No-show -45% y ocupación +18% sin contratar más sala.
Un grupo de restauración asturiano con 4 locales perdía sillas todas las semanas por no-shows y huecos sin cubrir. Implantamos un sistema de IA para reservas + marketing automatizado: confirmaciones inteligentes, lista de espera dinámica y campañas segmentadas. En 5 meses la ocupación subió un 18% y el no-show cayó un 45%.
Asturias · 4 locales · Restauración media-alta
Un grupo de 4 restaurantes asturianos con sillas vacías y reservas fantasma.
El cliente es un grupo de restauración asturiano con 4 locales: dos en Oviedo, uno en Gijón y uno en Avilés. Cocina media-alta, ticket medio 38-55 €, capacidad combinada de 320 plazas y unos 5.200 cubiertos servidos al mes. 42 empleados entre cocina, sala y gestión.
Tenían dos problemas que se realimentaban. El primero: no-show del 17-22% según local, sobre todo en cenas de viernes y sábado. Mesas reservadas que se quedaban vacías a la hora pactada, sin posibilidad real de recolocarlas porque la confirmación se hacía con una llamada manual que se hacía tarde o no se hacía.
El segundo: huecos sin cubrir en turnos no premium (comidas entre semana, primer turno de noche). Tenían base de datos de unos 14.000 clientes recogida durante años pero no la usaban: no había segmentación, no había campañas automáticas, no había nada más allá de un Mailchimp esporádico cuando se acordaba la jefa de sala.
El encargo: recuperar mesas perdidas por no-show y llenar huecos no premium con campañas a la base de clientes, sin contratar personal de sala adicional y sin tocar el sistema POS legacy que ya tenían.
Confirmación inteligente + lista de espera dinámica + campañas segmentadas.
Lo primero fue atacar el no-show con un flujo de confirmación inteligente conectado al sistema de reservas. WhatsApp 48h y 4h antes con confirmación en un clic, recordatorio con la dirección, opciones de modificación y un botón "no podré venir" sin fricción. Bajar la fricción de cancelar suena contraintuitivo pero baja el no-show: la gente cancela en vez de no presentarse.
Cuando alguien cancela o no confirma, entra en juego la lista de espera dinámica: el sistema lanza una oferta automática a clientes de la base de datos que cumplen el perfil del horario y local (cenas de viernes en Oviedo → ofrecemos a clientes que vienen normalmente en esos turnos). Llenamos huecos que antes se quedaban vacíos hasta el cierre.
Para los huecos no premium montamos marketing automatizado segmentado. Trocear los 14.000 clientes en 6 perfiles (clientes frecuentes, ocasionales de fin de semana, comida de empresa, parejas de aniversario, grupos grandes, captados por menú degustación) permite mandar mensajes específicos a cada perfil con CTA distintos: "menú ejecutivo a 28€ este miércoles" funciona en comida de empresa y no funciona en parejas de aniversario.
Todo conectado al sistema de reservas vía API + capa intermedia de automatización, sin tocar el POS heredado del cliente. La jefa de sala ve en un panel sencillo: confirmaciones del día, huecos en riesgo, lista de espera disponible y resultados de campañas. Decisión humana sigue siendo de ella, lo que cambia es la información de la que parte.
De diagnóstico a 4 locales en producción en 5 semanas.
Auditoría operativa (semana 1)
Sesiones con dirección, jefa de sala y maître de cada local. Mapeo de turnos, picos, sistema de reservas actual, base de datos de clientes, calendario de campañas. Identificamos los 3 cuellos: confirmación, recolocación de huecos, activación de base de datos.
Diseño RGPD y arquitectura (semana 2)
Definición de bases legales para marketing automatizado, consentimientos de cliente actualizados al hacer reserva, integración con sistema de reservas vía API, capa intermedia para no tocar POS legacy. Segmentación inicial de los 14.000 clientes.
Piloto en un local (semanas 3-4)
Lanzamos confirmación + lista de espera + 2 primeras campañas en el local de Oviedo durante 10 días. Comparamos no-show, ocupación y tasa de respuesta de campañas. Ajustamos copy de WhatsApp y horarios de envío. Resultado: -38% no-show en 10 días.
Despliegue a los 4 locales y reporting
Apertura a los 4 locales con flujos específicos por local (horario, ticket medio, perfil de cliente). Formación a jefas de sala (2h por local). Reporting semanal con dirección con métricas por local y comparativa entre ellos.
Cinco lecciones replicables a otros grupos de restauración
Facilitar cancelar baja el no-show
Suena raro pero es así: ofrecer un botón "no podré venir" sin fricción hace que el cliente cancele en vez de no aparecer. Una cancelación se recoloca; un no-show no. -28% solo con esto.
La lista de espera dinámica vale más que las campañas
De los 18 puntos de ocupación que subimos, 11 vinieron de recolocar huecos en tiempo real. Solo 7 vinieron de campañas a la base. El día a día pesa más que el plan mensual de marketing.
Segmentar mal es peor que no segmentar
Mandar la oferta de "comida de empresa" a la pareja que viene por aniversario quema la base. Antes de mandar nada, validamos los 6 perfiles con jefas de sala que conocen al cliente. Esa hora ahorró 6 meses de calibrar a base de errores.
WhatsApp gana a SMS y email para confirmar
En España, en restauración media-alta, WhatsApp tiene tasa de respuesta 7x superior al SMS y 22x superior al email para confirmar reservas. Cambia el canal antes de gastar en mejor copy.
Jefa de sala es la persona clave del proyecto
No la dirección, no el dueño: la jefa de sala. Si no se sienten dueñas del sistema, el sistema se cae. Las 2 horas de formación práctica por local valieron más que cualquier documentación que dejáramos por escrito.
Dudas que nos hacéis llegar
¿Tu restaurante pierde mesas por no-show y huecos sin cubrir?
Te decimos en 45 min cuántas mesas estás perdiendo realmente y qué tipo de sistema de reservas y marketing automatizado te tiene más sentido por tamaño y volumen.