Volver al blogRevenue

Upselling en restaurantes: qué funciona y qué no según los datos

El upselling bien hecho sube el ticket medio un 10-15%. Datos de Accenture, Overproof y Market Basket Analysis aplicados a restauración. Guía con 4 reglas que funcionan.

7 min de lectura

¿Quieres postre? no es upselling. Es una pregunta que el 80% de tus clientes responde con no, gracias mientras mira el móvil. El upselling real es otra cosa, y los datos dicen que puede subir tu ticket medio entre un 10 y un 15% por mesa.

La diferencia entre el upselling que funciona y el que no está en una palabra: especificidad. Sugerir algo concreto, con una razón, en el momento correcto. Esto no es teoría — hay datos.

Cuánto vale el upselling: los números reales

Accenture publicó que las empresas que implementan upselling y cross-selling de forma sistemática ven un aumento del 10 al 30% en revenue. En restauración, Overproof midió un incremento del 10 al 15% por mesa con venta sugestiva bien ejecutada.

¿Cuánto es eso en euros? Para un restaurante con ticket medio de 32 € y 500 covers por semana, un aumento del 10% son 6.930 € al mes extra. Incluso un conservador 5% son 3.465 € al mes. Para ponerlo en contexto: eso es más que lo que genera el ajuste de precios solo, que según Koh y Lee (2020) en 48 restaurantes produce un 1,8% de uplift.

McDonald's atribuye entre el 15% y el 40% de sus beneficios a técnicas de upselling. Obviamente no eres McDonald's, pero el principio es el mismo: sugerir algo relevante en el momento correcto funciona en cualquier formato de restauración.

Por qué la mayoría de upselling en restaurantes no funciona

El problema no es que los camareros no quieran vender más. Es que no saben qué sugerir a quién. Preguntar ¿algo de beber? es genérico. No tiene contexto, no tiene personalización, y el cliente lo procesa como un guion.

Lo que sí funciona es la recomendación específica con razón. En lugar de ¿quieres postre?, decir el gató de almendra va perfecto después de la lubina, lo pide el 40% de las mesas. En lugar de ¿algo de beber?, decir con el chuletón, la copa de Ribera a 6,50 € es lo más pedido esta semana.

La clave es especificidad más razón. El cliente no quiere que le vendan — quiere que le recomienden. Cuando el camarero dice algo que suena a consejo real en vez de a guion de venta, la tasa de aceptación se multiplica.

Market Basket Analysis: lo que tu TPV sabe y nadie mira

El Market Basket Analysis es una técnica de análisis de datos que identifica qué productos se compran juntos. Amazon la usa para el los clientes que compraron X también compraron Y. En restauración funciona exactamente igual, pero con platos.

El algoritmo analiza los tickets de tu TPV y calcula tres métricas para cada par de platos. El soporte mide con qué frecuencia se piden juntos. La confianza mide la probabilidad de que alguien que pida A también pida B. El lift mide cuánto más probable es esa combinación comparada con el azar.

Cuando el lift supera 1,5, hay una asociación real, no casualidad. Ejemplos típicos: el 65% de los que piden chuletón también piden vino por copas. El 45% de los que piden paella piden gambas al ajillo de entrante. El 38% de los que piden lubina terminan pidiendo gató de almendra.

Estos patrones ya están en tus datos de TPV. Solo que nadie los extrae ni los convierte en instrucciones para el camarero.

4 reglas de upselling que funcionan sin necesitar datos

Si no tienes suficientes datos históricos para un Market Basket Analysis — porque acabas de abrir, o porque tu TPV no guarda detalle suficiente — estas cuatro reglas basadas en la lógica del menu engineering ya mejoran el ticket medio.

Regla 1: si la mesa pidió principales pero no entrante, el camarero sugiere el entrante estrella más vendido. Ejemplo: mientras esperan el chuletón, las croquetas de jamón son lo más pedido y salen en 5 minutos. Regla 2: si no pidieron bebida, sugerir la de mayor margen. Las bebidas tienen un margen del 75 al 80%. En cena, vino por copas. En comida, cerveza o agua premium.

Regla 3: al retirar los principales, sugerir el postre estrella. Los postres son compra impulsiva con elasticidad muy baja — el que quiere postre rara vez lo rechaza por precio. El tiramisú casero lo hacemos hoy, ¿les pongo uno para compartir? Regla 4: si alguien pidió un plato barato, sugerir un upgrade. Si pidió el pollo a 14 €, mencionar la lubina a 22 € como el plato del día es un upgrade natural.

El timing importa más que el qué

Un error habitual: hacer todas las sugerencias al tomar la comanda. El cliente está decidiendo y no quiere más opciones en ese momento.

El timing correcto es este. Al sentarse: una copa de cava mientras miran la carta. Al tomar comanda: un entrante si no han pedido. Al retirar principales: postre y café. La regla general es nunca interrumpir la comida — las sugerencias van en las transiciones naturales del servicio.

Un detalle que marca la diferencia: entrenar al camarero para que use social proof. En vez de yo le recomiendo, decir es lo más pedido esta semana o el 60% de las mesas lo pide con el pescado. La recomendación se percibe como información, no como venta.

Cuánto deberías invertir en mejorar el upselling

Si tu ticket medio es 32 € y mejoras un 5% con upselling, eso son 1,60 € extra por cover. Con 500 covers por semana y 4,33 semanas al mes, eso son 3.465 € al mes extra. Con un 10%, son 6.930 €.

La inversión puede ser tan baja como dedicar 30 minutos a la semana a revisar qué sugerir y comunicarlo al equipo. O puede ser automatizarlo: que un sistema analice tus datos de TPV y le diga a cada camarero exactamente qué sugerir según lo que ya ha pedido la mesa.

MarginCue hace exactamente esto. Analiza los datos de tu TPV, identifica asociaciones reales entre platos, y genera sugerencias específicas para cada tipo de pedido. Sin guiones genéricos — datos reales de lo que tus clientes piden juntos.

upselling restauranteaumentar ticket medio restauranteventa sugestiva camarerocross selling restaurantemarket basket analysis restauranterecomendaciones camarero

Artículos relacionados

Upselling en restaurantes: qué funciona y qué no según los datos | MarginCue Blog