Klantreferentie

Machine Learning voor Paaspop

Klantreferentie

Machine Learning voor Paaspop

Een eenvoudig model met grote impact

Veel organisaties denken dat je een ingewikkeld probleem en veel data nodig hebt om impact te kunnen maken met Artificial Intellingence (AI) en Machine Learning. Het bekende festival Paaspop laat zien dat dat niet zo is. Al voor het 2e jaar op rij experimenteert Paaspop samen met Info Support tijdens het festival ad hoc met AI.

Gedurende het festival wordt data verzameld met de inzet van sensoren. Er is een eenvoudig model gemaakt waarmee we een positieve impact kunnen maken op de ervaring van de festivalganger én de omzet van het festival kunnen verhogen.

Hoe we deze win-win-win-winsituatie hebben gecreëerd? Dat lees je hieronder.

Ik ben verbaasd en positief verrast wat er uit een Machine Learning model kan komen

Chris Seijkens, Directeur Paaspop

Uitgangspunten Paaspop

Paaspop is een driedaags muziekfestival dat elk jaar tijdens het paasweekend plaatsvindt in het Nederlandse Schijndel. De organisatie van Paaspop heeft twee belangrijke doelstellingen. De eerste is om een zo’n prettig mogelijke ervaring voor de festivalganger te creëren. Daarnaast kijkt Paaspop ook hoe zij de omzet kunnen verhogen.

Nu wil de festivalganger natuurlijk vooral zo veel mogelijk genieten van zijn of haar favoriete artiesten, zoals Bløf of Kensington. Dus als je tijdens optredens drinken wilt halen, dan is het vervelend als je bij een bar lang in de rij moet staan. De vraag was dan ook hoe je mensen zo optimaal mogelijk over de aanwezige bars kunt verdelen. Zodanig dat iedereen zo kort mogelijk in de rij staat en zo lang mogelijk kan genieten van de optredens.

Eenvoudig Machine Learning model

Voor dit probleem is een voorspellend model gemaakt op basis van Machine Learning. Gekozen is voor een eenvoudig algoritme dat op basis van sensordata een voorspelling kan maken. Het model voorspelt de drukte bij een bar en kan de festivalganger naar de bar leiden waar je het kortst in de rij staat.

Uiteindelijk kan boven de bar met een scherm worden aangegeven waar de wachttijd het kortst is. Het mooie van deze oplossing is, is dat dit een win-win-win-winsituatie oplevert. Zowel de festivalganger, de standhouder, de organisatie als de drankenleveranciers zullen baat hebben bij deze oplossing omdat irritatie over te lang wachten omslaat in ‘ik haal nog even snel wat’.

 

Het is ontzettend gaaf om te zien wat er gebeurt als je data samenvoegt met creativiteit

Tony Krijnen, Microsoft IoT Technology Specialist

Win-win-win-winsituatie

Als je als festivalganger korter in de rij staat, zul je immers vaker geneigd zijn om nieuwe drankjes te halen. De standhouder kan op deze manier meer verkopen en een deel van die omzet wordt door standhouders afgedragen aan de organisatie.

Partijen als Coca-Cola en Heineken profiteren tenslotte ook van de verhoging van consumptie. Chris Seijkens, directeur van Paaspop, over dit Machine Learning model: “Ik ben verbaasd en positief verrast wat eruit kan komen. De bezoeker van het festival komt hier als medewinnaar uit.”

 

De bezoeker komt hier als medewinnaar uit

Chris Seijkens, Directeur Paaspop

Optimaliseren van wachtrijen

Deze casus van Paaspop gaat over fysieke wachtrijen op een festivalterrein, maar ook over het snel kunnen valideren van de inzet van Machine Learning.

Het probleem met de wachtrij bij Paaspop staat niet op zichzelf, iedere organisatie heeft te maken met wachtrijen. Zowel voor haar eigen klanten bijvoorbeeld op een servicedesk, als bij interne processen; denk aan repeterende taken die op elkaar wachten.

Oplossing dichterbij dan je denkt

Welke wachtrijen zijn er in jouw organisatie te optimaliseren met Machine Learning?
Wil je hier eens over van gedachten wisselen of meer informatie over de casus ontvangen, neem dan contact met ons op om vrijblijvend ideeën uit te wisselen.

De oplossing is meestal veel dichterbij dan je denkt.

Innoveer uw business in vijf dagen met Artificial Intelligence

Info Support biedt een betaalbare benadering om uw eerste AI-experiment in productie te brengen. In een design sprint van vijf dagen verkennen en valideren wij samen met u de mogelijkheden van AI om uw business vooruit te helpen.