料金
初回相談・データ確認・概算見積もりは無料です。開発の費用は内容によって変わり、数百万円規模になる場合もあります。継続的な相談支援の料金は別で、月額5万円からです。
飲食の需要予測・AI
来客予測は、過去の来客数や売上に曜日・天気・イベント・予約状況などを組み合わせて、これからの来客数を見積もる考え方です。大事なのは、AIで数字を出して終わりにしないこと。仕込み量・発注量・シフト人数・人件費を決める際に使えるようにすることです。
BEFORE CONTACT
料金
初回相談・データ確認・概算見積もりは無料です。開発の費用は内容によって変わり、数百万円規模になる場合もあります。継続的な相談支援の料金は別で、月額5万円からです。
期間
小規模な改善は1〜2ヶ月、中規模のシステム開発は3〜6ヶ月が目安です。まず手元のデータを確認して、対応できる内容と期間をお伝えします。
実案件
札幌市内の飲食店向けに開発・納品。売上予測まで含め、現在も運用・改善を続けている実案件です。
実案件の詳細を見る飲食店の来客数は、天気・近隣イベント・予約状況・給料日・連休・急なキャンセルなどで変わります。AIを使っても予測どおりにならない日はあります。
それでも来客予測を使う意味はあります。店長や担当者の経験に、過去の記録を比べた結果を加えられるからです。「今日は少なめでよさそう」「明日はいつもより仕込んだほうがいい」を、感覚だけでなく数字で確認できます。
当社では現場の人がAIの予測を確認・修正してから使える形を前提にしています。来客予測AIは店長の判断材料を示し、仕込みや人員配置を早めに決めるための道具です。
最初に見るのは、過去の来客数や売上です。日別・曜日別・時間帯別にどれくらいのお客様が来ていたかを確認します。可能であれば、メニュー別の販売数や予約数も見ると、仕込みや発注につなげやすくなります。
次に、来客に影響しそうな外部要因を足します。天気・気温・雪・祝日・近隣イベント・学校行事・観光シーズンなどです。北海道の飲食店であれば、雪や移動しづらさが数字に出ることもあります。
ただし、最初からすべてのデータをそろえる必要はありません。まずはPOSやレジの売上・曜日・天気のように取りやすいものから始め、運用しながら足していくほうが現実的です。
日別売上・来客数・曜日・祝日・天気・予約件数。
時間帯別売上・メニュー別出数・近隣イベント・在庫・発注履歴。
現場で入力が続かない細かすぎる項目。まず続く形を優先します。
天気を予測に使うと聞くと、気象データを買う話に思われがちですが、過去のぶんは気象庁のサイトから無料で手に入ります。「過去の気象データ・ダウンロード」で観測地点と期間と項目を選ぶと、日ごとの気温・降水量・降雪量などがCSVでダウンロードできます。地点は気象台のある札幌や旭川だけでなく、アメダスの観測地点からも選べるので、店の近くの数字を使えます。
予報をシステムに取り込む方法として、気象庁の防災情報XMLの提供があります。利用者登録は不要ですが、取得や読み取りの仕組みを用意する必要があります。配信が遅れたり止まったりする場合もあるため、業務で使う際は予報の更新日時を表示し、取得できなかったときの対応も決めます。
データを使う際は、気象庁の利用規約を確認します。出典に加え、加工した場合はその旨も表示し、第三者が権利を持つ情報などの条件にも注意します。取得できる項目や期間はデータによって異なります。有料サービスを含めた選択は、必要な情報・配信の確実性・サポート・システム連携にかかる手間を比べて判断します。
気象庁「過去の気象データ・ダウンロード」。地点と期間と項目を選んでCSVで取得します。
気象庁の防災情報XML。登録不要で、システムが毎日取り込む形で使います。
必要な項目・期間・更新頻度と、配信の確実性や連携の手間を比較します。
来客予測は、単体で見るだけでは効果が出にくいです。予測来客数をもとに、どのくらい仕込むか、何人入れるか、何を発注するかまでつながって、初めて現場の役に立ちます。
たとえば、翌日のランチ来客が普段より多いと予測された場合、主要メニューの仕込み量を増やす、ピーク時間のスタッフを増やす、在庫が足りない食材を前日に発注するといった判断につなげます。
逆に少ない予測の日は、仕込みを抑え、廃棄が出やすい食材の発注を減らし、人員配置を見直します。欠品と廃棄の両方を減らすには、予測を発注・在庫・シフトと同じ画面で見られることが大切です。
予測来客数とメニュー別の販売数から必要な仕込み量の目安を出します。
時間帯ごとの来客数の増減を見て、ピークに必要な人数を早めに確認します。
予測来客数・在庫・発注点を合わせて、食材ごとの発注目安を作ります。
DEMO
曜日・天気・予約・近隣イベントの条件を変え、来客数の見込みと仕込み・発注・シフトの目安を比較できるデモです。
架空の店「食堂あおば」(38席・札幌市)を想定した試算画面です。条件を変えると、簡略化した計算による来客数の見込みと内訳、時間帯別の人数、仕込み・発注・シフトの目安を確認できます。
※ デモの店舗・数字・計算モデルはすべて架空・簡略化したものです。実際の導入では、お店の過去の売上・予約・天気などのデータから、店ごとの傾向を学習して予測をつくります。
「精度は何%出ますか」は、よくいただく質問です。ただ、答えは店によって変わります。来客の波が曜日と天気でほぼ説明できる店もあれば、団体予約や近隣の催事で大きく振れる店もあるからです。数字を先に約束するより、まず手元のデータでどこまで読めるかを確かめるほうが確実です。
予測と実際の来客数が何人ずれたかを日別・時間帯別に確認します。そのうえで、仕込み不足・廃棄・ピーク時の人手不足につながったかを調べます。許容できるずれは、席数や追加調理にかかる時間によっても異なります。計算に使っていない期間の実績で確かめ、曜日別の平均など簡単な方法とも比較します。
もう一つ大事なのは、外れた日の理由が残ることです。雪、団体キャンセル、近隣のイベント。実際に起きた出来事と原因として考えられることを分けて記録します。差が続く場合は、集計方法や営業条件の変化も確認します。導入後も予測と実績を比べ、データや計算方法を見直して精度の改善を図ります。
来客予測は、エクセルやスプレッドシートでも始められます。曜日別の平均来客を出す、直近4週の同じ曜日を並べて見る、雨の日だけ抜き出して平均する。たとえば「金曜は他の曜日より多いか」「雨の火曜は通常の火曜とどれくらい違うか」を確かめます。比較できる日が少ない場合は、傾向を決めつけず記録を続けます。
エクセルでの集計に時間がかかるのは、複数の条件が重なるときです。「雨の金曜で、近くにイベントがあり、連休前」のような条件ごとの記録を手作業で集計・更新するのは大変です。AIは過去のデータから天気や曜日などが来客数に与える影響を学び、翌日の条件に当てはめて予測します。
まずエクセルで傾向を確かめ、手作業での更新が難しくなった段階でAI化を検討できます。当社に相談する場合も、今あるデータで分かることを確認してから、AIを使う範囲を決めます。
来客予測は「何人来そうか」を見るものです。客数予測・来店予測と呼ばれることもあります。需要予測は、もう少し広く「何がどれくらい必要になりそうか」を見る考え方です。
飲食店の場合、需要予測には売上・メニュー別の販売数・食材の必要量・人員数などが含まれます。つまり来客予測は需要予測の入口です。来客数を読めるようになると、仕込み・発注・シフト・人件費の見通しまで立てやすくなります。
「需要予測」という言葉から調べ始める方も多いですが、現場で最初に整理するなら「来客数」「メニューの販売数」「食材」「人員」の順に分けて考えると進めやすくなります。
発注予測は、予測来客数・メニューの販売数・今ある在庫・納品までの時間を見て、食材ごとの発注量を決めるための考え方です。来客が多そうな日に足りない食材を先に見つけ、少なそうな日は発注を抑えます。
ここでもAI任せにはしません。予測が出した発注目安を店長や担当者が見て、イベント・団体予約・天候の急変などを踏まえて直せる形にします。
大きなチェーン店でなくても、主要メニューと主要食材だけに絞れば始められます。全部の食材を一気に管理するより、廃棄や欠品が起きやすいものから始めるほうが定着しやすいです。
費用は、連携するシステムや開発する機能の範囲によって変わります。予測の数字を出すだけなら小さく作れますが、レジや予約システムとの連携、仕込み・発注・シフトの画面まで含めると範囲が広がります。費用を相談する際は、予算と、手間を減らしたい業務をお伝えください。必要な機能と後から追加できる機能を分けて見積もります。
当社の飲食店向け開発プランでは、要件の確認・AIの設計・業務画面の開発・納品まで約3か月を想定しています。最初の月に業務の流れと使えるデータを確認し、現在の作業に合う画面や入力方法を決めます。データの整備や連携先の条件によって、期間は変わります。
月額課金の既製ツールを使う選択肢もあります。汎用のツールで足りるならそれが早いですし、メニュー構成や仕込みの流れが店ごとに違う部分は個別開発が向きます。どちらが合うかの整理からで大丈夫です。
まず、過去3か月から1年分の売上や来客数を確認します。データが少ない場合でも、曜日ごとの傾向や天気の影響を見るところから始められます。
次に、予測を何に使うかを1つ決めます。仕込みを減らしたいのか、欠品を減らしたいのか、シフトを組みやすくしたいのか。先に使い道を決めると、必要なデータや確認すべき結果を絞れます。
最後に、予測と実績の差を見られる画面を用意します。外れた日こそ、理由を見つける材料になります。雨・雪・予約・イベント・臨時休業などを振り返り、次の予測に反映していきます。
POS・レジ・予約表・シフト表・仕入履歴など、今ある情報を見ます。
仕込み・発注・シフトのうち、最初に手間を減らしたい業務を選びます。
予測と実績の差を次の改善に使えるよう記録します。
使えます。最初から大きなシステムにする必要はありません。まずは日別売上・曜日・天気・予約件数など、手元にあるデータから始め、主要メニューや主要食材だけに絞って仕込みや発注の目安を出す形が現実的です。
最初は曜日別の平均や天気別の傾向を見る方法から始められます。データが増え、曜日・天気・イベント・予約・過去の実績をまとめて扱う作業に時間がかかる場合は、AIや機械学習を活用できます。
完全に別物として作るより、来客予測を入口にして、仕込み量・在庫・発注点へつなげる形が使いやすいです。現場では「何人来るか」よりも「何をどれだけ準備するか」が重要だからです。
外れることを織り込んで設計します。予測値をそのまま確定せず、店長が確認して直せるようにします。外れた日は、天気・予約・イベント・臨時休業などの理由を残し、次回以降の改善材料にします。
店によって予測の難しさは変わります。来客数が曜日や天気に沿って動く店と、団体予約やイベントの影響が大きい店では、使える判断材料が異なるためです。当社では的中率を約束せず、過去の売上データで予測を試し、計算に使っていない期間の実績と比べます。人数のずれに加え、仕込みや人員配置の判断に役立つかも確認します。
無料で公開されている気象庁のデータから始める方法があります。過去の気温や降水量はCSVで取得でき、予報を取り込むための防災情報XMLも公開されています。ただし、取得できる項目や期間、利用条件の確認と、システムへ取り込む作業が必要です。有料サービスも含め、必要な情報と配信の確実性、運用の手間を比較して選びます。
予測の数字だけを出す小さな形か、仕込み・発注・シフトの画面まで含めるかで大きく変わります。当社の開発プランでは要件整理から納品まで約3ヶ月を目安にしています。金額は範囲を決めてからでないと正確に出せないため、無料相談で「どの業務の判断にかかる手間を減らしたいか」から一緒に整理します。
飲食店AIや飲食DXを、何から始めればいいか分からない段階でも大丈夫です。今あるデータと業務の流れから、最初に手間を減らす業務を一緒に整理します。