Hver konto i micali.online samler hundrevis av tall i løpet av en måned. Hvem som har sett bookingsiden din, og hvor de kom fra. Hvem som åpnet detaljene for en time og aldri kom tilbake. Hvilke timer som ble fulle, hvilke som ble stående tomme, hvem som ikke møtte opp, og hvem som har booket fem ganger på rad. I Statistikk kan du se disse tallene. Men tallene alene sier ingenting om hva du skal gjøre med dem mandag morgen, når du har en kunde foran deg og ikke et regneark.
Derfor har vi lagt til en AI-rådgiver i micali.online. Som regel en gang i uken går den gjennom kontoen din, regner ut alt som har skjedd i den de siste 30 dagene, sammenligner det med forrige måned og med de andre kontoene på plattformen, og sender deg 3 til 5 konkrete anbefalinger for hvordan du kan få flere bookinger. Hver anbefaling har tallet som utløste den, en begrunnelse, konkrete steg og en lenke til skjermbildet der du gjør det første av dem. I appen finner du den under navnet Tips til virksomheten din.
I denne artikkelen viser vi nøyaktig hva rådgiveren beregner, hvorfor det står matematikk og ikke en magefølelse bak hver anbefaling, hvorfor et menneske alltid leser hvert forslag før det sendes, og hvordan anbefalingene som de første kontoeierne allerede har fått, ser ut.
Hva rådgiveren ser
Rådgiveren jobber med et 30-dagers vindu, og et like langt vindu før det, slik at den kan skille et tilfeldig utslag fra en trend. Fra kontoen din setter den sammen et øyeblikksbilde av åtte områder:
- Trafikk på den offentlige siden: hvor mange som kom, hvor de kom fra (Facebook, Instagram, Google, direkte lenke, betalt annonsering), hvilken enhet de brukte, hvilket språk de hadde, og hvilken side de kom inn på først.
- Bookingtrakten: hvor mange som så listen, hvor mange som åpnet detaljene for en time eller en tjeneste, hvor mange som startet en booking, hvor mange som logget inn, og hvor mange som fullførte bookingen.
- Belegg for hvert arrangement og hver time: tomme timer, fulle timer, gjennomsnittlig antall bookede plasser, og hvilken dag og hvilket klokkeslett i uken som fungerer best for deg.
- Oppmøte og betalinger: hvem som møtte opp, hvem som ikke gjorde det, hvor mange bookinger som ble stående uten registrering, og hvor mange ubetalte bookinger du har de neste sju dagene.
- Besøkende: hvem som booker på nytt, hvem som aldri har booket, hvem som ikke har hørt fra seg på 60 dager, og hvem som kommer fast til deg, men ikke har noen forhåndsbetalt plan.
- Forhåndsbetalte planer: hva som utløper de neste to ukene, hva som har utløpt uten fornyelse, og hva som venter på godkjenning.
- Kommunikasjon: ubesvarte meldinger fra besøkende, e-poster som feilet, innstilte påminnelser og spørreskjemaer.
- Profilen: lengden på beskrivelsen, kategori, nettside, sosiale medier, kontaktinformasjon. Altså det besøkende ser først.
Slik blir tallene til signaler
Her er kjernen i det hele. Øyeblikksbildet av kontoen leses ikke av en AI, men av et sett med mer enn tjue deterministiske detektorer. Hver av dem leter etter ett bestemt mønster, og når den finner det, lager den et signal sammen med tallene som beviser det. Her er noen eksempler på hva som beregnes under panseret:
Raske avganger. Hver gang listen vises, måler vi hvor lenge den besøkende blir værende på den. Forlater de siden innen ti sekunder, teller vi det som en rask avgang. Når mer enn halvparten forsvinner slik, betyr det at listen ikke fortalte dem hvorfor de burde klikke videre.
Trakten steg for steg. Vi følger overgangen fra detaljene for en time til en påbegynt booking, til innlogging og til fullføring. Hvert steg har sin egen andel. Samtidig deler vi besøkende inn i dem som kom fra betalt annonsering, og organiske besøkende, slik at vi ser om annonseringen bringer folk som faktisk booker, eller bare klikker.
De beste og de dårligste tidspunktene i uken. Hver gjennomførte time plasserer vi i en celle ukedag × klokkeslett, og for hver celle regner vi ut det gjennomsnittlige antallet bookede plasser. Cellene med minst to timer sorterer vi, slik at rådgiveren kan si at torsdag kl. 19 i snitt gir deg tre bookede plasser, mens fredag kl. 8 gir deg null.
Tomme timer og belegningsgrad. For hvert arrangement sammenligner vi antallet gjennomførte timer med antallet tomme. Har minst halvparten av fem eller flere timer stått tomme, er det et sterkt signal. Har timene blitt fylt, men i snitt under 30 % av kapasiteten, er det et svakere signal med en annen anbefaling.
Bookinger i siste liten. Ut fra forskjellen mellom når bookingen ble opprettet og når timen starter, regner vi ut gjennomsnittlig forhåndsvarsel. Booker mer enn 40 % av folk mindre enn 24 timer i forveien, er det verdt å legge opp påminnelser og markedsføring annerledes.
Ikke møtt opp. Ut fra registrert oppmøte regner vi ut andelen som booket, men ikke møtte opp. Over 20 % er et signal som gjerne henger sammen med en manglende påminnelse før timen eller en manglende betalingslenke.
Terskelverdiene er bevisst forsiktige. Et signal betyr «dette er verdt en setning», ikke «dette er statistisk sikkert». Og har vi lite data, tier detektoren heller stille enn å gi en anbefaling basert på tre besøk.
Sammenligning med hele plattformen
De fleste tallene har ingen mening uten en sammenligning. Er en overgang på 3 % fra timedetaljer til booking et dårlig resultat? Det kan du ikke si uten å vite hva de andre oppnår. Derfor regner rådgiveren ved hver kjøring ut medianene for hele plattformen for de viktigste andelene: raske avganger fra listen, ettsidebesøk, overgangen fra detaljer til booking, belegningsgraden for timer og andelen registrert oppmøte. Bare kontoer med nok trafikk regnes med i medianene, slik at nye eller nesten ubrukte kontoer ikke skjevfordeler dem.
Sammenligningen har enda en konsekvens vi setter en ære i. Har kontoen din en svak overgang fra detaljer til booking, men hele plattformen har en like svak overgang, ligger ikke problemet i beskrivelsen av timen din. Problemet ligger i vår egen bookingside. Et slikt signal vises aldri for deg som en anbefaling. I stedet havner det på bordet til teamet vårt som tilbakemelding om produktet. Rådgiveren leter altså ikke bare etter det du kan forbedre, men også det vi må forbedre.
Bare samlede medianer inngår i sammenligningen. Ingen konto ser tallene til en annen konto, og anbefalingene dine inneholder utelukkende dine egne data. Andre kontoer er til stede i dem bare som ett enkelt tall: medianen du sammenlignes med.
Hvor AI kommer inn, og hvor den ikke gjør det
Språkmodellen i dette systemet regner ikke ut noe selv. Den får et øyeblikksbilde av kontoen, en liste over signaler med tallene som beviser dem, og medianene for plattformen, og jobben dens er å skrive forståelige anbefalinger ut fra det. Reglene er strenge: hver anbefaling må bygge på ett bestemt signal, kan bare bruke tall som finnes i øyeblikksbildet, og kan bare lenke til skjermbilder fra en godkjent liste. Deretter går resultatet fra modellen gjennom en kontroll. En anbefaling uten signal, med et oppdiktet tall eller med en lenke utenfor listen, blir kastet før noen får se den.
Derfor kan vi spore hver setning i en anbefaling tilbake til tallet den kommer fra. Når rådgiveren skriver at «373 personer kom fra annonsering, og ingen av dem startet en booking», er ikke det et anslag. Det er en linje fra øyeblikksbildet av kontoen din.
Hver anbefaling går gjennom et menneske
Selv med strenge regler kan modellen skrive en setning som er tallmessig riktig, men likevel uheldig formulert. Derfor ender hver kjøring av rådgiveren som et utkast, som noen fra teamet vårt leser. De kan redigere, godkjenne eller avvise anbefalingene. Først når en anbefaling er godkjent, blir den oversatt til språket i kontoen din og sendt. Ingen bør få forstyrret morgentimen sin på grunn av en automatisk generert tekst som ingen har lest.
Dette steget koster oss tid, men vi vil ikke hoppe over det. micali.online brukes av studioer og bedrifter på 31 språk, og et råd som er innlysende for et yogastudio i Bratislava, kan være ubrukelig for en musikkskole i Warszawa. Et menneske i sløyfen er grunnen til at vi står inne for anbefalingene.
Slik ser det ut hos deg
Når anbefalingene er klare, får kontoadministratorene en e-post og et varsel i appen. På hovedsiden til kontoen dukker kortet Tips til virksomheten din opp. Hvert tips har:
- en fargeprikk etter viktighet, fra informativ til presserende, og grønn ved et positivt signal, når noe går bra og det er verdt å bygge videre på,
- Hvorfor: én til tre setninger med tallene som utløste tipset,
- Hva du bør gjøre: to til fire steg, både i appen og utenfor den, for eksempel hvilket arrangement du bør redigere, hvem du bør sende e-post til, eller hva du bør endre i annonseringen,
- én setning om hva som faktisk blir bedre,
- knappen Åpne, som tar deg rett til skjermbildet der du gjør det første steget.
Ved hvert tips kan du klikke på Ferdig, Skjul eller Ikke nyttig. Behandlede tips forsvinner fra kortet, og svaret ditt går tilbake til oss. Et tips som eierne merker som ikke nyttig, er for oss et signal om at vi må justere detektoren eller terskelen, ikke overbevise deg.
Seks eksempler fra virkeligheten
De følgende anbefalingene oppsto i de første kjøringene av rådgiveren. Vi har endret navnene på kontoene og arrangementene, men tallene er ekte.
Annonsering som bringer folk, men ikke bookinger. I løpet av 30 dager kom det 373 besøkende fra betalt annonsering. Ingen av dem startet en booking, og de så i snitt 1,1 side. Fra organisk trafikk kom det 181 personer, og 14 av dem logget inn. Anbefaling: sett kampanjen som fører til den generelle listen på pause, og la annonseringen gå direkte til en bestemt time, med dag, klokkeslett og knappen «Book plass». Det første steget er i Statistikk, der du ser hva folk fra annonseringen faktisk gjorde.
Morgentimer som ingen møter opp til. Morgenpilates hadde 23 timer, og alle 23 sto tomme. Kveldstimen ved det samme studioet hadde 17 av 21 tomme, men cellene torsdag, lørdag og søndag kl. 19 kom best ut. Anbefaling: flytt morgentimene til kvelden, sett en minimumskapasitet og en påmeldingsfrist for de gjenværende morgentimene, slik at en time uten interesse ikke blir gjennomført, og markedsfør tre bestemte kveldstider.
Timedetaljer som ingenting følger etter. 467 personer så detaljene for arrangementet, ingen startet en booking, og 14 logget inn. Det er 3 % mot en plattformmedian på 14,3 %. Samtidig hadde tre arrangementer en kort eller ingen beskrivelse. Anbefaling: fyll ut i beskrivelsene hvem timen er for, hva deltakeren får ut av den, hva de trenger å ta med, og hvordan bookingen foregår. Del så lenken på nytt.
Tidspunkter som fungerer, ber om flere timer. Barnekursene tirsdag kl. 10 hadde i snitt 8 bookede plasser, og fredag kl. 10 fem. Samtidig hadde kontoen 86 % åpnede e-poster av 201 sendte. Anbefaling: legg til flere tirsdags- og fredagsformiddagstimer, og annonser dem med en e-post som foreldrene tydeligvis leser.
Fulle timer uten venteliste. Individuelle timer hadde tre fulle timer, og gruppetimer to, og for begge var ventelisten slått av. Anbefaling: slå den på, og sett opp en meldingsmal, slik at en ledig plass etter en avbestilling går til neste interesserte og ikke blir stående tom.
Personer på listen som aldri har booket. Kontoen hadde 32 registrerte besøkende, 19 av dem hadde aldri booket, og 10 hadde booket flere ganger. Anbefaling: lag en e-postliste av de 19, og send dem en e-post med en direkte lenke til nærmeste time. Kontakt de gjentakende besøkende separat. Å få tilbake en eksisterende kontakt er billigere enn å finne en ny.
Og en bonus som ikke har noe med matematikk å gjøre, bare med oppmerksomhet: i én konto hadde en melding fra en besøkende ligget ubesvart i 825 timer. Rådgiveren trakk den frem som ukens mest presserende signal.
Hva rådgiveren ikke er
Det er ingen spådom. Rådgiveren ser bare det som finnes i micali.online: bookinger, trafikk på den offentlige siden, oppmøte, meldinger. Den ser ikke omsetningen din, kostnadene dine eller det som skjer i treningssalen. Har kontoen lite data, sender rådgiveren heller to anbefalinger enn fem oppdiktede. Og hvis du ikke kjenner deg igjen i et tips, merker du det som Ikke nyttig. Avgjørelsen er alltid din, rådgiveren skal bare gjøre den enklere.
Slik slår du det på
AI-rådgiveren er, som alt annet i micali.online, uten tillegg i prisen. Vi slår den på gradvis, konto for konto, slik at vi rekker å sjekke hver første kjøring skikkelig. Vil du ha tips for kontoen din allerede nå, skriv til oss via Støtte-seksjonen direkte i appen. Anbefalingene går til kontoadministratorene, som regel en gang i uken, alltid på språket til kontoen. Og hvis du synes rådgiveren har oversett noe viktig, gi oss beskjed. Det er nettopp av slike tilbakemeldinger nye detektorer oppstår.
