Janus C. H. Knudsen ea3ecdfb68 Moves POC-files into PlanTempus

2026-02-03 19:12:45 +01:00

6.3 KiB

Raw Blame History

AI Booking Optimering

Produktoversigt

AI Booking Optimering er et intelligent tillægsmodul der hjælper saloner med at maksimere deres kalenderudnyttelse og reducere tabt omsætning fra tomme tidsslots.

Features

Feature 1: Smart Tidsforslag (Real-time)

Når kunder booker online, analyserer AI'en eksisterende bookinger og foreslår de mest optimale tidspunkter.

Hvordan det virker:

Kunden vælger ydelse (f.eks. Dameklip, 60 min)
AI'en analyserer dagens/ugens bookinger for den valgte medarbejder
Hvert ledigt tidsslot får en score baseret på:
- Minimering af huller
- Optimal udnyttelse af åbningstiden
- Kontinuitet i bookinger
Top 2-3 bedste slots markeres med "Anbefalet" badge

Scoring-algoritme:

Kriterium	Score
Starter ved åbningstid	+3
Slutter præcis på næste booking	+3
Starter lige efter en booking	+2
Slutter ved lukketid	+1
Skaber hul < 30 min	-2

UX-principper:

Blød anbefaling - kunden kan stadig vælge alle ledige tider
Grøn badge med AI-ikon på anbefalede tider
Info-tekst forklarer fordelen

Feature 2: Kalender-optimering Dashboard

Salonejere får et dashboard der identificerer huller og foreslår handlinger.

Dashboard-komponenter:

Statistik-kort
- Huller i dag
- Tabt omsætning (estimeret)
- Huller denne uge
- Potentiel besparelse
Mini-kalender
- Visuel oversigt over ugen
- Farvekodede dage (grøn = optimalt, gul = huller, rød = kritisk)
Hul-liste
- Detaljeret visning af hvert identificeret hul
- Medarbejder og tidspunkt
- Estimeret tabt omsætning
- AI-forslag til at fylde hullet
AI-forslag typer:
- Flyt booking: Foreslå at flytte en eksisterende kundes tid
- Venteliste: Kontakt kunde fra ventelisten
- Rabattilbud: Send SMS med rabat for at fylde hullet
SMS-historik
- Track sendte tilbud
- Accept/afvisning statistik
- Pending tilbud

Teknisk Implementation

POC 1: poc-booking-v2.html

Tilføjede komponenter:

// Mock data for eksisterende bookinger
const existingBookings = {
  'EMP001': {
    '2026-01-06': [
      { start: '10:00', end: '11:00', service: 'Dameklip' },
      { start: '13:30', end: '14:30', service: 'Herreklip' }
    ]
  }
};

// Scoring-algoritme
function calculateOptimalSlots(serviceDuration, date, employeeId) {
  // 1. Hent bookinger for dato/medarbejder
  // 2. Generer alle mulige slots (30 min intervaller)
  // 3. Tjek overlap med eksisterende bookinger
  // 4. Beregn score for hvert ledigt slot
  // 5. Marker top 3 med positiv score som "recommended"
  return slots;
}

CSS-styling:

.time-slot.recommended - Grøn border og baggrund
.ai-badge - Absolut positioneret badge med sparkle-ikon
.ai-info - Info-boks over tidsgrid

POC 2: poc-ai-booking-optimizer.html

Struktur:

Topbar med AI-badge
Stats-grid med 4 KPI-kort
Main-grid med kalender og hul-liste
Sidebar med optimeringsscore og SMS-historik

Mock data:

gaps[] - Identificerede huller med forslag
weekDays[] - Ugevisning med gap-status
smsHistory[] - Historik over sendte tilbud

Forretningsværdi

ROI-beregning

Typisk salon:
- 4 medarbejdere
- 40 timer/uge pr. medarbejder
- 15% tomme slots = 24 timer/uge tabt
- Gennemsnitlig timepris: 500 kr.
- Tabt omsætning: 12.000 kr./uge = 624.000 kr./år

AI-optimering fylder 50% af huller:
- Ekstra omsætning: 312.000 kr./år

Pris for AI-modul: 499 kr./md = 5.988 kr./år
ROI: 52x investering

Nøgletal at tracke

Metrik	Beskrivelse
Kalenderudnyttelse	% af tilgængelige timer der er booket
Gennemsnitligt hul	Minutter tabt pr. dag i gaps
Accept-rate	% af kunder der accepterer flyttetilbud
Tabt omsætning	Estimeret kr. i tomme slots
Optimeringsscore	Samlet effektivitet (mål: 90%+)

Fremtidig AI-udvidelse

Niveau 1: Regelbaseret (Nuværende POC)

Statiske scoring-regler
Ingen læring
Fungerer for alle saloner ens

Niveau 2: Machine Learning

Lærer fra salonens historik
Personlige kundeprofilenr
Forudsigelse af no-shows
Dynamisk prisjustering

ML-features (fremtidig):

Historisk mønstergenkendelse
- Populære vs. døde tider
- Sæsonvariation
- Service-specifikke mønstre
Kundesegmentering
- Fleksible vs. fastlåste kunder
- Pris-sensitive kunder
- No-show risiko-profiler
Intelligent rabat-beregning
- Dynamisk rabat baseret på:
  - Hullets "værdi"
  - Kundens prissensitivitet
  - Sandsynlighed for naturlig booking
Proaktiv optimering
- Forudsig huller før de opstår
- Automatisk udsend tilbud
- Venteliste-matching

Integration med eksisterende system

Data-flow

Booking system
     │
     ▼
┌─────────────────┐
│ AI Optimizer    │
│  - Analyse      │
│  - Scoring      │
│  - Anbefalinger │
└─────────────────┘
     │
     ▼
┌─────────────────┐    ┌─────────────────┐
│ Booking Widget  │    │ Dashboard       │
│ (kundevisning)  │    │ (ejervisning)   │
└─────────────────┘    └─────────────────┘

API-endpoints (fremtidig)

GET  /api/ai/optimal-slots?date=X&employee=Y&duration=Z
POST /api/ai/send-offer
GET  /api/ai/gaps?week=X
GET  /api/ai/stats

Konfiguration

Indstillinger pr. salon

Indstilling	Beskrivelse	Default
`minGapMinutes`	Mindste hul der tæller som tabt	30 min
`recommendedSlots`	Antal anbefalede slots	3
`defaultDiscount`	Standard rabat ved flytning	5%
`autoSendOffers`	Automatisk udsend tilbud	Fra
`smsEnabled`	Aktiver SMS-udsendelse	Til

Filer

Fil	Beskrivelse
`poc-booking-v2.html`	Kundens booking-widget med AI-anbefalinger
`poc-ai-booking-optimizer.html`	Dashboard til salonejere
`docs/ai-booking-optimering.md`	Denne dokumentation

Changelog

Version 1.0 (Januar 2026)

Initial POC implementation
Regelbaseret scoring-algoritme
Dashboard med hul-identifikation
SMS-historik tracking

6.3 KiB Raw Blame History