Winkelmand

Geen producten in je winkelwagen.

Kun je voorspellen welke restaurants failliet gaan?

Onderzoekers hebben een model ontwikkeld om de faalkans van restaurants in te schatten. Daarvoor gebruikten ze 65.000 online reviews van gasten. Het model kan maanden van tevoren zeven van de tien mislukkingen voorspellen.

voorspellen faillisement
Getty Images
Je leest nu: Kun je voorspellen welke restaurants failliet gaan?

Wie de ambitie heeft om de rest van zijn of haar leven in weelde te leven, doet er niet per se verstandig aan om een restaurant te beginnen. De helft van de eetgelegenheden sluit binnen vijf jaar alweer de deuren. Door vroeg de risicosignalen te onderkennen kan een hoop leed worden voorkomen, blijkt uit een nieuwe studie van onder meer de Rotterdam School of Management, Erasmus Universiteit.

Het succes van een restaurant staat of valt met de tevredenheid van de gasten, blijkt uit het onderzoek. Als die afneemt, is het zaak om dat zo snel mogelijk te onderkennen en actie te ondernemen. De drie onderzoekers gingen in hun studie op zoek naar de factoren die de succes- en faalkansen van restaurants bepalen.

Waarschuwingssysteem

In de onzekere restaurantmarkt kan de kleinste veranderingen de loyaliteit van de gast onder druk zetten. Daarom is een betrouwbare risico-inschatting cruciaal voor restauranteigenaren om hun overlevingskans te vergroten. De onderzoekers zochten naar een adequaat waarschuwingssysteem om die afnemende klanttevredenheid tijdig te signaleren.

Restaurants met wisselende beoordelingen blijken een twee keer zo grote faalkans te hebben als de restaurants met overwegend goede óf juist slechte klantbeoordelingen. Die laatste categorie kan matige beoordelingscijfers compenseren met bijvoorbeeld lange openingstijden, een unieke ligging of een drive-thru-service. Veel fastfoodketens kennen dit bedrijfsmodel van laag gewaardeerde kwaliteit tegen een toch nog aanvaardbare prijs.

Voorspellingstool

De faal- en slaagkansen bepaalden de onderzoekers aan de hand van 65.000 online klantbeoordelingen van ruim 900 restaurants. De resultaten bundelden ze in een voorspellingstool waarmee ze maanden van tevoren al zeven van de tien mislukkingen kunnen voorspellen.

De onderzoekers gebruikten een AI-model waarin ze drie types (nog actieve) restaurants onderscheidden:

  • restaurants met overwegend slechte beoordelingen
  • restaurants met voornamelijk goede beoordelingen
  • restaurants met zeer wisselende beoordelingen

Restaurantbeoordelingen kunnen in de loop van de tijd veranderen door verschillende factoren, zoals de aanstelling van een nieuwe chef-kok, een nieuwe inrichting of de introductie van een nieuwe menukaart. Bij deze restaurants kunnen de effecten van matige beoordelingen lang sluimeren, omdat ze al een vaste klandizie hebben opgebouwd.

Met hun modelleringsaanpak blijven de conclusies van de onderzoekers niet beperkt tot een analyse van de ‘sluimerfase’ zelf, maar speelt ook de duur van die sluimerfase een belangrijke rol. De onderzoekers riepen daarvoor het Markov-model met een variabele duur (VD-HMM) in het leven.

Het HMM is een model uit de statistiek om verborgen parameters te bepalen op basis van waarneembare parameters. Maar anders dan bij een traditionele HMM koppelen de onderzoekers de bevindingen aan de duur van de zogenaamde sluimerende status, waarin het niveau van de dienstverlening van een restaurant lastig te beoordelen is.

Terugkerende gasten

Om van een restaurant te voorspellen of het in de nabije toekomst zal overleven of mislukken is de beoordelingsgeschiedenis van groot belang. Restaurants met veel terugkerende gasten maken een grotere kans om te overleven. Maar als negatieve beoordelingen voor langere tijd de overhand krijgen, is dat een duidelijke indicatie dat de faalkans toeneemt.

Omgekeerd is het onwaarschijnlijk dat een restaurant onmiddellijk met sluiting bedreigd wordt als de beoordelingen even wat minder zijn. Hoe langer een restaurant echter in een risicotoestand verkeert, hoe groter de kans op mislukking is. Daarom is het niet alleen van belang óf een restaurant zich in de risicofase bevindt, maar zeker ook hoelang dat al het geval is, menen de onderzoekers.

Voorspellend vermogen

Al die factoren zijn meegenomen in de voorspellingstool die de onderzoekers ontwikkelden. Restaurants kunnen aan de hand daarvan stappen ondernemen om de service te verbeteren.

Maar ook voor investeerders kan het nuttig zijn om de status van een restaurant te kennen voordat ze zich er voor een langere periode aan binden. Aanbieders van beoordelingsplatforms als Yelp en TripAdvisor kunnen de tool gebruiken als extra dienst voor hun restaurantleden, waardoor ze voor de restaurants aantrekkelijker worden.

Het voorspellend vermogen van de modellen kan nog flink worden opgekrikt door meer variabelen en de volledige reeks klantbeoordelingen toe te voegen, menen de onderzoekers. In hun studie blijkt dat het model goed in staat om zowel het aantal falende als het aantal bedrijven dat overeind blijft te voorspellen, maar de precieze aard van de beoordelingen is nog onvoldoende onderzocht.

Wijze van ingrijpen

Hoewel de studie duidelijk maakt wannéér er het best bijgestuurd kan worden, schieten de bevindingen nog tekort om te bepalen hóe er moet worden ingegrepen. Aanvullend onderzoek naar de beste aanpak hiervoor is volgens de onderzoekers dan ook welkom.

Daarnaast is er nog te weinig duidelijk over het causale verband tussen de beoordelingen van consumenten en de faalkans. Aanvullend onderzoek kan daar meer duidelijkheid over verschaffen.

De onderzoekers geven nog als advies mee om in een vervolgstudie breder te kijken dan alleen restaurants. Veel factoren die voor restaurants van belang zijn, spelen ongetwijfeld ook elders in de horeca en hospitality een belangrijke rol voor het voortbestaan van een onderneming.

Lees meer over horeca: