A 60 férőhelyes Karabatak isztambuli Karaköy negyedben múlt vasárnap 47 brunch fedést szolgált fel; a séf újra 47-re készült. Az algoritmus 73-at mondott — és 71-en jöttek be 13 óráig. Ez a különbség az, amit a vendéglősök valójában keresnek "AI kereslet előrejelzés étterem" kifejezéssel.
A Modell Bemenetei
A Toast Forecast AI 12 hónap napi fedés-adatait, óránkénti POS-eladásokat, OpenWeather esővalószínűséget, Google Trends "brunch a közelben" kéréseket és helyi eseménynaptárt használ. Bayes-féle ensemble 95% konfidencia intervallumot ±6 fedéssel produkál — elég szűk a mise-en-place irányításához.
Reggel 9-kor értesítés: "Ma 73 ± 6 fedés. 4 tojás-változat, 18 adag lazac." Korábban 28 lazacot készítettek, 10-et kidobtak.
22% Kevesebb Pazarlás Mérve
2026 márciustól augusztusig Karabatak heti 27 kg-ot dobott ki (lazac, avokádó, gyógynövények). Aktív előrejelzéssel 21 kg-ra csökkent október végére. 312 kg/év × 7€/kg ≒ 2.180€ közvetlen megtakarítás.
Kicsiknek Való?
Pro+ havi 79$. ROI ~3 hónap 50 férőhely alatt csak hulladékmegtakarításból. Figyelem: 4 hét bemelegítés, 70% pontosság az első hónapban, 88% a 12. héten.
GYIK
Mi van ha az időjárás-előrejelzés téves? 6 órás feed, nem tegnapi — ±2 fedés zaj.
Új nyitás? Nem, 12 hónap előzmény szükséges.
A thMenu kínálja? Ma napi trend-analitika; natív AI előrejelzés tervezett 2027 Q2.
Hasznosnak találtad? Oszd meg.
Kapcsolódó cikkek
Statikus QR vs dinamikus QR: 3 éves teljes birtoklási költség
24 asztalos bistro, 36 hónap: 21 000 TRY újranyomtatás vs 11 640 TRY dinamikus e…
Omotenashi és QR: japán vendégszeretet az emberi érintés elvesztése nélkül
Miért utasítja el a tokiói Sukiyabashi Jiro a QR menüket, miközben a középkategó…
AR ételelőnézet WebXR-en keresztül: böngésző-3D alkalmazás nélkül
Hogyan érte el a Dishoom Soho a +22%-os átlagos rendelési értéket a model-viewer…