Het 60-zits Karabatak in Istanbul's Karaköy bediende vorige zondag 47 brunch-covers; de chef bereidde opnieuw 47 voor. Het algoritme zei 73 — en 71 gasten kwamen voor 13 uur binnen. Dat verschil is wat restauranthouders echt zoeken bij "AI vraagvoorspelling restaurant".
Wat Het Model Verwerkt
Toast Forecast AI gebruikt 12 maanden dagelijkse covers, uurlijkse POS-verkopen, OpenWeather regenkans, Google Trends "brunch dichtbij" queries en lokale evenementen. Een Bayesiaans ensemble levert een 95% betrouwbaarheidsinterval van ±6 covers — strak genoeg voor mise-en-place.
Melding om 9 uur: "Vandaag 73 ± 6 covers. 4 eivarianten, 18 zalmporties." Voorheen werden 28 zalm voorbereid, 10 weggegooid.
22% Minder Verspilling Gemeten
Maart tot augustus 2026 gooide Karabatak 27 kg wekelijks weg (zalm, avocado, kruiden). Met actieve voorspelling daalde dit naar 21 kg eind oktober. 312 kg/jaar × 7€/kg = ~2.180€ directe besparing.
Geschikt Voor Kleine Zaken?
Pro+ 79$/maand. ROI ~3 maanden onder 50 zitplaatsen, alleen door verspillingsbesparing. Let op: 4 weken opwarming, eerste maand 70% nauwkeurig, week 12 88%.
FAQ
Wat als het weer fout zit? 6 uur feed, niet gisteren — ±2 covers ruis.
Nieuwe opening? Nee, 12 maanden historie nodig.
Biedt thMenu dit? Vandaag dagelijkse trend-analytics; native AI-voorspelling gepland Q2 2027.
Was dit nuttig? Deel het.
Gerelateerde artikelen
Statische QR vs dynamische QR: totale eigendomskosten over 3 jaar
24-tafel bistro op 36 maanden: 21.000 TRY herdrukkosten vs 11.640 TRY dynamisch …
Omotenashi ontmoet QR: Japanse gastvrijheid zonder de menselijke maat te verliezen
Waarom Sukiyabashi Jiro in Tokio QR-menu's weigert terwijl 68% van de middenklas…
AR-gerechtvoorbeeld via WebXR: browser-3D zonder app
Hoe Dishoom Soho +22% gemiddelde besteding bereikte met model-viewer. Sub-200KB …