EatAssistant

Il Vuoto di mercato

Il mercato HoReCa italiano conta 330.000 attività attive e si trova a metà di una transizione che non ha ancora completato. Il 45% dei ristoranti ha adottato un menu digitale di qualche tipo, e quasi tutti si rivelano essere file PDF dietro un codice QR. Nessuna interazione. Nessuna personalizzazione. Nessun dato di ritorno. Solo il 12% utilizza l'AI in qualche modo.

In tutto questo, il costo è concreto. L'upselling dipende dal personale che sta già gestendo quattro tavoli, quindi avviene o meno a seconda della serata. I clienti stranieri ordinano ciò che riconoscono invece di ciò che vorrebbero davvero. E i proprietari chiudono la porta ogni sera senza sapere quali piatti hanno reso o quali tavoli non hanno funzionato. Ciò che mancava al mercato era una piattaforma che trattasse il menu come uno strumento di vendita attivo. Questo è il vuoto che EatAssistant è stato creato per colmare.

Le decisioni che hanno plasmato il prodotto

Una manciata di scelte all'inizio ha definito la forma di tutto ciò che è venuto dopo.

Nessun login per il cliente.‍

La mossa usuale è acquisire l'email e costruire un asset CRM da poter rivendere in seguito. Noi abbiamo fatto il contrario. Nessuna registrazione, nessun attrito, ordine effettuato in meno di un minuto. Una persona seduta e affamata vale di più come ordine completato che come riga in un database, e ogni passaggio tra la scansione del codice e l'effettuazione dell'ordine fa perdere conversioni. Abbiamo costruito il prodotto per eliminare questi passaggi, non per aggiungerne uno.

AI ancorata alla struttura del menu in tempo reale.

‍Un semplice LLM (Large Language Model) pronto all'uso sarebbe stato implementato più velocemente e sarebbe costato meno. Ci avrebbe anche creato un problema di fiducia che nessuna funzionalità successiva avrebbe potuto risolvere: in un ristorante, un'AI che suggerisce un piatto che la cucina non prepara rompe immediatamente il rapporto al tavolo. Integrare l'intelligenza nei dati reali del menu, in tempo reale, ha richiesto più ingegneria ed è stata chiaramente la scelta giusta. L'AI può suggerire solo ciò che esiste realmente, al prezzo attuale, con dati sugli allergeni corretti. Questo limite è l'intero elemento distintivo.

Pagamenti diretti tramite Stripe.‍

Un modello di deposito a garanzia (escrow) di marketplace ci avrebbe dato più leva e una gestione della cassa più ordinata. Inoltre, blocca il denaro del ristoratore presso di noi come intermediari, complica la loro contabilità ed erode silenziosamente la fiducia, il che è fatale in un SaaS B2B dove la fidelizzazione è un sentimento che si accumula nel corso dei mesi. Il flusso diretto scambia il controllo della piattaforma con la fiducia dell'operatore. La fiducia dell'operatore è il baluardo della fidelizzazione, quindi è questa la scelta che abbiamo fatto.

L'architettura e l'analisi sono emerse direttamente da quelle tre chiamate. Cinque applicazioni per cinque utenti distinti, tutte che condividono un unico livello dati, così ogni interazione, dalla scansione del QR al suggerimento accettato al pagamento, rimane misurabile e interrogabile.

Il Sistema

EatAssistant funziona come cinque sistemi indipendenti su un unico backend che collega ogni punto dati lungo il percorso del cliente.

• App Menu Cliente: Angular 19, RxJS, ngx-translate. Nessun login, nessun download. Si apre tramite scansione, supporta più di 10 lingue tramite l'API DeepL e gestisce la navigazione, la chat AI, l'ordinazione e la conferma del pagamento all'interno di un'unica sessione del browser.

• Livello Chat AI: API OpenAI e Mistral AI, collegato al grafo dati del menu in tempo reale. Risponde solo con voci di menu reali, a prezzi correnti, con dati sugli allergeni in tempo reale. Traccia metriche per sessione: lingua, dispositivo, qualità della risposta e tasso di accettazione dei suggerimenti.

• CRM per Ristoratori: React, Next.js, shadcn/ui, Tailwind CSS. Una console di gestione completa per menu, prezzi, tavoli, ordini, pagamenti e permessi del team, con accesso basato sui ruoli per Proprietario, Manager e Personale, più il supporto per operatori multi-sede.

• Pannello di Amministrazione: Dashboard interna per il monitoraggio a livello di piattaforma, l'analisi aziendale, la gestione dei piani e la supervisione commerciale.

• Landing Page di Marketing: React 18, Vite, TanStack Query. Una pagina di acquisizione ottimizzata per la conversione, costruita e iterata internamente. Il traffico CPC di Google inviato qui si converte al 25,3%.

• API Backend: NestJS (TypeScript), Passport.js con autenticazione JWT, architettura a doppio database (MongoDB tramite Mongoose e PostgreSQL tramite TypeORM), AWS S3 per l'archiviazione, Stripe Connect per abbonamenti e pagamenti diretti ai ristoratori.
• Infrastruttura: Docker Compose, monorepo con architettura a sottomoduli git.
• Livello di Analisi: Tracciamento completo del funnel dalla scansione del QR all'ordine completato, filtrabile per tavolo, intervallo di tempo, categoria di prodotto e dispositivo, con un framework nativo per test A/B per varianti di menu e messaggistica.

• Sistema QR Intelligente: Due livelli. Un QR per ristorante per campagne di marketing, con tracciamento UTM e assegnazione per test A/B. Un QR unico per tavolo, con un token di sessione e instradamento diretto alla cucina.