4 апреля 2026 г.
Прогноз спроса в ресторане с помощью ИИ: какой день, какое блюдо и сколько?
Вечер пятницы, 20:00, зал полный, на кухонном экране скопились десятки заказов. Но тесто для пиццы с курицей закончилось, запас колбасок исчерпан, и повар за полчаса физически не успевает отдать и половину входящих заказов. А в начале недели всё наоборот: разделали слишком много мяса, оно не продалось и вечером отправилось в мусор. Эти две сцены из одной и той же недели одного и того же ресторана. Проблема в прогнозе, а точнее в том, что прогноз делается на глаз.
Прогноз спроса на базе ИИ, который разрабатывает RestApp, вступает в дело именно здесь. Он анализирует ваши прошлые заказы, движение по дням и часам, влияние погоды и календаря вместе и пытается ответить на вопрос: какие часы завтрашнего дня будут загруженными, сколько примерно продастся каждого блюда и сколько порций заготовки и запаса под это нужно. Цель в том, чтобы утром на открытии вы строили план не на догадках, а на данных.
Важное уточнение: эта функция сейчас находится в раннем доступе и разрабатывается, она пока доступна не на всех аккаунтах. Каждый прогноз, который она выдаёт это рекомендация; решение о том, сколько продукта заготовить и какую смену усилить, всегда остаётся за вами. Прогноз не гарантия, он показывает вероятный спрос, опираясь на историю и закономерности. В этой статье на конкретном примере разбираем, как работает прогноз спроса, что он может дать вашему ресторану и как он сочетается с существующими возможностями RestApp.
Почему прогноз спроса в ресторане это сложно?
Прогноз спроса одна из самых давних головных болей ресторана. Заготовите мало останетесь без продукта, гость захочет блюдо из меню и не получит его, вы потеряете и продажу, и его лояльность. Заготовите много продукт зависнет, свежие ингредиенты испортятся, в конце дня вы спишете их в потери. Попасть в середину между этими крайностями требует опыта, но даже опыт не всегда удерживает в голове разницу между пятницей и понедельником, началом и концом месяца, дождливым и солнечным днём.
Когда в дело вступают переменные вроде акций, праздников, дней матчей или школьных каникул, прогноз становится ещё труднее. Большинство заведений управляют этим через интуицию шеф-повара или просто смотрят на цифры прошлой недели. Метод неплохой, но он завязан на память одного человека, и когда этот человек уходит в отпуск, в отпуск уходит и вся система.
То, что пытается сделать прогноз спроса на ИИ это перенести эту интуицию в цифры и каждый день заново учитывать всю историю данных. Человек помнит последние несколько недель, модель видит и то, что было месяцы назад, и одновременно вскрывает повторяющиеся закономерности.
На какие данные смотрит прогноз спроса ИИ?
Прогноз не возникает из пустоты, он строится из собственных данных вашего ресторана. На стороне RestApp эти данные и так накапливаются: в какой день, в какой час открыто сколько чеков, какого блюда продано сколько порций, каким был средний чек, по какому каналу (зал, доставка, онлайн) пришёл заказ. Облачные отчёты, которыми вы пользуетесь уже сегодня, чтобы видеть эти движения, и есть основная подпитка прогноза.
Поверх этого добавляется влияние календаря и сезона: разница между буднями и выходными, государственные праздники, загруженность в начале месяца, расхождение летнего и зимнего меню. Со временем в модель могут подключаться и внешние сигналы вроде погоды; в дождливый вечер заказы на доставку растут, а трафик в зале падает, и эта закономерность становится видимой в данных.
Есть ещё и собственная структура меню. Если на стороне рецептур и себестоимости задано, из каких ингредиентов состоит блюдо, прогноз продаж можно напрямую перевести в потребность в запасах. То есть посчитать можно не только сколько пицц вы продадите, но и сколько килограммов муки и сколько упаковок моцареллы для этого понадобится.
Конкретный пример: план пятницы у заведения «Вкусная остановка»
Допустим, вы держите среднюю по размеру пиццерию под названием «Вкусная остановка». Прогноз спроса, проанализировав данные последних трёх месяцев, выдаёт на ближайшую пятницу такую картину: самый загруженный отрезок с 19:00 до 22:00, ориентировочно 120 чеков. Три блюда, которых ожидаемо продастся больше всего это ассорти-пицца (около 70 порций), пицца с курицей (45 порций) и картофель фри (90 порций).
Когда эти цифры соединяются с рецептурой, они превращаются в список заготовки: примерно 18 килограммов теста для пиццы, 6 килограммов моцареллы, 5 килограммов картофеля. Если в прошлую пятницу 14 порций пиццы с курицей закончились и вам пришлось отказывать в заказах, система видит и это и предлагает в эту неделю немного поднять запас. Рекомендованная цифра, скажем, дополнительные 200 граммов заготовки по курице, выводится на экран в виде заметки.
Решение всё равно за вами. Увидев прогноз в 120 чеков, вы можете сказать: «На этой неделе в соседнем торговом центре мероприятие, подготовлюсь из расчёта на 140». ИИ не применяет цифру сам по себе, не заказывает продукт, не меняет цену. Он лишь кладёт на стол конкретную отправную точку, поверх которой ложится ваше локальное знание. Если какое-то блюдо продаётся быстрее ожидаемого, кухня видит это в реальном времени через кухонный экран KDS, и вы расставляете приоритеты прямо внутри смены.
Сокращать потери и нехватку одновременно
Самая ощутимая выгода прогноза спроса в том, что он берётся за оба конца разом. С одной стороны потери: переготовленный свежий продукт, ингредиенты, ушедшие в конце дня в мусор, испорченный запас. С другой стороны упущенные продажи: заказ, в котором отказали из-за закончившегося блюда, и впечатление от фразы «к сожалению, оно закончилось», которое остаётся у гостя. Заведения обычно, решая одну проблему, раздувают другую; заготавливают мало и остаются ни с чем или заготавливают много и выбрасывают.
Поскольку прогноз пытается приблизить заготовку к ожидаемому спросу, он нацелен на то, чтобы сузить оба конца. Надо быть реалистами: ни один прогноз не сбывается на сто процентов, бывает и неожиданный наплыв, и пустой вечер. Но прогноз на данных по сравнению с прогнозом на глаз со временем уменьшает погрешность и особенно на регулярных, повторяющихся днях даёт заметную разницу.
Эту экономию можно отслеживать в отчётах. Вы кладёте прогнозируемые продажи рядом с фактическими и видите, в какие дни и насколько вы отклонились. Поскольку модель обновляется каждую неделю новыми данными, по мере того как меняется ваше меню или профиль гостей, прогноз тоже пытается подстроиться под это.
Как это работает вместе с программой лояльности и акциями
Прогноз спроса не существует отдельно от акций, наоборот, вместе с ними он становится осмысленнее. Когда на стороне лояльности и промо вы планируете акцию, скажем «по средам вторая пицца за полцены», то, как эта акция влияла на спрос в прошлом, остаётся в данных. Когда вы снова запускаете похожую акцию, прогноз пытается учесть вероятный прирост спроса в тот день.
Верно и обратное. Если прогноз показывает, какие дни проходят естественно спокойно, вы можете подумать о том, чтобы заполнить эти пустые отрезки специальным предложением для участников программы лояльности. То есть прогноз становится входными данными не только «для подготовки к загруженному дню», но и «для оживления спокойного дня».
Линия здесь та же: ИИ может дать черновую идею о том, какая акция в какой день может сработать, но создаёте акцию, определяете размер скидки и выводите её в эфир именно вы. Система не запускает промо сама по себе.
Эта функция уже работает? Заметка о раннем доступе
Скажем прямо: прогноз спроса на ИИ сейчас не работающий продукт, он разрабатывается в раннем доступе внутри RestApp. Он не включён автоматически на всех аккаунтах, а цифры из примера приведены, чтобы объяснить, как функция будет работать. Мы не говорим «завтра у вас на аккаунте готово»; она будет открываться по мере выхода, поэтапно и с тестированием.
В этом процессе базовый принцип не меняется. ИИ та сторона, что предлагает и готовит черновик, решение и подтверждение всегда за человеком. Прогноз это рекомендация, а не команда. Система не заказывает продукт от вашего имени, не двигает цены, не запускает акции. Сколько заготовки делать, какую рекомендацию применить, а какую пропустить, решаете вы.
На стороне данных тоже будем чёткими. Данные вашего ресторана принадлежат вам и обрабатываются в соответствии с законодательством о персональных данных и GDPR. Общие модели, которые продаются или передаются другим заведениям на ваших данных, не обучаются. Прогноз учится на вашей истории, а результат снова остаётся за вами. Если вам интересен ранний доступ, вы можете бесплатно попробовать RestApp и уже сегодня начать выстраивать имеющуюся отчётность и базу рецептур, чтобы войти в функцию с готовыми данными, когда она откроется.
Ключевые выводы
- Прогноз спроса на ИИ, отталкиваясь от истории ваших заказов, пытается оценить, какой день и час будут загруженными и сколько какого блюда может продаться.
- Когда прогноз продаж соединяется с рецептурой, он превращается в план заготовки и запасов; цель сократить одновременно и переготовку с выбросом, и нехватку с упущенными продажами.
- Прогноз не гарантия; он показывает вероятный спрос и каждую неделю обновляется новыми данными. Решение, подтверждение и последнее слово всегда за рестораном.
- Функция пока не работает, она разрабатывается в раннем доступе. Если уже сегодня выстроить облачные отчёты и базу рецептур и себестоимости, к моменту запуска функции вы будете готовы.
- Ваши данные принадлежат вам, обрабатываются в соответствии с законодательством о персональных данных и GDPR и не используются для обучения моделей, которыми делятся с другими заведениями.
Частые вопросы
Прогноз спроса на ИИ уже работает, когда я смогу им пользоваться?+
Сейчас он не работает, разрабатывается в раннем доступе внутри RestApp и включён не на всех аккаунтах автоматически. Он будет открываться поэтапно, с тестированием. А пока, если вы выстроите облачные отчёты и базу рецептур и себестоимости, к выходу функции вы начнёте с готовыми данными.
Прогноз это гарантия, что будет, если он не сбудется?+
Прогноз не гарантия. Опираясь на историю и повторяющиеся закономерности, он показывает вероятный спрос. Неожиданный наплыв или непредвиденно спокойный вечер случаются всегда. Цель уменьшить погрешность по сравнению с прогнозом на глаз, а не обнулить её. Прогноз и факт можно положить рядом в отчётах и отслеживать отклонение.
Решение о заготовке и запасах принимает ИИ?+
Нет. ИИ только выдаёт рекомендации и черновик; сколько продукта заготовить и какую смену усилить, решаете вы. Система не заказывает продукт от вашего имени, не меняет цены, не запускает акции. Поверх рекомендованной цифры вы кладёте собственное локальное знание.
Мои данные в безопасности, ими делятся с другими ресторанами?+
Данные вашего ресторана принадлежат вам и обрабатываются в соответствии с законодательством о персональных данных и GDPR. Прогноз учится на вашей собственной истории. Общие модели, которые открываются или передаются другим заведениям на ваших данных, не обучаются.
На какие данные смотрит прогноз?+
Основные входные данные это история ваших чеков и заказов, загруженность по дням и часам, продажи по блюдам, распределение по каналам (зал, доставка, онлайн) и влияние календаря и сезона. Со временем могут подключаться и внешние сигналы вроде погоды. Если заданы рецептуры, прогноз продаж можно напрямую перевести в потребность в запасах.
Как это сочетается с существующими возможностями RestApp?+
Подпитка прогноза идёт из облачных отчётов, потребность в запасах считается через рецептуры и себестоимость, движение блюд внутри смены вы видите в реальном времени через кухонный экран KDS, а для оживления спокойных дней он работает вместе с акциями по программе лояльности и промо.
Перестаньте платить комиссию за свои заказы
Запустите собственную систему онлайн-заказов без комиссии с RestApp.