Início › Tendências › Dark Kitchens e Foodtech
Tendências

Otimização de algoritmos de delivery: método tradicional vs método Masterestaurant — Tendências 2026

Diego F. Parra Por Diego F. Parra · Atualizado · Dark Kitchens e Foodtech

Atualização de 30 out 2026: 2 perguntas frequentes novas.

Otimização de algoritmos de delivery: método tradicional vs método Masterestaurant — Tendências 2026 — Masterestaurant
Veredito rápido

O algoritmo do Rappi, Uber Eats ou DoorDash não premia o melhor prato. Premia o dado operacional que sua cozinha entrega todo dia.

O método tradicional chega tarde: sobe a comissão quando os pedidos já caíram, declara um tempo de preparo folgado "por segurança" e perde visibilidade justo no horário de pico. Diego F. Parra desenhou o método Masterestaurant para auditar as quatro variáveis que realmente pesam no ranking — tempo real de preparo, taxa de aceitação, cancelamento e avaliação — e ajustá-las toda semana com dados, não com instinto.

Com esse ajuste o ranking sobe de forma visível em poucas semanas e o custo de aquisição por pedido cai em relação ao ticket, sem mexer no cardápio. Em 2026 o algoritmo se conquista com disciplina de dados. Não com verba de publicidade.

🔮 TendênciasTendências com sinal mensurável e horizonte de adoção· 15 min de leitura· 2026-10-30

Rappi, Uber Eats e DoorDash rodam modelos de ranking diferentes por dentro, mas coincidem em quatro variáveis que decidem quem sobe: tempo de preparo real versus o declarado, taxa de aceitação, taxa de cancelamento e a avaliação ponderada dos últimos 50 pedidos.

Declarar 25 minutos e entregar muito antes não é um detalhe menor: gera atrito real, o entregador fica esperando na porta, o cliente vê "pedido atrasado" na tela, e o algoritmo pune essa inconsistência baixando a listagem. Ao auditar cozinhas com comida excepcional e uma avaliação altíssima nas redes, eu as vi afundar até a terceira página de Uber Eats porque o dado operacional quebrava o ranking, não o sabor.

E o erro se repete em quase todas: o dono olha as vendas do mês. Quase nunca olha a métrica semanal, justamente a que o algoritmo revisa todos os dias.

Como cada método se ajusta? O tradicional reage por instinto: aumenta a comissão paga ao app assim que vê os pedidos caírem, troca as fotos do cardápio uma vez por ano e revisa preços a cada duas ou três semanas, sem cruzar clima, demanda nem estoque da cozinha. Masterestaurant trabalha ao contrário.

Pega o dado bruto que o app entrega (tempo de aceitação, tempo de preparo, cancelamentos) e o cruza com a capacidade real da cozinha em cada faixa horária. Uma cozinha que recusava pedidos na hora de pico porque o POS avisava tarde agora faz a triagem automaticamente e mantém uma aceitação quase total, inclusive na sexta à noite, sua faixa mais difícil. Aqui eu errei durante anos: achei que o ranking se comprava com orçamento de anúncios. Ele se conquista reportando o dado real. Ponto.

Comparação lado a lado

Comparação lado a lado

Método tradicionalMétodo Masterestaurant
Tempo de preparo declarado✕20-25 min fixos, iguais no pico e no vale✓12-18 min ajustado por faixa de horário, margem real de ±3 min
Taxa de aceitação de pedidos✕Aceitação mais baixa, com recusas manuais no pico✓Aceitação alta e sustentada com triagem automática
Revisão de preços dinâmicos✕manual a cada 2-3 semanas, sem cruzamento de variáveis✓semanal, cruza clima + demanda + estoque + margem
Posição no ranking (hora de pico)✕uma posição baixa na listagem✓posição 2-4 na listagem
Taxa de cancelamento de pedidos✕Alta rotatividade mensal✓Baixa rotatividade mensal
Custo de aquisição por pedido✕32% do ticket médio✓uma fração importante do ticket médio
Avaliação média no app✕Nota média-alta✓Nota alta

O que o algoritmo dos apps de delivery realmente mede em 2026?

Quatro variáveis operacionais decidem o ranking em 2026, não o sabor do prato: tempo real de preparo versus o declarado, taxa de aceitação, taxa de cancelamento e a avaliação ponderada dos últimos 50 pedidos.

Rappi, Uber Eats e DoorDash rodam algoritmos próprios, mas as quatro se repetem nos três. Declare 25 minutos, entregue muito antes, e já há atrito: o entregador aguarda na porta, o cliente vê "atrasado" na tela, e o algoritmo te rebaixa de posição. Cozinhas com avaliação excelente nas redes eu as vi cair para a terceira página de Uber Eats por esse único motivo: o dado operacional, e não a comida, quebrava a listagem.

Um dono olha as vendas do mês. Raramente revisa a métrica semanal, que é justamente a que o algoritmo monitora todos os dias.

Tendência 1: o ranking pune a inconsistência, não a lentidão

Previsível vence rápido: essa é a regra que as plataformas começaram a aplicar em 2026. Uma loja que sempre entrega em 22 minutos sobe mais que outra que às vezes demora muito pouco e outras vezes demora muito, mesmo que a média seja idêntica. A variabilidade é a métrica oculta que o algoritmo pune.

Masterestaurant mede o desvio padrão dos tempos por faixa horária, não apenas a média do dia, e reajusta o tempo declarado no app sempre que a cozinha muda de turno ou de cardápio. Um restaurante corrigiu o tempo declarado de 25 para 18 minutos, depois de confirmar que a grande maioria dos seus pedidos saía nessa janela, e subiu várias posições na sua região em seis semanas, sem mexer em preço nem em comissão. Declare o tempo que você mede, não o que é conveniente para a equipe.

Tendência 2: a taxa de aceitação pesa mais que o ticket médio

A taxa de aceitação pesa mais que o ticket médio no ranking de 2026: um restaurante que recusa um em cada dez pedidos no horário de pico cai na listagem, mesmo vendendo mais por pedido que a concorrência. O método tradicional recusa manualmente quando a cozinha satura, e o POS avisa tarde.

O Masterestaurant faz a triagem dos pedidos automaticamente, comparando com a capacidade real da cozinha por faixa de horário, e essa mesma cozinha que antes recusava no pico da sexta-feira agora sustenta uma aceitação quase total na hora mais movimentada da semana. Vale a pena recusar um pedido difícil para salvar o turno? Às vezes, sim.

Mas fazer isso às cegas, sem medir a capacidade por faixa de horário, custa mais ranking do que salva em estresse de cozinha.

Tendência 3: o algoritmo penaliza o ajuste reativo de comissão

Aumentar a comissão depois que os pedidos caíram é a reação mais cara e menos eficaz do método tradicional: você compra visibilidade justamente quando a margem já está apertada. As plataformas de 2026 detectam esse padrão de pagamento por pânico e o tratam de forma diferente de um ajuste planejado: dão mais peso relativo aos restaurantes com comissão estável e métricas consistentes do que aos que sobem e descem o investimento semana a semana.

Um restaurante fixou a comissão em um nível sustentável, manteve por 90 dias enquanto corrigia tempos e aceitação, e recuperou parte dos pedidos perdidos sem pagar nem um centavo a mais de comissão. A lição para o caixa é simples: o dinheiro extra em promoção dentro do app rende menos do que consertar a métrica operacional que está afundando o ranking.

Tendência 4: a avaliação ponderada considera os últimos 50 pedidos, não o histórico

A avaliação que importa em 2026 não é o histórico de anos, é a média móvel dos últimos 50 pedidos. Muitos donos continuam olhando a nota histórica sobre centenas de avaliações sem saber que uma sequência ruim de duas semanas, por rotatividade de pessoal na cozinha, pode afundar o ranking mesmo com um histórico que parece sólido.

O Masterestaurant instala um alerta quando essa média móvel cai de forma sustentada em relação ao histórico, e aí intervimos antes que o algoritmo reaja. Foi assim que detectamos, em um cliente, uma queda de qualidade no turno da noite: embalagens mal seladas, comida fria. A correção foi feita em 9 dias e evitou o que teriam sido semanas de queda no ranking. Revise sua média móvel de 50 pedidos toda segunda-feira. A avaliação anual, deixe para o trimestre.

Tendência 5: o clima e a demanda já se cruzam com o POS, mas quase ninguém usa

Quase nenhum restaurante cruza a previsão do tempo com o POS, e aí o dinheiro escapa. O método tradicional revisa preços e estoque a cada duas ou três semanas, sem olhar clima, dia da semana ou eventos locais.

Essa desconexão sai cara em 2026: um restaurante que não ajusta sua capacidade declarada antes de uma tempestade anunciada recebe uma onda de pedidos que não consegue atender, dispara cancelamentos, e o algoritmo o penaliza justamente no dia de maior demanda possível. O Masterestaurant cruza a previsão do tempo e o calendário de eventos com o histórico de pedidos por hora, e ajusta o tempo de preparo declarado com 24 horas de antecedência.

Um restaurante de comida rápida aplicou esse ajuste antes de um fim de semana chuvoso e evitou boa parte dos cancelamentos que tinha sofrido no mês anterior em condições parecidas. Prevenir a sobrecarga custa menos do que absorver o cancelamento depois.

Tendência 6: o custo de alimentos do delivery exige disciplina própria em 2026

Otimizar o algoritmo sem cuidar da margem é operar às cegas. Cada prato de delivery precisa sustentar um CMV de no máximo 32%, sem carregar folha de pagamento, aluguel nem serviços: esses custos vão para o ponto de equilíbrio geral, não para o prato.

O método tradicional monta o cardápio de delivery copiando o do salão e ignora que a embalagem, a perda no transporte e a comissão do app mudam por completo a equação de custo.

Tendência 6: o custo de alimentos do delivery exige disciplina própria em 2026 — na prática

O Masterestaurant recalcula o CMV específico por canal antes de subir um prato para o app, e descarta os que não aguentam a margem fora do salão. Um restaurante aplicou esse filtro, retirou vários pratos do cardápio de Rappi e aumentou a margem de delivery já no primeiro mês. Não perdeu volume: a demanda se redirecionou para os pratos que realmente davam retorno. A disciplina de custeio por canal não é contabilidade isolada.

É o que transforma a otimização do algoritmo em reais de verdade no caixa, e não apenas em uma posição melhor na listagem.

Como o dono do restaurante deve agir diante dessa mudança de regras?

O dono precisa deixar de tratar o delivery como canal passivo de vendas e passar a tratá-lo como um sistema operacional auditado toda semana:

tempos reais, taxa de aceitação, média móvel de 50 pedidos e CMV por canal. Já vi isso em dezenas de restaurantes: quem ganha posição em 2026 não é quem mais gasta em publicidade dentro do app, é quem reporta dados operacionais consistentes e os corrige antes que o algoritmo os penalize. E se a sua cozinha nunca mede o tempo real? Então o algoritmo mede por você e penaliza sem avisar.

O Masterestaurant transforma essa auditoria em uma rotina de 15 minutos semanais, com as quatro métricas-chave em pauta. A ação desta semana: meça seu tempo real de preparo nos últimos 50 pedidos e compare com o declarado no app. Se a diferença passar de 4 minutos, corrija hoje.

Ponto a ponto

Análise A/B: tradicional vs Masterestaurant em cada variável do algoritmo

Tempo de preparo declarado
A · Método tradicional20-25 min fixo, sem medir o real
B · Masterestaurant12-18 min medido e ajustado toda semana, margem de ±3 min
Veredito: Masterestaurant ganha: corrige a causa nº 1 de perda de ranking
Taxa de aceitação
A · Método tradicionalCom o método tradicional, a taxa de aceitação fica baixa e surgem recusas no horário de pico.
B · MasterestaurantCom o método Masterestaurant, a aceitação se mantém alta graças a uma triagem automática por capacidade da cozinha.
Veredito: Masterestaurant ganha: sobe várias posições no ranking sem contratar mais pessoal.
Custo de aquisição por pedido
A · Método tradicional32% do ticket, comissão + anúncios sem controle
B · MasterestaurantUma parte do ticket; o CMV absorve a comissão
Veredito: Masterestaurant ganha: 8 pontos de margem recuperados
Tamanho do cardápio de delivery
A · Método tradicionalUm cardápio com muitos pratos costuma trazer uma conversão mais baixa.
B · MasterestaurantUm cardápio curto e bem selecionado costuma converter melhor.
Veredito: Masterestaurant ganha: menos pratos, mais cliques que compram
Frequência de revisão de preço e demanda
A · Método tradicionala cada 2-3 semanas, sem cruzar variáveis
B · Masterestaurantsemanal, cruza clima + demanda + estoque + margem
Veredito: Masterestaurant ganha: reage antes de perder pedidos
Comparação lado a lado

Método tradicional: ajuste reativo

  • Declara tempos de preparo 'de segurança' que inflam o dado real em 8 a 12 minutos.
  • Revisa preços e comissões a cada 2-3 semanas, sem dados de demanda por faixa de horário.
  • Recusa pedidos no horário de pico porque o POS não avisa com antecedência, e a aceitação cai de forma visível.
  • Troca as fotos do cardápio uma vez por ano, sem medir o impacto nos cliques.
  • Absorve comissão de 28-32% sem ajustar o cardápio de delivery para proteger a margem.

Método Masterestaurant: ajuste por dados

  • Audita o tempo real de preparo toda semana e o declara com margem de ±3 minutos.
  • Cruza clima, demanda e estoque da cozinha antes de mexer em um preço — não depois.
  • Faz a triagem dos pedidos pela capacidade real da cozinha e sustenta uma aceitação alta no pico.
  • Desenha o cardápio de delivery com CMV máximo de 28%, deixando margem para a comissão do app.
  • Revisa avaliação e cancelamentos toda semana, não a cada trimestre.
Os números que importam

Os números por trás do algoritmo de delivery em 2026

60.7%
participação da DoorDash no mercado de delivery dos EUA no fim de 2024
20%
crescimento anual do GOV do Marketplace da DoorDash em 2024
43%
Domínio da Ásia-Pacífico no delivery de comida online
28%
custo de mão de obra máximo da faixa reportada pelo setor, sobre a receita
65%
Operadores de serviço limitado com delivery
20–35 USD
Ticket médio de pedido de delivery nos EUA
Visualização
Os números, visualizados
Os números, visualizados60.7% participação da DoorDash no mercado de delivery dos EUA no f; 20% crescimento anual do GOV do Marketplace da DoorDash em 2024; 43% Domínio da Ásia-Pacífico no delivery de comida online; 28% custo de mão de obra máximo da faixa reportada pelo setor, s; 65% Operadores de serviço limitado com delivery; 20–35 USD Ticket médio de pedido de delivery nos EUAparticipação da DoorDash no mercado de delivery dos EUA no fim de 202460.7%crescimento anual do GOV do Marketplace da DoorDash em 202420%Domínio da Ásia-Pacífico no delivery de comida online43%custo de mão de obra máximo da faixa reportada pelo setor, sobre a receita28%Operadores de serviço limitado com delivery65%Ticket médio de pedido de delivery nos EUA20–35 USD
Fontes: Earnest Analytics, 2024 · DoorDash — Full Year 2024 Financial Results, 2025 · Business Research Insights — Online Food Delivery Market 2035 · National Restaurant Association — Restaurant labor costs are well above historical averages 2024 · National Restaurant Association 2025Gráfico criado por masterestaurant.com
Caso ilustrativo (composto)

“Quando o Diego revisou nosso painel de Rappi, percebemos que declarávamos 24 minutos de preparo, mas o ticket médio saía em 13. Ajustamos o dado real, reduzimos o cardápio de delivery de 38 para 14 pratos e, em 11 semanas, passamos do 9º para o 3º lugar na região. A comissão continua a mesma, mas agora vendemos 31% mais pedidos com a mesma equipe de cozinha.”

— Gerente de cozinha, restaurante fast-casual, Medellín — auditoria Masterestaurant, 2025

Caso composto com fins ilustrativos: os nomes e os números do caso não descrevem um negócio real nem são dados do setor.

Como aplicar isso no seu restaurante

Como otimizar o algoritmo de delivery em 4 passos

Audite o tempo real de preparo durante 7 dias
Cronometre cada prato do cardápio de delivery desde a entrada do pedido até a saída pela porta, durante uma semana inteira, incluindo sexta e sábado à noite. Tire a média real por prato e compare com o tempo que você declara no app. Se a diferença passar de 5 minutos, você está perdendo ranking sem saber. Declare a média real mais 3 minutos de margem, nunca o tempo 'de segurança' que o método tradicional usava.
Defina o limite de pedidos simultâneos por faixa de horário
Calcule quantos pedidos sua cozinha consegue atender em 15 minutos sem perder qualidade, separando o horário de pico do horário mais fraco. Configure esse limite no sistema do app para que ele pause automaticamente ao atingir o teto, em vez de aceitar pedidos que você acabará cancelando. Isso levou cozinhas que trocaram uma taxa de aceitação baixa por uma alta e sustentada em poucas semanas.
Enxugue o cardápio de delivery para 12–16 pratos com CMV ≤28%
Tire do cardápio de delivery todo prato com CMV acima de 28% ou tempo de preparo maior que 18 minutos, pois são os que mais prejudicam o ranking e a margem. Fique com os 12 a 16 pratos que combinam melhor margem e melhor velocidade, e impulsione-os com foto nova.
Revise preço, clima e estoque como um bloco semanal
Toda segunda-feira, cruze a demanda da semana anterior, a previsão do tempo e o estoque de insumos críticos antes de ajustar qualquer preço ou comissão no app. Não tome essa decisão todo dia nem deixe passar um mês: a revisão semanal é o ponto que sustenta o ranking sem sacrificar margem, segundo o acompanhamento de Diego F. Parra em cozinhas que reduziram de forma notável o custo de aquisição por pedido.
✦ Inteligência artificial aplicada

E com inteligência artificial?

Otimize canais, precificação e unit economics do seu dark kitchen. Diego F. Parra é especialista em IA aplicada a restaurantes.

Ferramentas e método Masterestaurant

Ferramentas Masterestaurant para sustentar o ranking

Ajustar o algoritmo de delivery manualmente toda semana é possível, mas a maioria das cozinhas não mantém a disciplina por mais de 6 semanas sem uma ferramenta que centralize o dado. As três ferramentas do ecossistema Masterestaurant cobrem as três camadas do problema: modelo de negócio, finanças operacionais e caixa diário.

Diego F. Parra

Diego F. Parra — Consultor internacional especialista em criar e potencializar restaurantes e em IA aplicada a restaurantes, foodtech e HORECA. Metodologia aplicada em +8.400 restaurantes em 43 países · Especialista em Inteligência Artificial aplicada a restaurantes, hospitalidade e negócios gastronômicos · +20 anos de experiência em restaurantes, catering, grandes eventos e crescimento empresarial · Autor de 3 livros com ISBN: «Triunfar o morir en el intento» (2013) e «De esclavo a dueño» (2023) · Palestrante internacional e keynote speaker do setor HORECA.

Perguntas frequentes

Perguntas frequentes sobre otimização de algoritmos de delivery

O que é a otimização de algoritmos de delivery e como ela melhora o ranking de um restaurante?

É o ajuste semanal, com dados, das variáveis operacionais que os apps usam para ordenar a listagem: tempo real de preparo, aceitação de pedidos, cancelamentos e avaliação. Melhora o ranking porque o algoritmo premia a operação previsível, não o melhor prato. Diego F. Parra recomenda medir por faixa horária e declarar no app o tempo que a cozinha realmente cumpre.

O que é a otimização de algoritmos de delivery e como ela melhora o ranking de um restaurante?

É o ajuste semanal, com dados, das variáveis operacionais que os apps usam para ordenar a listagem: tempo real de preparo, aceitação de pedidos, cancelamentos e avaliação. Melhora o ranking porque o algoritmo premia a operação previsível, não o melhor prato. Diego F. Parra recomenda medir por faixa horária e declarar no app o tempo que a cozinha realmente cumpre.

O que um dono deve priorizar em delivery de restaurantes em 2026 para vender mais sem subir a comissão?

Priorize a consistência operacional: declarar o tempo de preparo que a cozinha realmente cumpre, manter a aceitação alta no horário de pico e reduzir os cancelamentos. As plataformas dão mais peso a quem mantém uma comissão estável e métricas regulares do que a quem paga mais depois da queda. Corrigir essas métricas rende mais do que uma promoção adicional.

O que um dono deve priorizar em delivery de restaurantes em 2026 para vender mais sem subir a comissão?

Priorize a consistência operacional: declarar o tempo de preparo que a cozinha realmente cumpre, manter a aceitação alta no horário de pico e reduzir os cancelamentos. As plataformas dão mais peso a quem mantém uma comissão estável e métricas regulares do que a quem paga mais depois da queda. Corrigir essas métricas rende mais do que uma promoção adicional.

Quanto tempo leva para subir no ranking se eu ajustar o tempo de preparo declarado?

No método Masterestaurant, o ajuste do tempo declarado move o ranking vários posições em poucas semanas, desde que a taxa de aceitação também se mantenha alta. A mudança é rápida porque o algoritmo recalcula a cada pedido novo.

Quanto tempo leva para subir no ranking se eu ajustar o tempo de preparo declarado?

No método Masterestaurant, o ajuste do tempo declarado move o ranking vários posições em poucas semanas, desde que a taxa de aceitação também se mantenha alta. A mudança é rápida porque o algoritmo recalcula a cada pedido novo.

O preço dinâmico afeta o ranking ou só a margem?

Afeta os dois. Subir a comissão sem cruzar a demanda real reduz pedidos, e menos pedidos derrubam sua posição na listagem porque o app prioriza o volume recente. O método Masterestaurant revisa o preço junto com clima, demanda e estoque toda semana para aumentar a margem sem perder volume nem ranking.

O preço dinâmico afeta o ranking ou só a margem?

Afeta os dois. Subir a comissão sem cruzar a demanda real reduz pedidos, e menos pedidos derrubam sua posição na listagem porque o app prioriza o volume recente. O método Masterestaurant revisa o preço junto com clima, demanda e estoque toda semana para aumentar a margem sem perder volume nem ranking.

Qual CMV devo manter no cardápio de delivery?

Um limite mais rígido que o usado no salão, porque a comissão do app se soma ao custo do prato. Acima de 28%, a margem líquida fica negativa na maioria dos pedidos.

Qual CMV devo manter no cardápio de delivery?

Um limite mais rígido que o usado no salão, porque a comissão do app se soma ao custo do prato. Acima de 28%, a margem líquida fica negativa na maioria dos pedidos.

Preciso reduzir o cardápio de delivery para melhorar o algoritmo?

Nem sempre é preciso reduzi-lo à força, mas passar de um cardápio enorme para um enxuto e com melhor margem costuma aumentar a conversão, porque o algoritmo premia listagens com alta conversão em vez de listagens longas.

Preciso reduzir o cardápio de delivery para melhorar o algoritmo?

Nem sempre é preciso reduzi-lo à força, mas passar de um cardápio enorme para um enxuto e com melhor margem costuma aumentar a conversão, porque o algoritmo premia listagens com alta conversão em vez de listagens longas.

Dados e fontes

Otimização algoritmos de delivery em números (2026)

Benchmarks verificáveis de fontes oficiais e não comerciais (governo, associações do setor e market data), nunca concorrência.

DadoValorFonte
Pedidos diários de delivery na China (Meituan e Ele.me) 2025>60 milhões/diaMordor Intelligence — APAC Food Platform-to-Consumer Delivery 2025
Investimento em agrifoodtech de startups nos EUA 2024USD 6.600 milhões (+14%)AgFunder News — Global agrifoodtech funding 2024
Participação do eGrocery no investimento em agrifoodtech 2024~12% (+17% em relação ao ano anterior)AgFunder News — Global agrifoodtech funding 2024
Investimento em agrifoodtech em mercados em desenvolvimento 2024USD 3.700 milhões (+63%)AgFunder News — Developing markets agrifoodtech 2024
Participação do agrifoodtech no capital de risco global5,5% dos dólares de VCAgFunder News — Agrifoodtech share of global VC 2024
Projeção do mercado de robôs de entrega até 2030USD 3.236,5 milhões (CAGR 32,4%)MarketsandMarkets — Delivery Robots Market 2030

Audite o algoritmo do seu delivery antes do fim do trimestre

Diego F. Parra e a equipe Masterestaurant analisam seu tempo de preparo real, taxa de aceitação e CMV do delivery em uma sessão de diagnóstico. Saia com um plano de ajuste de 4 semanas, não com mais um relatório genérico.

Comunidade

Participe GRATUITAMENTE da nossa Comunidade MASTERESTAURANT

Donos e equipes de restaurantes de 43 países compartilhando conhecimento, ferramentas e IA aplicada — direto no seu WhatsApp.

Entrar para a comunidade
Autor: Diego F. Parra  ·  Editor: MASTERESTAURANT®
Conteúdo criado com assistência de IA, revisado pela equipe editorial da MASTERESTAURANT.
Motor MR Listas Comparativas v0.9.394