60-paikkainen Karabatak Istanbulin Karaköyssä tarjoili viime sunnuntaina 47 brunssikattausta; kokki valmisteli taas 47:lle. Algoritmi sanoi 73 — ja 71 saapui klo 13 mennessä. Tämä ero on se, mitä ravintoloitsijat oikeasti hakevat googlatessaan "AI kysyntäennuste ravintola".
Mallin Syötteet
Toast Forecast AI käyttää 12 kuukautta päivittäisiä kattauksia, tunnittaisia POS-myyntejä, OpenWeather sateen todennäköisyyttä, Google Trends "brunssi lähellä" -kyselyjä ja paikallista tapahtumakalenteria. Bayesilainen ensemble tuottaa 95% luottamusvälin ±6 kattausta — riittävän kapean ohjaamaan esivalmistelua.
Ilmoitus klo 9: "Tänään 73 ± 6 kattausta. 4 muna-versiota, 18 lohiannosta." Aiemmin valmisteltu 28 lohta, 10 heitettiin pois.
22% Vähemmän Hävikkiä Mitattuna
Maaliskuu-elokuu 2026 Karabatak heitti pois 27 kg viikossa (lohi, avokado, yrtit). Aktiivisella ennusteella laski 21 kg:aan lokakuun lopussa. 312 kg/vuosi × 7€/kg ≒ 2.180€ suora säästö.
Sopiiko Pienille?
Pro+ 79$/kk. ROI ~3 kk alle 50-paikkaisille vain hävikkisäästöllä. Huom: 4 viikon lämmittely, 70% tarkkuus ensimmäisenä kuukautena, 88% viikolla 12.
UKK
Entä jos sääennuste pettää? Klo 6 syöte, ei eilinen — ±2 kattauksen kohina.
Uusi avaus? Ei, 12 kuukauden historia vaadittu.
Tarjoaako thMenu? Tänään päivätrendi-analytiikka; natiivi AI-ennuste suunnitteilla Q2 2027.
Oliko tästä hyötyä? Jaa se.
Aiheeseen liittyvät artikkelit
Staattinen QR vs dynaaminen QR: 3 vuoden kokonaiskustannusvertailu
24 pöydän bistro, 36 kuukautta: uudelleenpainatukset 21 000 TRY vs dynaaminen ti…
Omotenashi ja QR: japanilainen vieraanvaraisuus säilyttäen inhimillisen otteen
Miksi Tokion Sukiyabashi Jiro hylkii QR-ruokalistoja, kun 68% keskitason izakayo…
AR-ruokaesikatselu WebXR:llä: selain-3D ilman sovellusta
Kuinka Dishoom Soho saavutti +22% keskimääräisen tilauksen model-viewerillä. All…