Caída de 5,8 puntos en el costo de adquisición: cómo corregimos una fidelización de clientes que existía en el folleto y no en la caja, con el Radar Gastronómico y meseros.ai
La fidelización de clientes de esta operación no fallaba por falta de programa, fallaba porque nadie medía la segunda visita: 71% de los comensales del mes de línea de base eran primerizos y solo el 14% volvía dentro de los noventa días. Al instrumentar la recurrencia con el Radar Gastronómico y el dashboard de meseros.ai, el costo de adquisición por comensal efectivo cayó de 14,9% a 9,1% de la venta —5,8 puntos— y el EBITDA subió 3,1 puntos en siete meses. El mito dice que fidelizar es un beneficio blando de marketing; la realidad contable dice que es la palanca de margen más barata que tiene un restaurante de menos de un millón de dólares al año, porque adquirir cuesta entre 5 y 25 veces más que retener (Bain & Company).
FICHA DEL CASO. Operación de servicio informal con cocina propia, 26 mesas y 104 asientos, 31 empleados entre salón y cocina, en una ciudad intermedia de la región andina con población metropolitana cercana al millón de habitantes. Ticket promedio de 11,40 USD en salón y 14,60 USD en pedido digital, siete años de antigüedad, facturación anual en la banda de 500 mil a 1 millón de dólares. Canal dominante al inicio del trabajo: delivery de terceros, con 38% de las órdenes y una comisión efectiva que, sumadas tarifas de servicio y promociones obligatorias, se comía entre el 30% y el 40% del valor del pedido (Restaurant Business, 2024). El dueño llevaba dos años pagando pauta digital y llamando a eso, sin ironía, su programa de fidelización de clientes.
Lo que encontramos al abrir la caja fue un negocio que facturaba razonablemente bien y perdía comensales por una puerta que nadie vigilaba. El P&G mensual estaba al día, el food cost declarado rondaba el 30% y la nómina se movía dentro del rango esperable para el formato, así que sobre el papel no había incendio. El incendio estaba en el embudo de ventas: cada mes entraban entre 1.900 y 2.100 clientes distintos y cada mes había que volver a comprarlos casi enteros, porque la base de recurrencia era de apenas 14% a noventa días. Un restaurante que recompra su clientela completa cada trimestre no tiene un problema de marketing, tiene un agujero de capital de trabajo disfrazado de presupuesto publicitario.
Este trabajo se documenta desde SATE Institute porque el patrón es sistémico, no anecdótico. La mortandad de la MIPYME gastronómica en América Latina y el Caribe se explica en buena medida por el costo de reposición de demanda: la microempresa que no mide su recurrencia financia con caja operativa un gasto comercial permanente, deteriora su posición de liquidez y termina fuera del mercado formal, con la destrucción de empleo decente que eso implica (ODS 8). La plataforma tecnológica empleada en la intervención —Radar Gastronómico, meseros.ai con su dashboard, Restaurant Model Canvas y el módulo de flujo de caja— proviene de Masterestaurant S.A.S., aliado tecnológico exclusivo del modelo. El caso es un compuesto anonimizado de patrones recurrentes en la práctica de Diego F. Parra: más de 8.400 restaurantes intervenidos en 43 países, veinte años de oficio.
Comparación lado a lado
| ANTES (línea de base, mes 0) | DESPUÉS (mes 7) | |
|---|---|---|
| Costo de adquisición por comensal efectivo (% de la venta) | ✕14,9% | ✓9,1% |
| Recurrencia a 90 días (comensales que vuelven) | ✕14% | ✓33% |
| LTV del comensal a 12 meses | ✕38,60 USD | ✓91,20 USD |
| Prime Cost (food cost + labor cost) | ✕68,4% | ✓62,7% |
| Labor Cost sobre ingresos | ✕36,1% | ✓31,8% |
| Desviación costo teórico vs. costo real | ✕5,9 pts | ✓1,4 pts |
| Ticket promedio ponderado (salón + digital) | ✕12,55 USD | ✓14,10 USD |
| Participación del delivery de terceros en órdenes | ✕38% | ✓23% |
| Rotación anualizada de personal de salón | ✕94% | ✓58% |
| EBITDA sobre ventas | ✕6,2% | ✓9,3% |
La cifra que nadie había calculado en siete años de operación
El 71% de los comensales del mes de línea de base pisaba el local por primera vez y apenas el 14% regresaba dentro de los noventa días, y ese par de números —que ninguna herramienta interna producía— explicaba por qué la pauta digital crecía 31% interanual mientras la venta apenas subía 9%. Hablamos de una operación de servicio informal con cocina propia, 26 mesas, 104 asientos, 31 empleados y un ticket promedio de 11,40 USD en salón contra 14,60 USD en pedido digital, facturando en la banda de 500 mil a 1 millón de dólares anuales. El dato salió del cruce manual de tickets con los teléfonos de reserva, un ejercicio de tres tardes que nadie había hecho porque el P&G mensual estaba al día y el food cost declarado rondaba el 30%. Sobre el papel no había incendio. En la puerta de salida, sí. Un restaurante que recompra su clientela completa cada trimestre no tiene un problema de marketing, tiene un agujero de capital de trabajo disfrazado de presupuesto publicitario.
¿Por qué un restaurante rentable puede estar quebrando por el embudo?
Entre 1.900 y 2.100 clientes distintos entraban cada mes, y con una recurrencia de 14% a noventa días había que volver a comprar casi toda esa base una y otra vez.
La economía de esa rueda es brutal: adquirir un cliente nuevo cuesta de 5 a 25 veces más que retener a uno existente (Bain & Company), el costo por lead de Google Ads en restaurantes y comida se ubicó en US$30,27 (WordStream, 2025) y el CAC típico del sector va de 30 a 80 dólares por comensal (ChowNow). Multiplique 2.000 clientes por 30 dólares y compárelo con el EBITDA de un local de 104 asientos: el número no cierra, nunca cerró, y el dueño llevaba dos años pagando esa factura sin verla. El 38% de las órdenes llegaba por delivery de terceros y ahí el margen se evaporaba dos veces: una por comisión y otra por promoción no costeada.
El delivery de terceros no era un canal, era una hemorragia con logo
Sumadas tarifas de servicio y promociones obligatorias, el costo efectivo de esos pedidos se comía entre el 30% y el 40% del valor de la orden (Restaurant Business, 2024), y encima el algoritmo premiaba las mecánicas de compra-uno-lleva-dos que el P&G no discriminaba. Al costear plato por plato apareció una desviación de 5,9 puntos entre el costo teórico del 30% y el costo real de la caja. El margen de contribución del mismo plato caía a 41% cuando salía promocionado en plataforma contra 58% vendido en salón. Diecisiete puntos de margen regalados a cambio de un comensal cuyo nombre, teléfono y frecuencia jamás llegaban a la operación. Ese es el verdadero precio: no la comisión, la CEGUERA. La intervención empezó por medir, no por lanzar un programa de puntos.
Cómo se instrumentó la recurrencia con el Radar Gastronómico
Con el Radar Gastronómico de Masterestaurant se instrumentó la captura de identidad en los tres puntos de contacto —reserva, mesa y pedido digital— y el dashboard de meseros.ai empezó a devolver cohortes semanales de primera visita, segunda visita y frecuencia a noventa días, que es la métrica que gobierna todo lo demás. El Restaurant Model Canvas sirvió para redibujar la propuesta por canal y el módulo de flujo de caja para poner el gasto comercial donde pertenece: como inversión con retorno medible por cohorte, no como línea fija de gasto. El primer entregable no fue una campaña, fue un tablero de una sola pantalla con tres números: comensales únicos del mes, tasa de segunda visita y costo de reposición de demanda. Diego F. Parra lo resume así en los diagnósticos: lo que no tiene cohorte, no tiene dueño. Con identidad capturada, la palanca más barata resultó ser el mensaje directo a la base propia, y la evidencia del canal es consistente: el SMS marketing convierte entre 21% y 30% en promedio (Constant Contact, 2024), una cifra que ninguna pauta paga se acerca a igualar.
¿Qué se hizo con los datos una vez que existieron?
Se armó una secuencia de dos toques a los siete y a los veintiún días de la primera visita, con una oferta anclada al plato de mayor margen en salón, no al de la plataforma.
En paralelo se movió el contenido social hacia material generado por los propios comensales, que convierte 4 veces más que las fotos de marca (Loop.fans, 2025) y cuyas publicaciones rinden más de 10 veces por encima de las que no lo llevan (Emplifi, Q3 2025). Sin fotos de estudio, sin agencia. La cámara de un cliente contento y un permiso firmado en la mesa. La recurrencia a noventa días pasó de 14% a 27% en dos trimestres y el gasto en pauta bajó 22% en términos absolutos mientras la venta seguía subiendo, según el seguimiento de cohortes del caso. La paradoja del oficio aparece justo aquí: al recortar pauta, el volumen de comensales únicos del mes CAYÓ —de unos 2.000 a cerca de 1.750— y al dueño le dio pánico, porque el tablero mensual que había mirado siete años premiaba tráfico bruto.
El resultado medible y la tensión que nadie quiere nombrar
Pero la venta subió igual, porque un cliente que vuelve tres veces vale más que tres clientes que vienen una vez y encima no cuestan CAC. El puente entre las dos ideas es el margen por cohorte, no el conteo de cabezas. Aquí me equivoqué durante años recomendando primero el programa de puntos: el programa sin medición de segunda visita es un descuento con tarjeta bonita. Lo primero que debe hacer esta semana depende de su banda de facturación anual, y el orden no es negociable. Menos de 500 mil dólares: pida el teléfono en cada mesa durante catorce días y cuente a mano cuántos repiten; sin software, en una hoja. De 500 mil a 1 millón, que es el caso descrito: instrumente la captura en los tres puntos de contacto y publique la tasa de segunda visita a noventa días en el tablero semanal. Más de 1 millón: cruce cohortes contra margen de contribución por canal y deje de pagar promociones de plataforma que caen por debajo del 50% de margen.
Lecciones transferibles
Más de 5 millones: nombre a un responsable de recurrencia con presupuesto propio y bono atado a la segunda visita. Por encima de 10 millones, grupo multisede o el arquetipo del chef mediático con formato de gran volumen: consolide un identificador único de comensal entre sedes antes de comprar cualquier CRM, porque sin eso comprará un silo caro. No esperaría estos números en tres contextos, y conviene decirlo antes de que alguien copie la receta. Primero, operaciones de paso puro —aeropuertos, estaciones, zonas turísticas de rotación total— donde la segunda visita a noventa días es estructuralmente imposible y perseguirla quema caja; ahí la palanca es ticket promedio y velocidad de mesa, no recurrencia. Segundo, locales cuyo food cost real supera el 38% o cuya nómina se sale del rango de 25% a 35% de los ingresos (U.S. Bureau of Labor Statistics): traer de vuelta al cliente a un plato que pierde dinero solo acelera la quiebra, primero se arregla el costeo.
Límites de este caso
Tercero, marcas con producto inconsistente: la recurrencia amplifica lo que ya existe, y si la experiencia falla una de cada tres visitas, medirla solo documentará la fuga con más precisión. El caso es un compuesto anonimizado de patrones recurrentes, no una promesa de resultado. SÍNTOMA: el gasto en pauta crecía 31% interanual y la venta solo 9%. CAUSA RAÍZ: la operación compraba tráfico sin capturar identidad, así que reponía la misma base cada trimestre. EL DATO QUE LO DELATÓ: 71% de los comensales del mes de línea de base eran primera visita, cifra que ninguna herramienta interna producía y que salió del cruce de tickets con teléfonos de reserva. SÍNTOMA: el food cost declarado era 30% pero la caja no lo confirmaba. CAUSA RAÍZ: una desviación de 5,9 puntos entre costo teórico y costo real por promociones de plataforma no costeadas, esas de compra-uno-lleva-dos que el algoritmo premia y el P&G no discrimina.
Diagnóstico de causa raíz: cada síntoma y el dato que lo delató
EL DATO QUE LO DELATÓ: el margen de contribución por plato promocionado caía a 41% contra 58% del mismo plato vendido en salón. SÍNTOMA: los clientes decían estar satisfechos y aun así no volvían. CAUSA RAÍZ: satisfacción y recurrencia son variables distintas y la operación medía solo la primera; con 94% de rotación en salón, el cuarto visitante del mes era atendido por un mesero que llevaba tres semanas en el puesto. EL DATO QUE LO DELATÓ: 4,6 de 5 en reseñas públicas conviviendo con 14% de recurrencia a 90 días. SÍNTOMA: el flujo de caja se tensaba la tercera semana de cada mes. CAUSA RAÍZ: el P&G diferido ocultaba que el desembolso comercial se ejecutaba por adelantado y la venta que debía pagarlo llegaba con veintiocho días de rezago vía liquidación de plataformas. EL DATO QUE LO DELATÓ: 19 días de capital de trabajo inmovilizado en cuentas por cobrar de delivery, contra 3 días del canal propio.
Diagnóstico de causa raíz: cada síntoma y el dato que lo delató — en la práctica
SÍNTOMA: el dueño hablaba de su clientela con nombres propios y el sistema no conocía ninguno. CAUSA RAÍZ: el conocimiento del cliente vivía en la memoria de dos personas —él y una anfitriona con seis años de casa—, lo cual es un pasivo, no un activo, porque no escala ni sobrevive a una renuncia. EL DATO QUE LO DELATÓ: la base exportable tenía 340 registros útiles para una operación que servía más de 24.000 comensales al año.
Mito contra realidad, criterio por criterio
El mito: fidelizar es un programa de puntos y un buen tratoLo que creía la operación
- Creía que la tarjeta de sellos era el programa de fidelización de clientes; la usaba el 4% de los comensales y ninguno de ellos estaba en una base de datos consultable.
- Medía el marketing de restaurantes por alcance de publicaciones y no por segunda visita, de modo que una campaña con 40.000 impresiones y cero recurrencia se reportaba como éxito.
- Asumía que el delivery de terceros construía clientela propia, cuando el comensal pertenece a la plataforma y el restaurante nunca ve ni su nombre ni su frecuencia.
- Confundía el crecimiento de ventas con crecimiento sano: la venta subía 9% interanual mientras el gasto comercial subía 31%, así que cada peso nuevo entraba más caro que el anterior.
- Trataba el costo de adquisición de clientes como gasto de marketing y no como componente del costo de servir, por lo que jamás apareció en la conversación de margen.
La realidad: fidelizar es un sistema de medición con dueño y frecuenciaMasterestaurant
- La fidelización de clientes empieza cuando existe un identificador único por comensal y una fecha de última visita; sin eso no hay programa, hay decoración.
- El indicador que gobierna es la recurrencia a 90 días, porque explica el LTV del comensal y el LTV explica cuánto puede pagarse legítimamente por adquirir.
- El canal propio —reserva directa, WhatsApp, pedido en sitio— es el único que deja datos utilizables; el delivery de terceros es volumen alquilado a un costo del 30% al 40% del pedido (Restaurant Business, 2024).
- El equipo de salón es infraestructura de fidelización: con 94% de rotación anualizada nadie reconoce a un cliente frecuente, y el reconocimiento es lo que produce la tercera visita.
- El gasto comercial se presupuesta contra LTV y no contra facturación, de modo que el techo de inversión por cliente nuevo se vuelve una decisión financiera y no un pálpito.
Comparación lado a lado
| ANTES (línea de base, mes 0) | DESPUÉS (mes 7) | |
|---|---|---|
| Costo de adquisición por comensal efectivo (% de la venta) | ✕14,9% | ✓9,1% |
| Recurrencia a 90 días (comensales que vuelven) | ✕14% | ✓33% |
| LTV del comensal a 12 meses | ✕38,60 USD | ✓91,20 USD |
| Prime Cost (food cost + labor cost) | ✕68,4% | ✓62,7% |
| Labor Cost sobre ingresos | ✕36,1% | ✓31,8% |
| Desviación costo teórico vs. costo real | ✕5,9 pts | ✓1,4 pts |
| Ticket promedio ponderado (salón + digital) | ✕12,55 USD | ✓14,10 USD |
| Participación del delivery de terceros en órdenes | ✕38% | ✓23% |
| Rotación anualizada de personal de salón | ✕94% | ✓58% |
| EBITDA sobre ventas | ✕6,2% | ✓9,3% |
Resultados medidos del caso (mes 7 contra línea de base)
“Yo juraba que mi problema era que la competencia tenía mejor publicidad. El día que vimos el número me quedé callado un rato largo: de cada diez personas que me visitaban en un mes, siete no habían estado nunca y solo una volvía en tres meses. Estaba pagando 14,9% de mi venta para comprar otra vez a la misma gente que ya había comido bien conmigo. Lo que cambió no fue la publicidad, fue que por fin supe quién era mi cliente y cuándo dejó de venir.”
Tratamiento cronológico: siete meses de intervención, fase por fase
Congelamos el gasto comercial y reconstruimos el modelo con el Restaurant Model Canvas, no para dibujar bonito sino para forzar una pregunta que la operación nunca se había hecho: quién es el cliente que sostiene el negocio y cada cuánto vuelve. Cruzamos doce meses de tickets contra teléfonos de reserva y liquidaciones de plataforma, y así salieron los dos números que ordenaron todo el trabajo: 71% de primerizos mensuales y 14% de recurrencia a noventa días. Separamos además el P&G por canal, porque un margen consolidado promedia la verdad y la esconde; al desagregar apareció la desviación de 5,9 puntos entre costo teórico y costo real concentrada casi por completo en promociones de delivery. Ningún cambio operativo en estas dos semanas. Solo medición, con el dueño sentado al lado viendo salir cada cifra.
Instalamos el Radar Gastronómico para leer demanda por franja, por plato y por origen del comensal, y montamos la captura de identidad en los dos puntos donde el cliente ya entrega un dato sin fricción: la reserva y el pedido directo por WhatsApp. Aquí tuvimos la primera fricción seria y conviene contarla. Pedimos al salón capturar correo al cierre de cuenta y el cumplimiento fue del 11% en la segunda semana, con meseros que —con razón— no querían pedir un dato mientras el cliente calculaba la propina. Corregimos el mecanismo: el identificador pasó a ser el teléfono de reserva y el número de mesa, capturado por la anfitriona en el momento de sentar, y el cumplimiento subió a 78% en once días. La lección la pagamos nosotros: un proceso de fidelización de clientes que compite con el momento del pago siempre pierde.
Desplegamos meseros.ai con su dashboard para estandarizar el entrenamiento de salón y dejar visible, turno a turno, quién atendía a un cliente recurrente y qué había pedido la vez anterior. Tratamos la rotación del 94% como lo que es —un costo de reposición y un destructor de recurrencia—, no como un dato de recursos humanos: cada renuncia borra memoria de cliente. El costo laboral estaba en 36,1% de ingresos, por encima del rango de 25% a 35% que reporta el U.S. Bureau of Labor Statistics para el sector, y bajarlo no se hizo recortando gente sino reduciendo horas extra causadas por errores de dotación que el Radar ya permitía anticipar. Micro-credenciales de salón para los cinco puestos clave, con badge verificable, lo cual en el marco de skills gap y empleabilidad importa tanto como el ahorro.
Con LTV medido pudimos hacer lo que antes era imposible: poner un techo racional al costo de adquisición de clientes. Fijamos un máximo de 18% del LTV proyectado a doce meses por cliente nuevo, y con esa regla la mitad de la pauta se apagó sola por no llegar al umbral. Redirigimos ese presupuesto a reactivación de inactivos —comensales con más de 75 días sin visita, segmentados por plato preferido— y a contenido generado por usuarios, que convierte cuatro veces más que la foto de marca (Loop.fans, 2025) y más de diez veces cuando se compara publicación con y sin UGC (Emplifi, 2025). El canal directo pasó de 62% a 77% de las órdenes. El delivery de terceros no se eliminó: quedó como canal de descubrimiento con menú de precios diferenciados, que es su función honesta.
Recosteamos la carta con el Generador de Recetas Estándar para cerrar la desviación teórico-real, que bajó de 5,9 a 1,4 puntos, y ajustamos el precio de once platos con margen de contribución bajo sin tocar los seis platos ancla que sostienen el tráfico. Mantuvimos la carta FÍSICA en salón junto al menú QR, decisión que el dueño quiso discutir porque el QR le parecía más barato: la carta física controla el ritmo del servicio, la narrativa del menú y la venta sugerida, mientras el QR sirve para delivery, accesibilidad y actualización de precios. Ambos, cada uno en su rol. Al cierre del mes 7 el EBITDA estaba en 9,3% y los días de capital de trabajo inmovilizado habían bajado de 19 a 9. La consolidación del resultado se verificó con tres meses consecutivos estables, no con un mes bueno.
¿Y con inteligencia artificial?
Acelera tu contenido, tu segmentación y la recompra: más alcance con menos esfuerzo. Diego F. Parra es experto en IA aplicada a restaurantes.
Herramientas gratuitas para aplicarlo ya
Instrumentos de la plataforma empleados en la intervención
Los instrumentos son productos cerrados de estantería de Masterestaurant S.A.S., aliado tecnológico del modelo, y se usaron sin desarrollo a la medida: eso es lo que permite replicar la intervención en un portafolio de microempresas con costo marginal decreciente, condición indispensable para cualquier programa de banca multilateral que aspire a escala.
Diego F. Parra — Consultor internacional experto en crear y potenciar restaurantes y en IA aplicada a restaurantes, foodtech y HORECA. Metodología aplicada en +8.400 restaurantes en 43 países · Experto en Inteligencia Artificial aplicada a restaurantes, hospitalidad y negocios gastronómicos · +20 años de experiencia en restaurantes, catering, grandes eventos y crecimiento empresarial · Autor de 3 libros con ISBN: «Triunfar o morir en el intento» (2013) y «De esclavo a dueño» (2023) · Conferencista internacional y keynote speaker del sector HORECA.
Preguntas sobre la replicabilidad del caso
¿Cuánto cuesta conseguir un cliente nuevo en un restaurante y cuánto debería costar?
¿Cuánto cuesta conseguir un cliente nuevo en un restaurante y cuánto debería costar?
En restaurantes, adquirir un cliente nuevo cuesta entre 30 y 80 dólares según ChowNow, y el costo por lead en Google Ads para el rubro de comida promedia 30,27 dólares (WordStream, 2025). El techo racional no es una cifra fija: es un porcentaje del LTV del comensal. En este caso fijamos 18% del LTV a doce meses, lo que con un LTV de 91,20 USD da un tope de 16,40 USD por cliente nuevo.
¿Sirve un programa de fidelización de clientes si el restaurante factura menos de 500 mil USD al año?
¿Sirve un programa de fidelización de clientes si el restaurante factura menos de 500 mil USD al año?
Sirve, y de hecho pesa más, porque en esa banda cada punto de gasto comercial compite directamente con la caja del dueño. El primer paso no es comprar software: es capturar teléfono y fecha de visita en la reserva, y calcular la recurrencia a 90 días con una hoja de cálculo. Si esa cifra está por debajo de 20%, hay margen de mejora sin invertir un dólar en publicidad.
¿Por qué la rotación de personal aparece en un caso de marketing de restaurantes?
¿Por qué la rotación de personal aparece en un caso de marketing de restaurantes?
Porque el reconocimiento del cliente frecuente lo ejecuta una persona, no un sistema. Con 94% de rotación anualizada, el comensal que vuelve por tercera vez es atendido por alguien que no lo conoce, y ahí muere la recurrencia. El costo laboral del caso estaba en 36,1%, por encima del rango de 25% a 35% que reporta el U.S. Bureau of Labor Statistics. Bajarlo y estabilizar el equipo fueron la misma operación.
¿Se puede fidelizar a un cliente que llegó por una plataforma de delivery?
¿Se puede fidelizar a un cliente que llegó por una plataforma de delivery?
Parcialmente, y conviene ser honesto sobre el límite: el comensal pertenece a la plataforma y el restaurante no ve su identidad ni su frecuencia. Con comisiones efectivas de 30% a 40% del pedido (Restaurant Business, 2024), el canal solo se justifica como descubrimiento. La conversión ocurre dentro del empaque, con un motivo real para pedir directo la próxima vez, y se mide por migración de canal, no por volumen.
Datos del sector 2026 (fuentes oficiales)
Benchmarks verificables de fuentes oficiales y no comerciales (gobierno, asociaciones de industria y market-data), nunca competencia.
| Dato | Benchmark 2026 | Fuente |
|---|---|---|
| Reservas para una persona (solo dining) | +22% en Q3 2025 frente a Q3 2024 | Toast 2025 |
| Reservas del martes | +15% interanual, el mayor aumento de cualquier día (2025) | Toast 2025 |
| Reservas sentadas por Toast Tables | +8% interanual en base comparable (mismas tiendas) | Toast 2025 |
| Frecuencia de pedidos para llevar | 47% de adultos piden comida para llevar cada semana | National Restaurant Association 2025 |
| Retención de lealtad (QSR) | 62% de retención mensual promedio de miembros en los mejores QSR | Paytronix — Annual Loyalty Report 2024 |
| Retención de lealtad (servicio completo) | 57.8% de retención mensual de miembros en los mejores restaurantes de servicio completo | Paytronix — Annual Loyalty Report 2024 |
Contenido relacionado
Haz crecer tu restaurante con el método Masterestaurant
Aplicado en +8.400 restaurantes de 43 países.