Diego F. Parraが飲食店を支援してきた経験から見えてくる共通点は、テーブルサービスにおけるホールスタッフの研修が、依然として手作業で、反復的で、離職率の高いままだということです。汎用的なPOSや予約ソフトは会計処理を自動化してきましたが、本当に重要な業務、つまりサービスの準備、リアルタイムの判断、ホスピタリティの基準の伝達には手つかずのままでした。テーブル業務へのAI活用は、この仕事を置き換えるのではなく、その位置づけを変えるものです。
プレシフトの自動化、シミュレーターによるインタラクティブな研修、そしてホールスタッフとお客様のプロフィールに基づくアルゴリズムによるテーブル割り当てにより、オペレーションの実質的な効果は大きく変わります。デジタル化された飲食店運営の成果は、テーブルあたりのコスト、研修の速度、お客様の満足度という3つの側面で測定できます。
比較: 運営の自動化
| 自動化なしの運営 | 自動化 + Masterestaurantの場合 | |
|---|---|---|
| 毎日のプレシフト時間 | ✕45〜60分(対面ミーティング、口頭での指示の繰り返し) | ✓12〜15分(自動プレシフト、ビジュアルボード、役割別アラート) |
| 新人ホールスタッフの研修時間 | ✕80〜120時間(OJT、高コストなミス、離職率の高さ) | ✓24〜36時間(シミュレーター、ゲーミフィケーション、構造化された判断基準) |
| テーブルあたりのサービスコスト | ✕売上に占める大きな割合(人件費、離職、再研修) | ✓専門性が向上し、離職と繰り返しの研修が減ります。 |
| ホールスタッフの年間定着率 | ✕大半(退屈、ミス、明確なキャリアパスの欠如) | ✓はるかに高い割合(ゲーミフィケーション、見える成長、専門職の役割) |
| アップセルと推奨の精度 | ✕伝票の8〜12%で実質的なコンサルティング型販売 | ✓顕著な改善(お客様とホールスタッフのペアリングアルゴリズム、リアルタイムの提案) |
| お客様満足度(ホスピタリティ) | ✕平均7.2/10(一般的なサービス、品質のばらつき) | ✓8.1/10(専門性、ミスの減少、パーソナライズされた体験) |
AIがホールの仕事を代わりにしてしまいますか?
いいえ。ただし、ホール担当者の役割は、繰り返しの作業から販売の専門性へと変わります。AIは、現在あなたの時間を多く奪っている作業(注文確認、アレルゲンの案内、一般的なワインの提案など)の多くを自動化し、機械にはできないこと(お客様の様子を読み取る、話し方を調整する、コンサルティング型の販売を締めくくる、緊張感のある場面に対応するなど)に時間を充てられるようにします。ディエゴは30年にわたり、三つの大陸でレストランの監査を行ってきました。その中で一貫して見られるのは次の点です。業務の自動化が進んだ店では、「料理を運ぶ人」から「体験を販売する人」へと役割を変えたホール担当者が成長します。一方で、新しいツールの習得を拒む人は取り残されます。全米レストラン協会の2025年のデータによると、業務テクノロジーを導入した運営者の69%が、スタッフの置き換えではなく、効率と顧客満足度の両方が向上したと報告しています。なくなるのは、反復作業に費やされる11時間のシフトです。一方で、専門性(ソムリエ、地域料理の専門家、新人の指導役)に対するボーナスが生まれます。そのための時間が実際に確保できるからです。
プレシフトの自動化で、どれくらい時間が減りますか?
店長が大声でアレルゲンや特別対応の情報を伝える代わりに、ボードを見るだけで済みます。新しい料理ごとに写真、材料、色分けされたアレルゲンのリスクが表示され、本日のVIPには過去の好みの履歴が出るので、「ロベルトさんは何がお好きだったかな?」と探す数分はいりません。アプリを開けばわかります。ボードの読み込みは3分、確認は2分で済みます。不明な点があれば、キッチンに絞って質問すればよく、18名のお客様全員に向けて声を張り上げる必要はありません。節約できる時間は1日あたり15~25分、週あたり2~3時間です。8時間のシフトで働くなら、これは仕込み時間のおよそ3分の1にあたり、実際の販売時間に変わります。決して小さな数字ではありません。
実際に経験したことがない場合、シミュレーション研修はどのように機能するのでしょうか?
実在の顧客が出演する録画映像のシナリオです(俳優が演じる場合もあれば、実際のお客様を録画したものの場合もあります)。テーブルで実際に対応するつもりで応答してください。システムはすべての動きを記録します。何を質問したか、何を提案したか、お客様がさらりと口にしたアレルゲンを拾えたか、注文にどれだけ利益を加えたか、クレームにうまく対応できたかが対象です。数分で終わるシミュレーションの後、すぐにフィードバックが得られます。例えば「『糖尿病があります』と言ったときに、砂糖入りのデザートを勧めていましたね。ここで売上とお客様を失いました」といった具合です。急いでいるお客様、こだわりの強いお客様、アレルギーのあるお客様、クレームを言うお客様など、さまざまなシナリオで繰り返すことで、学びは深まります。ミスをしても実際のお金や店舗の評判は失われず、コストはゼロです。シミュレーターで訓練を受けたホールスタッフは、失敗を恐れずに練習を重ねているため、最初の1か月からアップセルでかなり売上を伸ばせるようになります。現場の経験の代わりにはなりませんが、習得を早めます。
自分がそのような仕組みを知らなかったのに、なぜシステムは私のプロフィールに基づいてテーブルを割り当てるのですか?
アルゴリズムは3つのデータを組み合わせるからです。(1) 過去の実績です。たとえば、あなたが取った注文の多くでお客様がワインを頼んでいれば、アルゴリズムはあなたをワインを得意とするスタッフと判断します。(2) お客様の特徴です。誕生日、高予算、敏感なアレルギーがあるかどうかなどです。(3) 現在の状況です。すでに多くのテーブルを担当していれば、集中的な対応が必要な10名様のテーブルは割り当てません。こうして、ワインに詳しいスタッフはワインを尋ねたお客様のテーブルへ、指導役のスタッフは新規のお客様や若いグループのテーブルへ、スピード重視のスタッフはランチタイムのエグゼクティブ層のテーブルへ向かいます。その効果はフロアに表れます。疲れ切ったスタッフがテーブルに来るのではなく、本人が得意としていて、かつ元気なスタッフが来るのです。これは監視ではありません。誰も当てずっぽうで配置しないというだけのことです。この仕組みを前向きに受け入れたスタッフは、8時間の中で6つの異なるテーブルを担当し、そのうち3つでは力を発揮しきれない、という状態から、得意な6テーブルを担当する状態へと変わります。テーブルあたりの利益が上がり、ストレスは下がり、定着率も改善します。
システムが何かにフラグを立てたのに、私がそれに気づかなかったらどうなりますか?
自動的にあなたを責めることはありません。まず対話を始めます。お客様が甲殻類アレルギーと申告したのに、システムがあなたの勧めた料理に海鮮が含まれていると判断した場合、懲罰的な報告書に「ホール担当者のミス」と記録するのではなく、すぐに通知します。「注意:お客様に甲殻類アレルギーの登録があります。47番の料理にエビが含まれているので、ご確認ください。」同僚が肩越しに「それ甲殻類入ってるよ」と教えてくれるようなものです。修正にかかるのは2秒で、騒ぎにはなりません。この仕組みは告発ではなく、安全を守る柵として機能します。手作業の運用では、お客様が反応するまで誰も気づかず、そのときにはもう手遅れです。システムがあれば、リアルタイムで、個人を責めることなく通知され、ホール担当者は間違いを未然に防いだ立役者になれます。違いは、罰する文化か、安全を重視する文化かということです。
今日が初出勤なのに、アプリはどのようにお客様の好みを覚える手助けをしてくれるのですか?
顧客の履歴が表示されます。たとえばロベルトさんが過去8か月、毎週金曜日に来店し、いつもマリアージュ用の赤ワインを頼み、白は一度も選ばず、今月の同伴者は新しい女性2名(固定のパートナーではない)だとわかります。テーブルに着く前の4秒でそれを確認できるので、「こんばんは、ロベルト様。今日は新しいお連れ様がいらっしゃいますね。以前お選びいただいたマリアージュ用の赤ワインをご紹介してもよろしいでしょうか?」と声をかけられます。他のスタッフが「何がおすすめですか?」と聞くのに費やす60秒の信頼関係を、一瞬で獲得できたのです。これが経験なしの専門性です。顧客を知るために8か月分の繰り返しは必要ありません。必要なのはデータと、それを使う判断力です。顧客履歴にアクセスできるホール担当者は、お客様に認められていると感じてもらえるため、より大きな取引をまとめられます。また、共有するのは個人的な意見ではなくデータなので、専門家らしく聞こえます。アプリは接客の魅力に取って代わるものではなく、それを引き立てるものです。
私がソムリエを専門にすると、どのような追加の報奨金がもらえますか?
レストランによって異なりますが、基本的な仕組みはMasterestaurantのとおりです。認定ソムリエ(またはプラットフォームの対話型研修を修了したスタッフ)であるベーススタッフは、テーブルを担当している時間に対して時給の加算を受け取ります。さらに、ドリンク全般に支払われる一律の歩合よりも明らかに高いワインの歩合を受け取ります。例えば、客席45席のレストランでは、あるスタッフがドリンクの歩合が低い時給制から、ワインの歩合が高い、やや高めの時給制に移りました。マリアージュ付きの4名様テーブルを4つ担当した月には、ワインの歩合は、専門性がなくドリンクの一律歩合だけだった場合に得られた額の数倍になりました。では、40時間(8時間シフト5回分)の投資を計算してみてください。最初の30日で投資は回収でき、2か月目からは純利益になります。運が良かったからではなく、単にシフトをこなす立場から、代わりのきかない専門性を築く立場へと変わるということです。ディエゴは、専門性を持つスタッフの離職率が、手作業で運営している場合よりかなり低いことに気づいています。その違いは、自分の役割において守るべきものを持っていることにあります。
AIが私の顧客データを捏造していないことは、どうすればわかりますか?
システムに入力されるのは、実際の取引データだけです。ロベルトさんが赤ワインを頼んだのが8回であれば、それはPOSに記録された事実に基づくもので、捏造ではありません。アレルギーの履歴は、お客様自身がプロフィールに記入した内容か、スタッフが数か月前に登録した内容から来ています。機械が生成する情報は提案だけです。たとえば、ロベルトさんがマルベックを7回注文していれば、似た産地で顧客の好みにも合うため、次回はカルメネールを提案する、といった具合です。ただし、それを口にするかどうかは、あなたが決めます。Masterestaurantのレストランでは、スタッフはアプリ上で、1対1で確認できるデータには緑のバッジ「過去データ確認済み」、おすすめには黄色のバッジ「パターンに基づく提案」が表示されます。これにより、何が事実で、何が根拠のある推測なのかが一目でわかります。さらに、スタッフはデータを修正することもできます。アプリがロベルトさんは赤ワインを好むと示していても、今日は白を頼んだ場合は、「好みを更新」をタップすれば、アルゴリズムが学習します。ブラックボックスではなく、あなたが監査し、教育できる透明性のあるツールです。信頼は盲目的な信用ではなく、透明性から生まれます。
複雑なテーブル(複数のアレルギー、要求の厳しいお客様、特別なイベント)がある場合、アプリはどのように準備を助けてくれますか?
プレシフトにはこう表示されます。「本日の7番と8番テーブルは法人イベント、12名様、甲殻類は禁止、ベジタリアンが3名、予算は高め、お客様は五つ星ホテルのエグゼクティブ、要求レベルは高」。その一瞬で雰囲気がわかります。カジュアルな食事会ではありません。テーブルに向かう前に、甲殻類を使わないメニュー、注目のベジタリアン料理、予算を超えずに体験を高めるワイン、そして店長が用意した歓迎のフレーズを確認しておけます。「こんばんは。ご制限があることは承知しております。お食事の体験を高めるご提案をいくつかご用意しましたが、いかがでしょうか?」手作業の運営では、これをテーブルに着いてから確認することになり、制限の説明に5分ほど費やし、お客様は防御的になってしまいます。アプリで準備していれば、専門家として到着できます。状況を把握し、解決策を用意しており、お客様は大切にされていると感じます。アプリを使うスタッフは、驚きが少ないため、複雑なテーブルにもずっと摩擦なく対応でき、アップセルも多く成立させます。制限をその場で発見する代わりに、熟練した対応に集中できるからです。今その場で解決しようとしている人と、準備を整えて到着した人との違いです。
テーブル業務で変わること
プレシフト:繰り返しの口頭ミーティングから、役割別アラート(アレルゲン、新メニュー、VIP、販売の状況)付きのアルゴリズム型ボードへ。時間は短く、判断はより確かに、漏れはゼロに。 研修:繰り返しのOJTから、実際のシナリオ(ワインの売り方、急いでいるお客様の抑え方、アレルゲンの見抜き方)を使ったシミュレーターへ。各ケースはインタラクティブで、実際のミスによるコストは発生しません。 テーブル割り当て:勘から、ホールスタッフのプロフィール(専門分野、実績、お客様の好み)、テーブルの状況(予算、利用シーン、アレルギーリスク)、お客様の過去データを照合するアルゴリズムへ。適切なホールスタッフを適切なテーブルへ。 報酬:「決められたことをする」から「専門性に応じたボーナス」へ。ワインのソムリエ、郷土料理のエキスパート、新人のメンター、VIP専門のスペシャリスト。実在する役割と、見えるキャリアパスです。 フィードバック:「良かった/悪かった」から、リアルタイムの構造化された判断基準へ。コンサルティング型販売、お客様の再来店、アレルゲンのゼロミスに対するポイント制度を設け、ゲーミフィケーションによってホールスタッフは自身の成長を実感できます。
比較:手作業による運営と自動化された運営
導入前:手作業による運営
- 毎回同じ台本で行う45〜60分のプレシフトミーティング
- OJTによる新人研修、80〜120時間、高コストなミスを伴う
- 勤続年数やサービス責任者の勘によるテーブル割り当て
- 構造化されたフィードバックなし。年間離職率35〜45%
- 誰もが同じ手順を繰り返し、明確なキャリアパスや専門性がない
導入後:AIによる運営
- 12〜15分で自動プレシフト:ビジュアルボード、役割別アラート、個別ブリーフィング
- 実際のケースに基づくインタラクティブなシミュレーター、ゲーミフィケーション、構造化されたホスピタリティの判断基準
- スマートなテーブル割り当て:プロフィール、履歴、販売ポテンシャルに基づくお客様とホールスタッフのペアリング
- リアルタイムのフィードバック、専門化のルート(ソムリエ、肉料理、郷土料理)、見えるキャリアパス
- ホールスタッフを実行役ではなく専門家として位置づけ、リアルタイムでのコンサルティング型販売を強化
複数店舗グループにおける測定可能な効果
“14名のホールスタッフがおり、年間離職率は42%でした。プレシフトは1時間に及び、毎日同じ内容を繰り返していました。新人研修も問題が多く、アレルゲンに関する高コストなミスや、ワインの推奨がでたらめになるケースがありました。プレシフトの自動化とシミュレーターを導入したところ、新人は6週間ではなく3週間で業務に就けるようになり、アレルゲンのミスは87%減少しました。そのうち3名はワインと郷土料理の専門家となり、明確なキャリアパスを持つようになりました。離職率は29%に低下し、コンサルティング型販売の伝票比率は9%から38%に上昇しました。”
事例はあくまで説明用の合成例です。登場する名称や数値は実在の事業を描写するものではなく、業界のデータでもありません。
オペレーション自動化の進め方(ステップごと)
45分の口頭ミーティングを、サービス開始の90分前に生成されるアルゴリズム型ボードに置き換えます。各ホールスタッフは自分専用の個別ブリーフィングを確認できます。内容は、新メニュー、有効なアレルゲン、その日のVIPのお客様、販売の状況(プロモーション、在庫ワイン、厨房のイベント)です。アラートは役割ごとに優先度が付けられ、ソムリエにはワインの在庫と推奨が、フロアスタッフにはアレルゲンのリスクとお客様と料理のペアリングが表示されます。その結果、プレシフトの時間は大幅に短縮され、漏れはゼロになり、各スタッフは開店前に心の準備ができています。ボードはブラウザまたはアプリで利用でき、サービス開始の10分前からアクセスできます。
80〜120時間のOJTを、店舗の厨房の実際のケースを使ったシミュレーターに置き換えます。例えば、予算を決めているお客様に地元のワインを勧める方法、早食いのお客様のペースを緩める方法、注文時に潜在的なアレルギーを見抜く方法、満足しているお客様にデザートを追加提案する方法などです。各ケースは5〜8分で、シミュレーターがパフォーマンスを評価し、ホールスタッフはどこで失敗したかをすぐに確認して再挑戦できます。ゲーミフィケーションとして、正しい判断にポイント、専門分野ごとのバッジ、週間のパフォーマンスランキングを設けます。新人は実際の現場でのコストのかかるミスなしに、はるかに短い週数で一人前の業務水準に到達します。
サービス責任者の勘だけに頼らず、アルゴリズムが席割りを自動化します。アルゴリズムは次の情報を組み合わせます。ホール担当者のプロフィール(得意分野、販売実績、前回の顧客の好み)、テーブルの状況(想定予算、利用シーン、アレルゲンのリスク、人数)、顧客の履歴(再来店の有無、好きな料理、以前担当したホール担当者)です。その結果、顧客とホール担当者の最適な組み合わせが提案されます。コンサルティング型の販売が増え、サービスミスが減り、ワインやデザートのおすすめの精度も向上します。サービス責任者はリアルタイムで提案を確認でき、アルゴリズムが把握していない事情があれば変更できます。ただし基本は勘ではなくデータに基づく判断です。
ホール担当者の役割の中に、明確なキャリアパスを用意します。ワインのソムリエ(4〜6週間のシミュレーターとワークショップ)、地域料理のスペシャリスト(歴史、ペアリング、調理技術)、新人の指導役(体系的な研修と評価)、VIP顧客の専門担当(接客プロトコル、好みの把握、ストーリーテリング)です。各ルートには給与のボーナス、アプリでの評価の可視化、そして12〜18か月でプロのソムリエやレストランのトレーナーを目指せる道筋があります。ホール担当者は成長をリアルタイムで確認できます。例えば「ソムリエレベルまであと1ポイント」「今週、指導役レベル2を達成」といった表示です。その結果、年間の定着率は明らかに向上し、レストランは数か月ごとに人材を入れ替えるのではなく、自社で人材を育てられるようになります。
Masterestaurantのテーブル運営向けツール
ホール担当者の業務に統合されたMasterestaurantの3つのモジュールです。自動化されたプレシフト(データと役割に基づく)、インタラクティブ研修キット(シミュレーターとゲーミフィケーション)、インテリジェント席割り(アルゴリズムと状況把握)です。
業務自動化に関するよくある質問
飲食店の接客では、業務自動化によって何が変わりますか?
飲食店の接客では、業務自動化によって何が変わりますか?
業務の自動化は、プレシフト、注文確認、アレルゲンのリマインドといった反復作業を代わりに行い、ホール担当者をコンサルティング型の販売や顧客体験に集中させます。サービスがなくなるわけではなく、役割が見直されるということです。シミュレーターと体系的な判断基準により、研修期間も短縮されます。
飲食店の業務運営に、AIによる自動化ソフトウェアを導入する価値はありますか?
飲食店の業務運営に、AIによる自動化ソフトウェアを導入する価値はありますか?
はい。ホールスタッフの反復作業(プレシフト、アレルゲンの案内、注文確認)を減らし、その時間をコンサルティング型の販売やゲストへの接客に充てられるからです。サービスがなくなるわけではなく、役割が見直されます。全米レストラン協会によると、人手不足を背景に、運営者の47%が今後さらにテクノロジーや自動化を導入する予定です。まずはプレシフトと新人ホール担当者の研修から始めることをおすすめします。改善効果が最も早く表れる部分だからです。
飲食店向けのAI電話対応サービスとは何か、導入する価値はありますか?
飲食店向けのAI電話対応サービスとは何か、導入する価値はありますか?
電話対応を行う音声アシスタントです。レストランにかかってくる電話に応対し、予約やテイクアウトの注文を受け付け、営業時間、メニュー、アレルゲンについて答えます。対応できない内容は担当者に引き継ぎます。ピークタイムに電話対応で現場の時間が奪われ、販売機会になるはずの電話を取りこぼしている場合に効果があります。導入前には、予約システムとPOSレジに接続し、アレルゲンを明確に表示したメニューを登録してください。さらに、アシスタントが引き継いだ電話や対応できなかった電話を毎週確認してください。調整すべき点がそこに表れます。
プレシフトの自動化によって、サービスマネージャーは不要になりますか?
プレシフトの自動化によって、サービスマネージャーは不要になりますか?
いいえ。アルゴリズムは3分でプレシフトを作成しますが、最終判断はサービス責任者が行います。本日どのホール担当者が勤務するか、特別な対応が必要なVIP顧客がいるか、厨房や天候によるトラブルがあるかなどを判断します。ボードは、その判断を素早く正確に行うための整理された情報です。その結果、45分の打ち合わせが、10分の確認と調整に短縮されます。
研修シミュレーターは、実際のホールでの経験に取って代わりますか?
研修シミュレーターは、実際のホールでの経験に取って代わりますか?
いいえ。シミュレーターは学習の速度を上げます。新人のホール担当者は、実際の顧客に対応する前に、各判断の「何を」「なぜ」を理解できます。その後、経験豊富なホール担当者(専門の指導役として役割と手当が付与されます)に同行してフロアに入ります。その結果、現場での研修時間はかなり減りますが、残る時間は指導のもとで、明確な判断基準を持ち、慌てずに行えます。
アルゴリズムが誤作動したり、おかしな動きをしたりした場合、どのように席を割り当てればよいですか?
アルゴリズムが誤作動したり、おかしな動きをしたりした場合、どのように席を割り当てればよいですか?
サービス責任者には、常に変更権限があります。アルゴリズムの提案(顧客X→ホール担当者Y、理由Z)を確認し、システムが把握していない事情があれば2秒で変更できます。例えば、いつもホール担当者Cを指名するVIP顧客、今日は疲れているホール担当者、対応が難しい履歴のある顧客などです。アルゴリズムが人の判断を不要にするわけではなく、判断材料を提供するものです。
専門性を高めることを望まないスタッフは、どうなりますか?
専門性を高めることを望まないスタッフは、どうなりますか?
引き続き総合的なホール担当者として働くことも可能です。強制されることはありません。ただし、データによると、専門性を持つことで満足度(明確なキャリア、ボーナス、認められた専門性)と定着率が高まります。専門性を高めたホール担当者は、中期的に収入も増える傾向があります。
業務自動化の導入には、どのくらいのコストがかかりますか?
業務自動化の導入には、どのくらいのコストがかかりますか?
POSとの連携状況や現在のポートフォリオによって異なります。インタラクティブ研修キット、自動化されたプレシフト、インテリジェント席割りを導入する場合、初期のセットアップ費用に加え、アクティブユーザー数に応じて増える月額料金が必要です。
導入した場合、いつ結果が出ますか?
導入した場合、いつ結果が出ますか?
プレシフトの自動化は初日から効果が出ます(打ち合わせ時間が減り、正確性が上がります)。シミュレーターは数週間の研修後、新人のミスが大幅に減ります。役割ごとの専門化と実際のキャリアパスが見えるようになる8〜12週間後には、離職率が下がります。明確な判断基準と最適化されたペアリングのアルゴリズムを持つ6〜10週間後には、コンサルティング型の販売が伸びます。離職率が下がり、繰り返しの研修が減る4〜6か月後には、テーブル原価が下がります。
現在のPOSやソフトウェアを変更する必要がありますか?
現在のPOSやソフトウェアを変更する必要がありますか?
必ずしもそうではありません。プレシフト、シミュレーター、インテリジェント席割りは、既存のPOSと並行して機能します。顧客、メニュー、スタッフのデータと同期しますが、置き換えは必要ありません。APIを提供しているPOSであれば、どれとでも連携できます(Square、Toast、Lightspeed、既存システムなど)。APIがない場合は、データを毎日手動でインポートする方法を提供します。
スタッフは、アルゴリズムがなぜその顧客を自分に割り当てたのかを理解できますか?
スタッフは、アルゴリズムがなぜその顧客を自分に割り当てたのかを理解できますか?
はい。ボードには理由が表示されます。例えば「予算の合う顧客+あなたの地方ワインの専門性」「あなたに似た担当者を指名したVIP顧客」といった内容です。ホール担当者は不透明な指示ではなく、その理由を理解できます。なぜその顧客を担当するのかがわかるため、当事者意識が高まり、コンサルティング型の販売への意欲も高まります。
運営の自動化:2026の公式データ
政府、業界団体、市場データなど、公的かつ非商業的な出典に基づき検証可能なベンチマーク。競合他社のデータは含みません。
| データ | 価値 | 出典 |
|---|---|---|
| パンデミック前の水準と比較した2024のスコッチウイスキー輸出(2019) | 2019比 +10% | Scotch Whisky Association — 2024 export figures (2025) |
| 国際貿易で世界首位の蒸留酒であるスコッチウイスキーの、2025年の輸出額 | 2025における£5,3十億 | Scotch Whisky Association — Scotch Whisky: An Internationally Traded Spirit (2026) |
| 10%の関税適用後の、2025年の米国向けスコッチウイスキー輸出額 | 2025における£933百万 | Scotch Whisky Association — Scotch Whisky: An Internationally Traded Spirit (2026) |
| メキシコのウイスキー総取引額(輸入・輸出)(2024) | 2024年の US$146百万 | Secretaría de Economía de México — DataMéxico, perfil de producto Whisky (2024) |
| 2024年にメキシコが英国から購入したウイスキーの価値(主要原産地:スコッチウイスキー) | 2024年の US$122百万 | Secretaría de Economía de México — DataMéxico, perfil de producto Whisky (2024) |
| 500ペソまでの取引で現金払いを好むメキシコの人口の割合。飲食代金を即時に受け取るために関連(ENIF 2024) | 85.2%(ENIF 2024) | Xataka México citando INEGI ENIF 2024 — Pagos digitales crecen en México, pero 85 % de las compras de menos de 500 pesos siguen realizándose en efectivo (2025) |

