← Tilbage til alle artikler

Tips til din virksomhed: AI-rådgiveren der finder flere bookinger i dine data

#AI #anbefalinger #statistik #belægning #markedsføring #bookingsystem
Tips til din virksomhed: AI-rådgiveren der finder flere bookinger i dine data

Hver konto i micali.online samler hundredvis af tal på en måned. Hvem der har set din bookingside, og hvor de kom fra. Hvem der åbnede et arrangements detaljer og aldrig kom tilbage. Hvilke tider der blev fyldt op, hvilke der stod tomme, hvem der ikke dukkede op, og hvem der bookede fem gange i træk. Under Statistik kan du se de tal. Men tallene i sig selv fortæller dig ikke, hvad du skal gøre med dem mandag morgen, når du har en kunde foran dig og ikke et regneark.

Derfor har vi tilføjet en AI-rådgiver til micali.online. Som regel én gang om ugen gennemgår den din konto, regner alt igennem, der er sket i den de seneste 30 dage, sammenligner det med den foregående måned og med de andre konti på platformen, og sender dig 3-5 konkrete anbefalinger til, hvordan du får flere bookinger. Hver anbefaling har det tal, der udløste den, en begrundelse, konkrete trin og et link til den skærm, hvor du gør det første af dem. I appen finder du den under navnet Tips til din virksomhed.

I denne artikel viser vi dig, hvad rådgiveren præcis beregner, hvorfor der står matematik og ikke en fornemmelse bag hver anbefaling, hvorfor hvert forslag bliver læst af et menneske, før det sendes, og hvordan de anbefalinger ser ud, som de første kontoejere allerede har modtaget.

Hvad rådgiveren ser

Rådgiveren arbejder med et 30-dages vindue og et lige så langt vindue før det, så den kan skelne et udsving fra en tendens. Ud fra din konto sætter den et øjebliksbillede af otte områder sammen:

  • Trafik på din offentlige side: antal besøgende, hvor de kom fra (Facebook, Instagram, Google, direkte link, betalt annoncering), fra hvilken enhed, på hvilket sprog, og hvilken side de først kom ind på.
  • Bookingtragten: hvor mange der så listen, hvor mange der åbnede detaljerne for en tid eller en tjeneste, hvor mange der startede en booking, hvor mange der loggede ind, og hvor mange der gennemførte bookingen.
  • Belægning for hvert arrangement og hver tid: tomme tider, fyldte tider, gennemsnitligt antal besatte pladser, og hvilken ugedag og hvilket klokkeslæt der fungerer bedst for dig.
  • Fremmøde og betalinger: hvem der dukkede op, hvem der ikke gjorde, hvor mange bookinger der ikke blev registreret, og hvor mange ubetalte bookinger du har i de næste syv dage.
  • Besøgende: hvem der booker igen og igen, hvem der aldrig har booket endnu, hvem der ikke har hørt fra sig i 60 dage, og hvem der kommer regelmæssigt hos dig, men ikke har et medlemskab.
  • Medlemskaber: hvad der udløber inden for de næste to uger, hvad der er udløbet uden fornyelse, og hvad der venter på godkendelse.
  • Kommunikation: ubesvarede beskeder fra besøgende, mislykkede e-mails, opsatte påmindelser og spørgeskemaer.
  • Profil: beskrivelsens længde, kategori, hjemmeside, sociale medier, kontaktoplysninger. Altså det, en besøgende ser først.

Sådan bliver tal til signaler

Her er kernen i det hele. Øjebliksbilledet af kontoen bliver ikke læst af AI, men af et sæt på mere end tyve deterministiske detektorer. Hver af dem leder efter ét bestemt mønster, og når den finder det, opretter den et signal sammen med de tal, der beviser det. Her er nogle eksempler på, hvad der bliver beregnet under motorhjelmen:

Hurtige exits. Hver gang listen bliver vist, måler vi, hvor længe den besøgende blev på den. Forlader vedkommende siden inden for ti sekunder, tæller vi det som en hurtig exit. Når mere end halvdelen forlader siden sådan, har listen ikke fortalt dem, hvorfor de skulle klikke videre.

Tragten trin for trin. Vi følger overgangen fra detaljerne for en tid til en påbegyndt booking, videre til login og til gennemførelse. Hvert trin har sit eget forhold. Samtidig deler vi de besøgende op i dem, der kom fra betalt annoncering, og de organiske, så vi kan se, om annonceringen bringer folk, der rent faktisk booker, eller bare klikker.

De bedste og de dårligste tidspunkter i ugen. Hver afholdt tid placerer vi i en celle ugedag × klokkeslæt og beregner for hver celle det gennemsnitlige antal besatte pladser. Celler med mindst to tider bliver sorteret, så rådgiveren kan fortælle dig, at torsdag kl. 19 i gennemsnit giver dig tre besatte pladser, og fredag kl. 8 ingen.

Tomme tider og belægningsgrad. For hvert arrangement sammenligner vi antallet af afholdte tider med antallet af tomme. Hvis mindst halvdelen af fem eller flere tider stod tomme, er det et stærkt signal. Hvis tiderne blev booket, men i gennemsnit under 30 % af kapaciteten, er det et svagere signal med en anden anbefaling.

Bookinger i sidste øjeblik. Ud fra forskellen mellem det tidspunkt, bookingen blev oprettet, og starten på tiden beregner vi den gennemsnitlige forudgående varsel. Når mere end 40 % booker mindre end 24 timer i forvejen, giver det mening at planlægge både påmindelser og markedsføring anderledes.

Udeblivelse. Ud fra det registrerede fremmøde beregner vi andelen af folk, der bookede og ikke dukkede op. Over 20 % er det et signal, der hænger sammen med en manglende påmindelse før tiden eller et manglende betalingslink.

Tærsklerne er bevidst konservative. Et signal betyder »det er én sætning værd«, ikke »det er statistisk sikkert«. Og ved få data tier detektoren hellere, end at den ville anbefale noget baseret på tre besøg.

Sammenligning med hele platformen

De fleste tal har ingen betydning uden sammenligning. Er en overgang på 3 % fra detaljerne for en tid til en booking et dårligt resultat? Det kan man ikke sige uden at vide, hvad andre opnår. Derfor genberegner rådgiveren ved hver kørsel medianerne for hele platformen for de centrale forhold: hurtige exits fra listen, ét-sides besøg, overgangen fra detaljer til booking, tidernes belægningsgrad og andelen af registreret fremmøde. Kun konti med tilstrækkelig trafik indgår i medianerne, så nye eller næsten ubrugte konti ikke skævvrider dem.

Sammenligningen har endnu en konsekvens, som vi lægger vægt på. Hvis din konto har en svag overgang fra detaljer til booking, men hele platformen har den lige så svag, ligger problemet ikke i din beskrivelse af tiden. Problemet ligger på vores bookingside. Et sådant signal bliver aldrig vist for dig som en anbefaling. I stedet lander det på bordet hos vores team som produktfeedback. Rådgiveren leder altså ikke kun efter det, du kan forbedre, men også efter det, vi skal forbedre.

Kun samlede medianer indgår i sammenligningen. Ingen konto ser en anden kontos tal, og dine anbefalinger indeholder kun dine egne data. Andre konti er kun til stede som ét tal: medianen, du sammenlignes med.

Hvor AI kommer ind, og hvor den ikke gør

Sprogmodellen i dette system beregner ingenting. Den får kontoens øjebliksbillede, listen over signaler med de tal, der beviser dem, og platformens medianer, og dens opgave er at skrive forståelige anbefalinger ud fra det. Reglerne er strenge: hver anbefaling skal bygge på ét konkret signal, må kun bruge tal, der findes i øjebliksbilledet, og kun henvise til skærme fra den tilladte liste. Modellens output bliver derefter kontrolleret. En anbefaling uden signal, med et opfundet tal eller med et link uden for listen bliver kasseret, før nogen ser den.

Derfor kan vi altid spore hver sætning i en anbefaling tilbage til det tal, den kommer fra. Når rådgiveren skriver, at »373 personer kom fra annoncering, og ikke én af dem påbegyndte en booking«, er det ikke et gæt. Det er en linje fra din kontos øjebliksbillede.

Hver anbefaling går gennem et menneske

Selv med strenge regler gælder det, at modellen kan skrive en sætning, der er talmæssigt korrekt og alligevel uheldig. Derfor ender hver kørsel af rådgiveren som et udkast, som en fra vores team læser igennem. Vedkommende kan rette, godkende eller afvise anbefalingerne. Kun godkendte anbefalinger bliver oversat til din kontos sprog og sendt. Ingen bør få forstyrret en morgentime på grund af en automatisk genereret tekst, som ingen har læst.

Det trin koster os tid, men vi vil ikke springe det over. micali.online bruges af studier og virksomheder på 31 sprog, og et råd, der er indlysende for et yogastudie i Bratislava, kan være ubrugeligt for en musikskole i Warszawa. Et menneske i løkken er grunden til, at vi kan stå inde for anbefalingerne.

Sådan ser det ud hos dig

Når anbefalingerne er klar, får kontoens administratorer en e-mail og en notifikation i appen. På kontoens forside dukker kortet Tips til din virksomhed op. Hvert tip har:

  • en farvet prik efter vigtighed, fra informativ til presserende, og grøn ved et positivt signal, når noget går godt for dig, og det kan betale sig at bygge videre på det,
  • Hvorfor: én til tre sætninger med de tal, der udløste tippet,
  • Hvad du skal gøre: to til fire trin, både i appen og uden for den, for eksempel hvilket arrangement du skal redigere, hvem du skal sende en e-mail til, eller hvad du skal ændre i annonceringen,
  • én sætning om, hvad der reelt bliver forbedret,
  • knappen Åbn, som fører dig direkte til den skærm, hvor du tager det første skridt.

Ved hvert tip kan du klikke på Færdig, Skjul eller Ikke nyttig. Afklarede tips forsvinder fra kortet, og dit svar går tilbage til os. Et tip, som ejere markerer som ikke nyttigt, er for os et signal om, at vi skal justere detektoren eller tærsklen — ikke overtale dig.

Seks eksempler fra virkeligheden

De følgende anbefalinger opstod i rådgiverens første kørsler. Vi har ændret navnene på konti og arrangementer, men tallene er reelle.

Annoncering, der bringer folk, men ikke bookinger. På 30 dage kom der 373 besøgende fra betalt annoncering. Ikke én af dem påbegyndte en booking, og de så i gennemsnit 1,1 side. Fra den organiske trafik kom der 181 personer, og 14 af dem loggede ind. Anbefaling: sæt den kampagne på pause, der fører til den generelle liste, og ret annonceringen direkte mod en konkret tid med dag, klokkeslæt og knappen »Book plads«. Det første skridt er under Statistik, hvor du kan se, hvad folk fra annonceringen reelt gjorde.

Morgentider, som ingen kommer til. Morgenholdet i pilates havde 23 tider, og alle 23 stod tomme. Aftenholdet på samme studie havde 17 tomme ud af 21, men cellerne torsdag, lørdag og søndag kl. 19 klarede sig bedst. Anbefaling: flyt morgentiderne til aftenen, sæt en minimumskapacitet og en tilmeldingsfrist på de resterende morgentider, så et hold uden interesse ikke bliver afholdt, og markedsfør tre konkrete aftentidspunkter.

Detaljer for en tid, som ingenting følger efter. 467 personer så arrangementets detaljer, ingen påbegyndte en booking, og 14 loggede ind. Det er 3 % mod platformens median på 14,3 %. Samtidig havde tre arrangementer en kort eller ingen beskrivelse. Anbefaling: tilføj til beskrivelserne, hvem timen er til, hvad deltageren får ud af det, hvad de skal medbringe, og hvordan bookingen foregår. Del først linket igen bagefter.

Tidspunkter, der fungerer, kalder på flere tider. Børnehold tirsdag kl. 10 havde i gennemsnit 8 besatte pladser og fredag kl. 10 fem. Samtidig havde kontoen en åbningsrate på 86 % ud af 201 sendte e-mails. Anbefaling: tilføj flere tirsdags- og fredagsformiddagstider, og annoncér dem med en e-mail, som forældrene tydeligvis læser.

Fyldte tider uden venteliste. Individuelle timer havde tre fyldte tider og gruppetimer to, og for begge var ventelisten slået fra. Anbefaling: slå den til, og sæt en beskedskabelon op, så en frigivet plads efter en aflysning går videre til den næste interesserede og ikke står tom.

Personer på listen, som aldrig har booket. Kontoen havde 32 registrerede besøgende, 19 af dem havde aldrig booket, og 10 havde booket igen og igen. Anbefaling: opret en mailingliste af de 19 og send dem en samlet e-mail med et direkte link til den næste tid. Kontakt de tilbagevendende besøgende separat. Det er billigere at genvinde en eksisterende kontakt end at finde en ny.

Og en bonus, der ikke har noget med matematik at gøre, kun med opmærksomhed: i én konto havde en besked fra en besøgende ventet i 825 timer. Rådgiveren trak den frem som ugens mest presserende signal.

Hvad rådgiveren ikke er

Det er ikke et orakel. Rådgiveren ser kun det, der findes i micali.online: bookinger, trafik på den offentlige side, fremmøde, beskeder. Den ser ikke din omsætning, dine omkostninger eller det, der sker i træningslokalet. Når en konto har få data, sender rådgiveren hellere to anbefalinger end fem opdigtede. Og hvis du ikke er enig i et tip, så markér det som Ikke nyttig. Beslutningen er altid din — rådgiveren skal blot gøre den lettere for dig.

Sådan slår du det til

AI-rådgiveren er, ligesom alt andet i micali.online, uden ekstra betaling. Vi slår den til gradvist, konto for konto, så vi når at kontrollere hver første kørsel ordentligt. Hvis du vil have tips til din konto allerede nu, så skriv til os via sektionen Support direkte i appen. Anbefalingerne går til kontoens administratorer, som regel én gang om ugen, altid på kontoens sprog. Og hvis du synes, rådgiveren har overset noget vigtigt, så giv os besked. Det er præcis den slags beskeder, der giver anledning til flere detektorer.

Prøv micali.online