ocupación se vea como un éxito.

La alternativa no es promocionar siempre el plato más caro, que puede espantar a quien solo busca una razón para salir ese día. Es cruzar dos datos que casi nunca se miran juntos: qué tan bien vende un plato y cuánto margen real deja después de ingredientes, mano de obra y merma. El objetivo de la promoción por día flojo es mover el plato que, al mismo tiempo, atrae ocupación y sostiene margen, no el que solo mueve volumen. La carta completa y la promoción del día flojo terminan siendo la misma decisión vista en dos momentos distintos, y conviene tratarlas juntas, no por separado.

Mi criterio sobre el marketing de restaurantes con IA

El marketing de un restaurante se mide en mesas, no en publicaciones

Ningún restaurante quiebra por publicar poco en redes. Muchos sí llegan a fin de mes sin entender por qué, con el feed lleno y el salón vacío ciertos días de la semana, exactamente los mismos que la competencia sí logra llenar. La diferencia no está en quién contrata mejor IA para escribir, está en quién usa los datos que ya tiene (ocupación, reservas, ticket, margen) para decidir a quién avisar, qué día y con qué oferta.

Esto no es un caso especial de los restaurantes: es el mismo principio que sostiene el framework Arquitectura IA en cualquier tipo de negocio, decidir con datos en vez de producir por inercia. Un restaurante que lo entiende deja de medir su marketing en publicaciones y empieza a medirlo en mesas ocupadas los días que antes estaban vacías, y en margen sostenido, no solo en ocupación. El que no lo entiende sigue publicando cada vez más seguido, con IA o sin ella, y sigue sin saber por qué el martes no cambia.