リピタスRepiTas｜AIによるキャンセル予測
LINEで相談
リピタスRepiTas｜AIによるキャンセル予測
LINEで相談
🔮 「来ないかもしれない予約」を数字で見る
準備した席が空のまま、仕入れと人件費だけが消えていく——無断キャンセル（ノーショー）は、小さな店ほど打撃の大きい問題です。 AIによるキャンセル予測は「どの予約が危ないか」に確率で当たりを付ける技術。その中身と、賢い付き合い方を解説します。
5つ
予測に使われる主な特徴量
2段構え
リマインド強化と事前決済の使い分け
4つ
AIなしで今日からできる対策
※ 本記事は「仕組みを解説する情報記事」です
AIによるキャンセル予測サービスそのものは、当社（アンカーリンク／リピタス）では取り扱っておりません。ノーショー対策を検討する際の予備知識としてお読みください。
📖 このページは『AI時代の予約と顧客管理——「データが整っている店」から恩恵を受けていく』の深掘り記事です。
DEFINITION
AIによるキャンセル予測とは、過去の予約データを学習した機械学習モデルが、新しく入った予約1件1件に「無断キャンセルになる確率」を付ける仕組みです。 航空業界やホテル業界では古くから使われてきた考え方で、近年は飲食店やサロン向けの予約システムにも、同様のスコアリング機能が載り始めています。
モデルは「過去に無断キャンセルになった予約」と「ちゃんと来店された予約」の違いをデータから学びます。人間の勘——「金曜夜の大人数の電話予約はちょっと怖い」——と同じことを、何千件の実績から、より細かい粒度で、数値としてやっていると考えると分かりやすいでしょう。
⚠️ 予測は「防止」ではない
スコアが出ただけでは、キャンセルは1件も減りません。予測を「リマインドを厚くする」「事前決済をお願いする」といった行動につなげて初めて意味が生まれます。この記事の後半は、その運用の話です。
FEATURES
予測の材料になるデータを「特徴量」と呼びます。代表的なものを見てみましょう。
電話・自社Web・グルメサイト・SNS——どこから入った予約かで、ノーショー率は業界的に大きく差が出ます。特に「複数店を仮押さえしやすい経路」かどうかは、多くのモデルで重要な変数になります。
来店までの日数（直前予約か、1か月先か）、深夜に入れられた予約か、来店枠が金曜夜か平日昼か。「いつ予約されて、いつ来る予定か」という時間の情報は、予測の柱の一つです。
過去のキャンセル・変更・遅刻の回数、来店実績の有無。初めてのお客様か、10回来ている常連かで、同じ条件の予約でもリスクは別物です。顧客と予約が紐づいたデータがあって初めて使える変数です。
大人数の宴会、長時間のコース、高額メニュー——「店側の損失が大きい予約」は幹事の取りまとめ失敗などでキャンセル率も変わる傾向があり、金額と人数はリスクと損失の両面で使われます。
連休・イベント・給料日後、モデルによっては天気予報まで。店側ではどうにもできない要因ですが、「荒れやすい日」を事前に知れるだけでも、備え方が変わります。
🧮 重み付けはAIが学習で決める
どの特徴量をどれだけ重視するかは、人が決めるのではなく、その店（またはその業態）の過去データからモデルが学習します。だからこそ——学習の材料になる予約データが貯まっていない店では、予測のしようがないのです。
OPERATION
ポイントは「全員に一律の厳しさを課さない」ことです。
細かい数値をそのまま使おうとせず、まず3段階に丸めます。低リスクは通常どおり、中リスクはリマインド強化、高リスクは事前決済——と、段階ごとに対応をあらかじめ決めておくことで、判断が現場任せにならずに済みます。
前日と当日の2回に増やす、そして「ご来店予定に変更はありませんか？【はい/変更する】」と返信を求める形式にするのが要点です。一方通行の通知より、ワンタップでも意思表示をしてもらうほうが、無断キャンセルの抑止効果は高くなります。
高リスクと判定された予約——たとえば初回×大人数×直前——には、予約時のカード決済やデポジット（預り金）をお願いします。店側の損失を守ると同時に、「支払った予約は忘れられにくい」という抑止効果もあります。
全予約に事前決済を課すと、何年も通ってくれた常連にまで「疑い」を向けることになり、体験を損ないます。リスクに応じて厳しさを変えるからこそ、この仕組みは成立します。また、閾値は固定せず「高リスク判定のうち実際に何件がノーショーだったか」を月次で確認し、調整を続けます。
LIMITS
予測AIには、知っておくべき「効かない場面」と「使ってはいけない使い方」があります。
予測は確率です。「ノーショー確率80%」の予約でも、5回に1回は普通に来店されます。高スコアを理由に予約を勝手に軽んじた対応をすれば、来店したお客様を確実に傷つけます。スコアはあくまで「備えの度合い」を変える材料に留めるべきです。
「若い人は」「あの地域の人は」といった属性ベースの判定は、差別的な取り扱いにつながり、信頼を根本から損ないます。判断材料は本人の過去のキャンセル歴・予約経路といった行動ベースの変数に限定する——これは倫理の問題であると同時に、炎上リスクの管理でもあります。
データのない相手は予測できません。初来店のお客様、開業したばかりの店では精度が出ない「コールドスタート問題」があります。この場合は予測に頼らず、後述の「AIなしの対策」を全員に丁寧に適用するのが正解です。
料金改定・移転・メニュー刷新など、店の条件が変わると過去データから学んだパターンは通用しなくなっていきます。導入して終わりではなく、的中状況を定期的に確かめ、モデルの再学習や閾値の見直しが続けられる製品かも確認ポイントです。
WITHOUT AI
実は、ノーショー削減の効果の大半は「AI以前」の基本で出ます。
LINEやSMSでの前日確認は、それだけでノーショーを大きく減らせる、費用対効果最強の一手です。ポイントは既読で終わらせず「変更はこちら」の導線を付けること。うっかり忘れと「実は行けなくなっていた」の両方を拾えます。
「前日までのキャンセルは無料、当日は50%」のようなルールを、予約が確定する画面・メッセージで明示します。ルールがあること自体が抑止になり、万一の請求時にも根拠になります。奥のページに隠れたポリシーは無いのと同じです。
意外な盲点ですが、「電話でしかキャンセルできない店」は無断キャンセルが増えます。電話は気まずいからです。予約確認メッセージからワンタップでキャンセル・変更できる導線を用意すると、「無断」が「事前連絡」に変わり、枠を再販できます。
どの予約が・どの経路で・いつキャンセルされたかを台帳に残し続けます。傾向は手集計でも見えてきますし、この蓄積こそ、いつかAI予測を導入するときの学習データそのものになります。今日の記録が、将来の精度です。
FOUNDATION
キャンセル予測の学習材料は、経路・日時・顧客と紐づいて記録された予約データです。 電話メモと紙台帳のままでは、AI以前に「自店のキャンセル率」すら分かりません。まず記録が自動で残る予約の仕組みを持つことが、すべての出発点になります。
リピタス（RepiTas）は、LINE予約・顧客管理を軸にした月額制の予約システムです。月額11,000円〜・初期費用0円〜。 予約・キャンセルの履歴が顧客と紐づいて自動で残るため、リマインド配信やキャンセル傾向の把握といった「AI以前の対策」の土台を作れます。※AIキャンセル予測サービスの提供は行っていません。
キャンセル対策の土台を相談するFAQ
リマインドの設計、キャンセルポリシーの見せ方、予約データの残し方——予約・顧客管理の土台づくりを、業態に合わせて整理してお伝えします。
「まだ情報収集の段階」でも歓迎です。しつこい営業はいたしません。
または、フォームから