Datos y reseñas en apps de delivery: el método tradicional contra el método Masterestaurant

¿Qué mide realmente la app cuando le baja la estrella?

La app no mide simpatía, mide PATRÓN, y ahí está la diferencia entre los dos métodos.

Aquel pollo asado del norte de Bogotá cayó de 4,9 a 4,6 estrellas en once días y perdió el 41 % de sus pedidos de almuerzo sin tocar receta ni precio: catorce reseñas seguidas decían lo mismo con distintas palabras, que el arroz llegaba frío, porque la cocina empezó a montar el arroz antes que la proteína para ganar minutos de despacho. El método tradicional lee esas catorce reseñas como catorce clientes molestos y responde catorce veces con un cupón. El método Masterestaurant las lee como una sola desviación de proceso con catorce testigos. Gana el segundo, y gana con aritmética simple: si el canal aporta 30 % de la venta y el marketplace se lleva entre 30 % y 40 % del ticket por pedido (ActiveMenus), un 41 % menos de volumen no es un disgusto de reputación, es un hueco de caja que se abre esa misma semana.

Frecuencia de lectura: mensual contra semanal

Leer los datos del canal cada lunes gana sobre revisarlos cuando ya bajó la calificación, y el margen entre ambas prácticas se mide en días de sangrado. Un dueño que abre el panel una vez al mes descubre la desviación con unos veinte días de retraso promedio; para entonces la reseña número catorce ya está publicada y el algoritmo ya recalculó su posición en la vitrina. El corte semanal detecta el mismo problema con tres o cuatro casos acumulados, cuando corregir cuesta una reunión de quince minutos con el jefe de cocina. Aquí me equivoqué durante años: creía que revisar reseñas era tarea de la persona de redes sociales, y en realidad es tarea de operaciones, del mismo rango que contar inventario. Diego F. Parra lo montó en Masterestaurant como un bloque fijo del comité de lunes, pegado al costeo, porque el dato de la app y el food cost del plato hablan del mismo plato.

Respuesta al cliente contra corrección de proceso

Responder rápido ayuda, pero corregir el proceso es lo que devuelve la estrella, y conviene decirlo sin adorno. En el método tradicional la respuesta cierra el ticket: disculpa, cupón, archivado. Esa ruta le cuesta dinero dos veces, porque regala el cupón y conserva el defecto. En el método MR la respuesta abre el expediente: cada reseña entra a una tabla con causa raíz y plato asociado, y cuando la misma causa aparece tres veces por cada cien pedidos se abre una corrección en cocina esa misma semana. La diferencia práctica es de umbral: tres por cien es un número que usted puede vigilar sin software caro, y con el costo laboral corriendo entre 25 % y 35 % de los ingresos según la Oficina de Estadísticas Laborales de Estados Unidos, cada reproceso de un plato mal despachado se paga con horas-hombre que ya estaban comprometidas. La app premia la velocidad y el cliente premia la temperatura: esa tensión se pelea todos los días en la ventana de despacho y hay que resolverla, no equilibrarla.

Velocidad de despacho contra temperatura de llegada

El método tradicional elige velocidad porque la velocidad se ve en el panel del marketplace y la temperatura no. El método Masterestaurant elige temperatura y compra la velocidad en otro lado, adelantando mise en place y reordenando el montaje para que la proteína salga primero y el acompañamiento después. Vuelva al caso de Bogotá: ganaron entre 40 y 60 segundos por pedido y perdieron 0,3 estrellas, o sea cambiaron un minuto de panel por el 41 % de la franja de almuerzo. Con DoorDash creciendo 20 % interanual en GMV de marketplace durante 2024 según sus resultados anuales, el canal tiene demanda de sobra; lo que no tiene es paciencia con la calificación. El promedio de la tienda esconde el problema; la calificación por plato lo señala con nombre y apellido. Un local con 4,6 estrellas puede tener doce platos por encima de 4,8 y dos por debajo de 3,9, y esos dos arrastran el promedio y le queman la vitrina.

Calificación global contra calificación por plato

El método tradicional mira la estrella grande porque es la que aparece en pantalla, y termina retocando la carta entera cuando el daño estaba concentrado en dos referencias. El método MR desagrega y actúa quirúrgicamente: saca los dos platos del catálogo del canal durante quince días, corrige empaque o secuencia de montaje, y los reingresa. En mercados donde dos jugadores concentran el tráfico —Zomato y Swiggy suman más del 95 % del delivery en línea de India según Business of Apps— quedarse fuera de vitrina por dos platos malos es un lujo que la caja no aguanta. Marcar agotado un plato le cuesta más ranking que recibir una reseña de tres estrellas, y ese es el dato que casi ningún dueño vigila. Cuando la cocina apaga referencias para no complicarse la noche, el marketplace registra una tienda poco confiable y reduce su exposición en el listado, con lo cual usted paga la comodidad de hoy con pedidos de mañana.

Ítems agotados: el dato que nadie mira y el algoritmo sí

El método tradicional no tiene ese indicador en ninguna parte; el método Masterestaurant lo pone en el mismo tablero que las estrellas, con un techo duro de 2 % de referencias apagadas por servicio. Fernando Machado, ex Chief Marketing Officer global de Burger King y hoy directivo de marketing en tecnología, sostiene que la reputación digital de una marca de comida se construye con consistencia operativa antes que con creatividad publicitaria, y en delivery esa consistencia está escrita en el código del ranking. Lleve el escenario hasta el final y verá por qué esto no admite tibieza. Trimestre uno: la estrella baja de 4,8 a 4,5 y usted no hace nada porque el ingreso total todavía no se mueve. Trimestre dos: el algoritmo lo empuja fuera de las primeras posiciones, el volumen cae entre 15 % y 20 %, y como el costo efectivo del canal ya se come entre 30 % y 40 % del ticket (ActiveMenus), la contribución del delivery se vuelve negativa.

¿Qué pasaría si ignora el patrón durante un trimestre?

Trimestre tres: usted compra publicidad dentro de la app para tapar el hueco, o sea paga por recuperar el tráfico que perdió por arroz frío.

Ese es el desenlace real, y es evitable con una tabla de causa raíz que cuesta cero pesos. Asia-Pacífico ya concentra más del 41 % del delivery de comida en línea según Grand View Research; los mercados maduros no perdonan la reincidencia. Si el delivery le aporta menos del 15 % de la venta y opera con un solo local, el método tradicional le alcanza mientras responda dentro de las 24 horas y revise el panel cada quince días. Si el canal pasa del 25 % de su facturación, o si maneja dos o más cocinas, el método Masterestaurant no es una mejora sino el mínimo viable: tabla de causa raíz por reseña, calificación por plato, techo de 2 % en agotados, revisión de lunes junto al costeo.

¿Qué elegir según su perfil de operación?

Y si opera una dark kitchen, donde no existe salón que compense la mala nota, ni siquiera hay debate;

conviene recordar que Europa ya representa el 18,79 % del mercado global de dark kitchens según Global Growth Insights, con la competencia que eso implica. Empiece mañana: exporte las reseñas de los últimos treinta días, clasifíquelas por causa y plato, y busque la que se repita tres veces por cada cien pedidos. La diferencia no está en responder reseñas más rápido, aunque ayude. Está en QUÉ se hace con lo que dicen. En el método tradicional, la respuesta es el final del proceso: se pide disculpas, se ofrece un cupón, se cierra el ticket. En el método Masterestaurant la respuesta es el principio, porque cada reseña entra a una tabla con causa raíz y plato asociado, y cuando la misma causa aparece tres veces por cada cien pedidos se abre una corrección de proceso en cocina esa misma semana.

¿Dónde se separan de verdad los dos métodos?

Hay una tensión real que casi nadie resuelve bien y prefiero decirla sin adorno: la app premia la velocidad y el cliente premia la temperatura, y esas dos cosas se pelean todos los días en la ventana de despacho.

El método tradicional elige velocidad porque la velocidad se ve en el panel; el método MR elige temperatura y compensa con secuencia de montaje y empaque, porque un pedido entregado dos minutos más tarde no le baja el ranking, pero catorce comentarios diciendo que llegó frío sí, y ese es el cálculo que casi nadie hace. Qué pasaría si usted apagara mañana toda la pauta geolocalizada de Rappi. Con el método tradicional, la posición caería en cuestión de días, las ventas del canal bajarían entre un 25 % y un 40 % y usted volvería a encenderla en menos de una semana, ya convencido de que la pauta era imprescindible.

Dónde se separan de verdad los dos métodos — en la práctica

Con el método MR la caída inicial es parecida, pero la calificación de 4,8 y la tasa de recompra sostienen el 70 % del volumen a partir del día doce, y ahí es cuando descubre que estaba pagando pauta para tapar un problema de cocina que costaba mucho menos arreglar. El método tradicional confunde la marca virtual con un truco de catálogo: mismo cocina, otro nombre, más pedidos. Funciona seis semanas. Después las reseñas de la marca virtual arrastran a la marca madre porque comparten tiempos de preparación y comparten los mismos errores de empaque, y el dueño termina con dos fichas mediocres en vez de una buena. Una dark kitchen desde cero sin gobierno de datos es simplemente un local caro sin vitrina. Y aquí conviene una concesión honesta. Durante años recomendé responder absolutamente todas las reseñas positivas con un mensaje personalizado, convencido de que el algoritmo lo premiaba.

¿Dónde se separan de verdad los dos métodos — claves y datos?

No lo premia de forma directa en ninguna de las tres plataformas grandes de la región.

Lo que sí mueve la aguja es responder rápido las negativas y usar esa respuesta pública para mostrar la corrección concreta, porque el siguiente cliente que dude está leyendo justo esa respuesta antes de tocar el botón de pedir.