Leveraging Data Analytics to Optimize Marketing Strategies for Retaining Loyal Customers in Czech Restaurants

Tato diplomová práce zkoumá, jak může analýza transakčních dat optimalizovat strategie zákaznické loajality v rámci pohostinství. Navzdory širokému rozšíření věrnostních programů mnoho provozovatelů nedostatečně využívá behaviorální a nákupní data, což omezuje jejich schopnost udržet a dále rozvíjet vztahy s hodnotnými zákazníky. S využitím metodiky CRISP-DM byla analyzována roční datová sada od anonymizovaného pražského restauračního řetězce, zaměřená na frekvenci návštěv, vzorce utrácení a historii transakcí. RFM segmentace v kombinaci s K-means shlukovou analýzou odhalila odlišné zákaznické skupiny a vzorce chování, které byly následně porovnány s psychologickým modelem rozvoje loajality podle Olivera (kognitivní, afektivní, konativní, akční fáze). Model predikce odchodu zákazníků pomocí algoritmu Random Forest dále identifikoval zákazníky s rizikem odchodu. Kvalitativní rozhovor s managementem poskytl další vhled do praktického využití datově řízených strategií věrnosti v tradičním prostředí pohostinství. Na základě výsledků práce jsou navržena opatření v podobě zavedení strukturovaného víceúrovňového věrnostního systému, aplikace mírných behaviorálních incentiv a vytvoření systému Loyalty Intelligence System, který umožní využití přehledových nástrojů pro monitorování zákaznického chování a hodnocení výkonnosti programu v reálném čase. Tato práce nabízí konkrétní doporučení pro subjekty v pohostinství, jak vyvážit osobní přístup orientovaný na zákazníka s využitím datové analytiky s cílem dlouhodobého rozvoje vztahů a růstu tržeb.