AI Efterspørgselsprognose: Søndagsbrunch 12% Mere Præcis End Sidste Års Estimater

Den 60-pladsers Karabatak i Istanbuls Karaköy-distrikt serverede 47 brunch-covers sidste søndag; kokken forberedte igen til 47. Algoritmen sagde 73 — og 71 kom ind før kl. 13. Den forskel er, hvad restauratører faktisk søger ved "AI efterspørgselsprognose restaurant".

Hvad Modellen Bruger

Toast Forecast AI bruger 12 måneders daglige covers, timesalg fra POS, OpenWeather regnsandsynlighed, Google Trends "brunch i nærheden" og lokal eventkalender. En bayesiansk ensemble producerer et 95% konfidensinterval på ±6 covers — stramt nok til at styre mise-en-place.

Notifikation kl. 9: "I dag 73 ± 6 covers. 4 ægvarianter, 18 laksportioner." Tidligere forberedt 28 laks, 10 smidt ud.

22% Mindre Spild Målt

Marts-august 2026 smed Karabatak 27 kg ugentligt ud (laks, avocado, krydderurter). Med aktiv prognose faldt til 21 kg sidst i oktober. 312 kg/år × 7€/kg ≒ 2.180€ direkte besparelse.

Passer Til Små Steder?

Pro+ 79$/måned. ROI ~3 måneder for <50 pladser kun ved spildbesparelse. OBS: 4 ugers opvarmning, 70% nøjagtighed første måned, 88% i uge 12.

FAQ

Hvad hvis vejrudsigten tager fejl? Kl. 6-feed, ikke gårsdagens — ±2 covers støj.

Ny åbning? Nej, 12 måneders historik kræves.

Tilbyder thMenu? Daglig trend-analytics i dag; native AI-prognose planlagt Q2 2027.

Var dette nyttigt? Del det.