Comment mangent les 18-35 ans ? L’agence Kingcom a passé au crible les habitudes alimentaires des millenials en 2017. L’étude révèle que les 18-34 ans font évoluer la dimension sociale de la nourriture avec une utilisation massive d’internet à tous les stades de la consommation. Ils recherchent des recettes via les applis mobiles (33 % des 18-34 ans), font leurs courses en ligne (44 % des 18-25 ans) et se font livrer régulièrement des repas (61 % contre 34 % de l’ensemble de la population), puis partagent des photos de leurs repas sur les réseaux sociaux (46 % des 18-34 ans et 50 % des 18-25 ans). S’il est possible pour les marques et les restaurateurs d’extraire de la donnée de ces comportements en ligne et d’adapter ainsi leur offre, certains sont allés plus loin et ont construit leur relation client et leur marketing autour de l’échange sur les réseaux sociaux. Un pari gagnant pour les trois marques préférées des millenials : Michel et Augustin, Innocent et Ben & Jerry’s. Une stratégie sociale à adopter par toutes les marques ?

Le futur de la livraison à domicile

Le secteur de la livraison à domicile a connu récemment une croissance forte avec le développement des services de géolocalisation et des applications mobiles. Les marques comme Deliveroo, Foodora et Uber Eats se sont imposées dans les grandes villes. La compétition est rude dans le secteur, comment ces entreprises pourront-elles se démarquer à terme ? Fin 2016, Just Eat, connu sous la marque Allo Resto en France, s’est livré à un exercice de projection dans le futur de la livraison à domicile. Pour des commandes toujours plus simples et rapides, l’intelligence artificielle, l’internet des objets et même la réalité augmentée font partie des sources d’innovation. Pour l’entreprise de livraison, demain nous pourrons parcourir un menu et voir les plats tels qu’ils sont réellement au travers de lunettes 3D, énoncer nos commandes à voix haute à l’attention d’Alexa et d’Amazon Echo, gérer des commandes groupées tout en payant individuellement via les applis de l’Apple TV ou de la Xbox One et adresser nos réclamations aux chatbots dédiés. La livraison en elle-même sera-t-elle un jour effectuée par des robots autonomes équipés de casiers chauffant ? Pour l’heure les problématiques de sécurité ne sont pas résolues.

En B2B, quelle plus-value de la data ?

On devine aisément l’intérêt des données pour un restaurateur dans l’analyse de son marché : quels plats sont les plus populaires ? Dans quelles zones de livraison ? Elles peuvent également aider au développement commercial en délivrant des analyses prédictives sur la rentabilité d’un lancement potentiel ou de l’ajout d’une zone de livraison. En France,  les nouveaux business de la food tech se concentrent le plus souvent sur un aspect du secteur de l’alimentaire. Les services de livraison comme Foodora, Allo Resto, Deliveroo se concentrent sur le mode de livraison ou la proximité des restaurants livrés ou un temps de livraison limité. Uber Eats promet de livrer en moins de 10 min grâce à une sélection quotidienne de restaurateurs partenaires, une prédiction de la demande au plus juste et le positionnement des chauffeurs dédiées à ce service dans la zone de chalandise. Cependant, le modèle économique de ces intermédiaires spécialistes de la donnée est parfois fragile, comme la faillite de Take Eat Easy en juillet 2016 l’a montré.

Cuisiner à la data

Alors pour réussir avec la data faut-il s’attaquer à l’ensemble de la “chaîne” alimentaire ? EatFresh! situé à Bangaluru (Inde), montre que c’est l’ensemble du modèle économique qui peut être optimisé avec la donnée. À partir d’un hub central relayé par 200 hubs locaux, l’entreprise propose un menu frais élaboré quotidiennement par des chefs étoilés et livré chaud en 30 minutes à compter de la commande. Toutes les cuisines sont équipées de fours, de cuit-vapeur et de frigidaires connectés : la température et l’humidité sont contrôlées et gérées automatiquement. Les plats sont emballés dans des cartons équipés de QR codes délivrant de l’information pour les livreurs équipés de scanners. Les données captées en temps réel servent aussi bien à la maintenance préventive (un appareil dont la température reste inférieure à la normale plus de 5 min va être éteint automatiquement) qu’à l’ajustement des commandes de matière première et au choix des menus selon leur popularité.