Papa Johns
personnalisation temps reel de la fidelite et de la commande par IA generative
Papa Johns a formalise un partenariat pluriannuel avec Google Cloud pour personnaliser fidelite et commande via BigQuery, Vertex AI et Gemini, et est devenu en 2026 le premier a deployer l'agent omnicanal Food Ordering de Google Cloud aupres de plus de 150 millions de clients.
Objectif
Anticiper les besoins des clients Papa Rewards et personnaliser en temps reel offres, contenus et parcours de commande, pour faire revenir les membres fideles et pousser le reorder.
Le déploiement
Papa Johns a elargi en avril 2025 son partenariat pluriannuel avec Google Cloud et cree une equipe d'innovation, PJX, pour appliquer BigQuery, Vertex AI et Gemini a ses donnees. Objectifs revendiques : personnaliser en temps reel l'experience du site et de l'app (codes promo et messages selon l'historique, les preferences et la localisation), predire les habitudes de commande pour proposer offres et raccourcis, et deployer un chatbot et une commande vocale. En janvier 2026, Papa Johns est devenu le premier partenaire a deployer l'agent omnicanal Food Ordering de Google Cloud, qui reconnait les membres Papa Rewards pour un reorder fluide ; le deploiement national est prevu d'ici fin 2026. Le reseau compte plus de 6 000 restaurants et sert plus de 150 millions de clients.
Résultats Preuve C
Partenariat formalise par communiques officiels Papa Johns et Google Cloud citant nommement la marque, avec un premier deploiement de l'agent de commande annonce debut 2026. Les capacites de personnalisation sont en deploiement et l'agent omnicanal en rollout national d'ici fin 2026 ; aucun resultat de performance chiffre n'est encore publie, d'ou C.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- infra Google BigQuery Entrepot de donnees ou Papa Johns centralise les donnees de commande et de fidelite Papa Rewards.
- plateforme Vertex AI Plateforme ML de Google Cloud utilisee pour les modeles de personnalisation (offres, contenus, suggestions selon le profil).
- llm Gemini Famille de modeles de Google utilisee pour les capacites generatives du dispositif (personnalisation, chatbot, commande vocale).
- outil Food Ordering agent (Google Cloud) Agent de commande omnicanal de Google Cloud, dont Papa Johns est le premier deployeur ; reconnait les membres Papa Rewards pour le reorder.
- integrateur Google Cloud Partenaire technologique pluriannuel, aux cotes de l'equipe d'innovation interne PJX de Papa Johns.
Comment ça tourne, concrètement
Pour les équipes ops-
1Unification des donnees Equipe PJX / data
Les donnees de commande et de fidelite sont centralisees dans BigQuery.
-
2Modeles de personnalisation IA
Vertex AI et Gemini calculent offres, contenus et suggestions selon le profil.
-
3Personnalisation des surfaces IA / site et app
Site, app et agent de commande adaptent l'experience et reconnaissent les membres Papa Rewards pour le reorder.
-
4Campagnes declenchees Marketing
Push et emails personnalises partent selon les occasions et preferences anticipees.
Le profil Papa Rewards : historique, preferences, localisation. Sans identification du membre et donnees de commande a jour, la personnalisation et le reorder proactif retombent sur une experience generique.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLe paradoxe est documente des deux cotes : 71% des consommateurs attendent des interactions personnalisees et 76% sont frustres quand elles manquent (McKinsey, 2021), mais 75% declarent ne pas acheter aupres d'organisations auxquelles ils ne confient pas leurs donnees (Cisco, 2024). La « creepy line » est localisee : messages recus quelques secondes apres une recherche et suivi de localisation sont les pratiques qui mettent le plus mal a l'aise (Periscope by McKinsey, 2019).
Conditions d'acceptation
- La confiance dans le traitement des donnees precede l'achat : 75% ne achetent pas sans elle (Cisco 2024)
- Un cadre legal protecteur rassure : 59% des consommateurs disent que des lois fortes sur la vie privee les rendent plus a l'aise pour partager des informations dans des applications IA (Cisco 2024)
- La personnalisation elle-meme est attendue quand elle est consentie : environ la moitie des consommateurs (US 55%, UK 52%) disent s'inscrire souvent ou parfois a des services personnalises (Periscope by McKinsey 2019)
Lignes rouges
- Le message declenche quelques secondes apres une recherche ou un achat : deuxieme ou troisieme cause de malaise selon les pays (Periscope by McKinsey 2019)
- Le suivi de localisation percu comme de la surveillance : 40% de malaise en Allemagne et au Royaume-Uni (Periscope by McKinsey 2019)
- Le mesusage des donnees personnelles par l'IA, devenu la premiere inquietude des consommateurs, a 53% et en hausse (Qualtrics 2025)
Sources : McKinsey & Company 2021 · Periscope by McKinsey 2019 · Cisco 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- donnees de commande et de fidelite unifiees
- programme de fidelite identifiant chaque client
- signaux contextuels (localisation, occasions)
Prérequis orga
- equipe data ou partenaire cloud
- programme de fidelite actif
- gouvernance du consentement marketing
Stack possible
- entrepot de donnees (BigQuery, Snowflake)
- plateforme ML et LLM (Vertex AI, Gemini)
- agent de commande conversationnel
- app et site
Le plan, étape par étape
- Étape 1Unifier les donnees de commande et de fidelite dans un entrepot cloud, avec identification de chaque client par le programme de fidelite.Livrable : Donnees clients unifiees et requetables
- Étape 2Construire les premiers modeles de personnalisation : offres et messages selon l'historique, les preferences et la localisation, testes sur un segment.Livrable : Moteur d'offres en test avec groupe de controle
- Étape 3Personnaliser les surfaces (site, app) pour les membres identifies et brancher les campagnes declenchees (push, email) sur les occasions anticipees.Livrable : Surfaces personnalisees et campagnes en production
- Étape 4Piloter un agent de commande conversationnel sur un canal, avec reconnaissance des membres pour le reorder.Livrable : Agent en pilote sur un perimetre limite
- Étape 5Etendre le dispositif et mesurer reorder, frequence et retention contre des cohortes non exposees.Livrable : Bilan retention chiffre par cohorte
Première étape : Unifier les donnees de commande et de fidelite dans un entrepot exploitable par des modeles de personnalisation.
Le même pattern, prouvé dans d'autres industries
Boots
scoring par machine learning de la propension a utiliser une offre, applique au courrier et a l'app
Meta
recommandation de fil et de video par IA (modeles a grande echelle / LLM)
Michaels
personnalisation genAI du message marketing (copy) a l'echelle, calee sur la voix de marque
Sources
- S1 Papa Johns and Google Cloud Team Up to Deliver AI-Powered Pizza Experiences Primaire archive à générer
- S2 Papa Johns will use Google AI for analytics, marketing Presse établie archive à générer
- S3 Papa Johns and Google Cloud Reimagine the Future of Food Ordering to Better Serve Customers Officiel intéressé archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.