Casestudy: Rotterdam Restaurant Vermindert No-Shows 38%

Een Rotterdams restaurant met circa 70 couverts vroeg ons begin dit jaar om mee te kijken naar hun no-show probleem. Het percentage no-shows lag op 13%, met pieken tot 18% in het weekend. Dat is fors: bij 70 couverts en een gemiddelde besteding rond de 55 procent omzet per stoel betekent elk procentpunt no-show direct gemiste marge. In deze casestudy delen we eerlijk wat we deden, wat werkte en wat niet, en wat de cijfers zijn na twaalf weken. Voor de juridische en operationele context baseren we ons onder andere op KHN, CBS Horeca en de Autoriteit Persoonsgegevens.

Het uitgangspunt van deze no-show reductie restaurant case

Het restaurant gebruikte een gangbaar reserveringssysteem, had een eenvoudige automatische bevestigingsmail en stuurde geen herinnering. Annuleringen kwamen binnen via telefoon, mail, formulier en sociale kanalen. De receptie en de keuken hadden geen gedeeld dashboard. No-shows werden achteraf geteld maar zelden geanalyseerd op patroon.

De vraag was niet "kunnen we no-shows naar nul brengen", maar "kunnen we structureel onder de 10% komen zonder creditcard-garantie en zonder de gastbeleving aan te tasten". Voor dit restaurant was de drempel van een creditcard-garantie commercieel onwenselijk in hun segment.

Wat we deden in twaalf weken voor no-show reductie restaurant breed

We werkten in drie fasen. In fase een, weken een tot vier, brachten we de no-show data in kaart per dag, tijdslot, groepsgrootte en kanaal. We zagen drie patronen: groepen van vier of meer hadden ruim hogere no-shows dan koppels, reserveringen op donderdag- en vrijdagavond na 20:30 vielen vaker weg, en reserveringen meer dan tien dagen vooruit gemaakt hadden meer dan dubbele no-show-kans dan reserveringen binnen drie dagen.

In fase twee, weken vijf tot acht, implementeerden we drie AI-touchpoints. Een directe bevestiging binnen dertig seconden na boeking via mail en, waar nummer bekend, WhatsApp. Een tweede herinnering 24 uur voor het bezoek met een lichte herbevestiging-knop. En een korte vraag op de ochtend zelf, alleen bij hoog-risicogroepen volgens de patroonanalyse uit fase een.

In fase drie, weken negen tot twaalf, fine-tunen we toon, timing en escalatie. We veranderden de openingszin van de herinnering, verschoven de 24-uurs herinnering van 18:00 naar 19:30 omdat dat op het beter aanwezigheidsmoment van de gasten viel, en voegden een telefonische opvolging toe voor groepen van zes of meer die niet binnen twee uur hadden gereageerd op de dag-van.

Wat de cijfers laten zien

Na twaalf weken daalde het no-show percentage van 13% naar 8%. Dat is een relatieve daling van 38%. De daling was niet lineair: in fase twee zagen we direct een sprong van 13% naar circa 10%, in fase drie kwam de laatste twee procentpunten erbij door de fine-tuning. De groep van vier of meer leverde de grootste absolute winst, met een daling van 17% naar 9% no-show.

Belangrijk is wat niet veranderde. De Google- en TheFork-review-score bleef binnen de natuurlijke ruis. Het aantal annuleringen steeg licht, met circa 4%, wat we als positief beschouwen: gasten die toch niet konden komen meldden zich nu actief af, waardoor de tafels opnieuw verkocht konden worden. Het aantal walk-ins dat hierdoor geplaatst kon worden, steeg met ruim 20%.

Wat niet werkte

Niet alles werkte. De eerste versie van de dag-van-bericht was te zakelijk en kreeg lage respons. We verwoordden het opnieuw, korter en met een persoonlijke toon namens het restaurant, en de respons verdubbelde. Een experiment met een 48-uurs herinnering werd door gasten als irritant ervaren en haalden we eruit. Een ander experiment met een korte poll over voorkeuren leidde tot lichte ergernis en voegde geen meetbare waarde toe.

De rol van AI in deze case

De AI deed drie dingen die handmatig niet schaalden. Ten eerste verstuurde hij bevestigingen en herinneringen op exact het juiste moment per reservering, in plaats van een batch. Ten tweede beantwoordde hij vervolgvragen van gasten in natuurlijk Nederlands, zoals "kan ik met een uur opschuiven" of "is jullie terras open vanavond", binnen seconden en zonder receptie te belasten. Ten derde signaleerde hij hoog-risico-reserveringen waarvoor een mens beter een belletje kon plegen, in plaats van bij elke groep een herinnering te sturen.

Wat dit kostte aan tijd van het team

Dit is een eerlijke vraag. De directe tijdsinvestering van het team was circa tien uur in fase een voor data verzamelen, vier uur in fase twee voor goedkeuring van berichten en flows, en circa twee uur per week in fase drie voor het bijsturen van toon en timing. De receptie won deze tijd ruim terug doordat ze veel minder telefoontjes en mails kregen over wijzigingen en bevestigingen.

Wat juridisch en privacy-technisch geregeld is

Voor deze case zijn de basics geregeld. Een verwerkersovereenkomst tussen restaurant en HorecaHub, een korte AI-disclaimer in de bevestigingsmail conform de Europese AI Act, en duidelijke bewaartermijnen voor gasten-data conform Autoriteit Persoonsgegevens. Geen gevoelige categorieen verwerkt, geen profiling die invloed heeft op tariefstelling.

Aanbeveling voor vergelijkbare zaken

Als jouw restaurant boven de 10% no-show zit en je wilt onder de 10% zonder creditcard-garantie, dan is deze aanpak in onze ervaring realistisch. Het werkt vooral als je bereid bent om data van de eerste vier weken serieus te lezen voordat je communicatie aanzet, en als je de toon van berichten kort, persoonlijk en in jouw zaakstijl houdt.

Wat het niet doet: van een zaak met een structureel imagoprobleem of een onhandige reserveringsflow alsnog een no-show-vrije zaak maken. AI lost een proces niet op, het versnelt en personaliseert het.

Wat dit betekent voor jouw zaak op langere termijn

Een eerste daling vasthouden is iets anders dan hem behalen. We zagen in week dertien en veertien dat zonder maandelijkse evaluatie de toon van berichten weer verzakelijkt en het no-show percentage met een half procentpunt terug omhoog kruipt. Plan daarom een vast maandelijks moment van twintig minuten waarin je een steekproef berichten leest, de cijfers naast de patroonanalyse legt en bijstuurt. Een no-show reductie van 38% is haalbaar, maar alleen als je het onderhoud serieus neemt en niet alleen vertrouwt op de eerste positieve cijfers. Zaken die dit ritme aanhouden zien de daling in maand vier en vijf gewoon doorzetten zonder extra investering.

Aan de slag met HorecaHub

Wil je weten of jouw zaak een vergelijkbaar pad kan lopen? Bekijk onze complete gids horeca automatisering, lees over de AI chatbot oplossing en de prijzen, of neem direct contact op. We kijken graag eerst een week mee in jullie cijfers voordat we iets aanzetten.