Hotellbranschen och flygbranschen har länge använt sig av Revenue Management för att kartlägga sin efterfrågan för att på så sätt öka sina intäkter samtidigt som de ökar värdet för sina kunder och gäster. Då restaurangbranschen på många sätt liknar dessa två branscher kan det anses förbryllande och problematiskt att strategin inte implementerats i lika stor omfattning på restaurang.   Denna studie undersöker ur ett Revenue Management-perspektiv hur en medelstor restaurang belägen centralt i en medelstor svensk stad skapar och styr intäkter för att undersöka och föreslå implementering av strategier för bättre lönsamhet. Detta undersöks genom kvantitativa observationer av restaurangens gäster samt en kvalitativ intervju med vd:n för restaurangen och restaurangchefen.   Resultatet visar att restaurangens gäster erbjuds mer tid än de behöver för sitt besök, personalen kontrollerar gästers sittid genom arbetsrutiner och bokningssystem samt att ägarna gör ytliga analyser av data för att öka beläggning.   Vi ser att restaurangen använder sig av RRM-tekniker som paketering, kontroll och spridning av beläggning och sittid. De har också skapat en framgångsrik kampanj genom ytlig analys av beläggningsdata. Vi ser möjligheter för förbättring i restaurangens bordsval och användning av borden och föreslår därför att restaurangen byter ut några av sina bord samt ändrar personalens arbetsrutiner kring hur de avgränsar sina bord. Vi anser att det kan vara problematiskt att de inte analyserar all den data deras kassa- och bokningssystem erbjuder och föreslår därför att de försöker ta till vara denna för att lättare förstå sina gästers behov och beteende. På så vis kan de möjliggöra en segmentering av sina gäster som de kan skapa riktade erbjudanden till och således öka gästens uppfattade värde på restaurangbesöket. Detta för att RM bygger på att erbjuda rätt produkt, till rätt person, till rätt pris, vid rätt plats och vid rätt tillfälle.

No description available.

Queue buildup is a problem that every fast food restaurant would like to reduce, as its effect on customer satisfaction and restaurant revenue is obviously negative. This thesis looks at how a dynamic menu management system would affect fast food restaurants, specifically how the promotion of fast products, in certain situations, would affect total revenue and queue lengths. A neural network was used to categorize products depending on their preparation time and to predict queue waiting times. A simulation approach was used to find out how the menu management system would affect the restaurant. The results are that in situations where long queues are formed, the promotion of fast products increases revenue by 7.8% and decreases queue lengths by 13.3%. In situations where little to no queues are formed, the same system still decreases queue lengths by 4.7%, but also decreases revenue by 0.2%