İçeriğe atla
ÖzelliklerFiyatlandırmaİş OrtaklığıBlogYardımHakkımızdaİletişim
BaşlaGiriş Yap
Bloga Dön
industry2026-09-096 dk okuma

AI Talep Tahmini: Pazar Brunch Forecasting Geçen Yıldan %12 Daha Doğru

Toast Forecast AI, 12 ay geçmiş + hava + lokal event verisi ile pazar brunch cover sayisini %95 confidence interval ±6 doğrulukla tahmin ediyor. 60 koltuklu bir restoran nasıl %22 daha az gıda waste yaratıyor?

th

thMenu Team

thmenu.com

İstanbul Karaköy'deki 60 koltuklu Karabatak, geçen pazar 47 cover yapmıştı; şef yine "47 olur" diye prep planladı. Algoritma ise 73 cover dedi — pazar saat 13:00'te kapıdan 71 kişi geçti ve mutfak hazırdı. Bu, "AI demand forecasting" kelimesinin restoran sahibine somut ne anlama geldiğidir.

Forecast Modelinin Girdileri

Toast Forecast AI, son 12 ayın günlük cover datası + saatlik POS satışı + OpenWeather lokal yağmur olasılığı + Google Trends "kahvaltı yakınımda" sorgusu + Karaköy Salt Galata etkinlik takvimini birleştiriyor. Bayesian time-series modeli (Prophet + XGBoost ensemble) %95 confidence interval ±6 cover dar bant veriyor — sezgisel "geçen hafta neyse" yaklaşımı tipik ±15 sapma yaratıyor.

Restoran sahibi sabah 09:00'da telefon bildirimi alıyor: "Bugün 73 ± 6 cover bekleniyor. 4 yumurta cinsi prep, somon porsiyonu 18". Önceki "ezbere prep" rejiminde 28 somon porsiyonu hazırlanıyordu; 10 tanesi akşam çöpe gidiyordu.

%22 Gıda Waste Azalması Nasıl Ölçülüyor

Karabatak Mart-Ağustos 2026 döneminde haftalık 27 kg ortalama gıda fire yapıyordu (somon, avokado, taze otlar — pahalı kalemler). AI forecasting'i Eylül başında devreye aldı; Ekim sonu itibarıyla haftalık fire 21 kg'a indi — %22 azalma. Yıllık projeksiyon: 312 kg daha az fire × kg başına 240 TL ham madde = 75.000 TL net tasarruf.

  • Prep waste: pazar günü hazırlanıp pazartesi atılan taze ürün.
  • Over-staffing: 4 yerine 3 garson yeterli olunca saat başı 180 TL maaş.
  • Stock-out: tersi senaryo — talep tahmin altında kalırsa 86 menü riski azalıyor.

Küçük Restoran İçin Uygulanabilir mi?

Toast Forecast AI Pro+ paket; aylık 79$. 50 koltuk altı restoranlar için ROI ~3 ay (sadece gıda firesi tasarrufu ile). Daha hafif alternatif: thMenu analytics + Google Sheets'te basit moving-average — %12 doğruluk avantajını yakalayamazsınız ama %5-8 iyileşme realistic.

Önemli not: model 4 hafta history-warming gerektiriyor. İlk ay forecast'ları %70 doğru; 12. haftadan sonra %88'e çıkıyor. Sabırsız operatör "AI işe yaramıyor" demeden 90 gün vermelidir.

FAQ

Hava durumu yanlış çıkarsa forecast bozulur mu? Model OpenWeather'in 24 saat öncesinden değil sabah 06:00 güncel feed'ini alır; öğlen yağmur tahmini doğrulukta ±2 cover sapma yaratır.

Yeni açılan restoran kullanabilir mi? Hayır. 12 ay history şart. İlk yıl POS ham datası biriktirin, sonra aktive edin.

thMenu bu özelliği sunuyor mu? thMenu analytics dashboard günlük cover trendi + kategori bazlı satış gösterir; AI forecast Toast/SevenRooms gibi POS-native sistemlerde. Roadmap'te Q2 2027 entegrasyonu var.

Faydalı buldunuz mu? Paylaşın.