01 / Business Friction
餐饮连锁的难点，不是总部没有标准，而是标准每天都会被现场打乱。
新员工、临时缺货、外卖差评、活动改价、高峰排班、巡店整改，这些问题都发生在门店一线。AI 要进入的是“今天怎么做对”的现场。
新人培训靠师傅带
出餐流程、收银话术、会员权益、外卖打包标准分散在文档和群聊里，新人上手慢。
菜单上新不成体系
新品卖点、口味描述、套餐组合、物料图文、短视频脚本经常临时拼。
差评复盘太滞后
外卖平台、点评平台、私域群和门店反馈都有客诉，但总部很难当天看清原因。
排班备货靠经验
天气、商圈、活动、历史销量和外卖峰值没有联动，容易缺人、缺货或备多。
02 / Scenario Cases
三个餐饮案例，把 AI 放进门店真实工作流。
餐饮的 AI 不是“问答机器人”这么简单，它要能帮店长减负、帮员工少犯错、帮总部当天看见问题。
Case A · 新店训练营
新店开业前 7 天，店长要同时带新人、盯物料、背活动，还要保证出品不走样。
AI 把岗位 SOP、菜单知识、出品标准、收银话术、会员规则和常见异常做成训练问答。新人可以直接问“这个小料怎么加”“外卖少餐怎么处理”“会员券能不能叠加”，系统给出标准答案、操作步骤和需要店长确认的边界。
- AI 做什么
- 把培训材料变成可问答知识库，按岗位生成学习卡和每日测验。
- 人做什么
- 店长确认门店特殊规则，复盘新人高频问题，补充现场经验。
- 可验收
- 新人独立上岗天数、重复提问量、训练完成率、开业前错误演练通过率。
Case B · 新品菜单上架
季节新品要上线，研发、运营、门店、外卖和私域都要一套口径。
AI 读取新品配方、口味亮点、成本结构、可替换小料、过敏源、门店制作步骤和活动权益，自动生成菜单描述、小程序菜品页、海报文案、短视频脚本、门店话术和外卖平台 FAQ。门店不再靠群公告理解新品。
- AI 做什么
- 把新品资料拆成口味、制作、成本、风险和渠道内容模板。
- 人做什么
- 确认品牌语气、定价策略、活动权益和最终门店执行要求。
- 可验收
- 新品上架准备时间、门店执行错误、外卖咨询量、套餐转化率。
Case C · 差评与巡店复盘
外卖差评突然变多，总部看到的是“服务差”，但门店真正的问题可能是打包和备货。
AI 对外卖评价、点评评论、门店群反馈、巡店记录和客诉工单做聚类，识别差评原因：漏放餐具、汤洒、出餐慢、温度低、包装破损、店员态度。系统生成当天复盘、回复建议和整改清单，巡店人员可以直接追踪闭环。
- AI 做什么
- 归因差评和客诉，生成门店整改任务、回复建议和总部日报。
- 人做什么
- 店长确认现场原因，区域经理检查整改结果，运营调整规则。
- 可验收
- 差评响应时间、同类问题复发率、巡店整改闭环周期、外卖评分变化。
03 / AI Workflow
餐饮 AI 工作流要从“门店资料”开始，最后回到每日经营动作。
资料进入
接入菜单、SOP、培训材料、外卖评价、会员规则、排班和巡店记录。
知识拆解
把出品标准、岗位流程、话术边界、过敏源、活动权益结构化。
门店助手
上线员工问答、新人测验、异常处理、菜单上新和会员触达模板。
经营监测
监控差评、缺货、出餐慢、客诉、巡店整改和会员复购异常。
复盘改进
把高频问题、差评原因、优秀话术和整改结果回写门店知识库。
04 / First Sprint
第一期建议选 3 家门店：新店、老店、外卖压力店。
这样能同时验证培训、标准执行、差评复盘和经营看板，不会只在单一场景里做演示。
30-Day Pilot
建议试点节奏
- 第 1 周：收集菜单、SOP、培训资料、会员规则、外卖评价和巡店记录。
- 第 2 周：建立岗位知识库、异常处理库、新品内容模板和差评分类标签。
- 第 3 周：上线门店问答、新人训练、差评回复建议和经营异常看板。
- 第 4 周：复盘新人上岗、差评处理、门店执行和会员触达效果。
05 / Deliverables
最后交付的是一套能陪门店每天工作的 AI 运营资产。
门店 SOP 知识库
沉淀岗位流程、出品标准、收银规则、异常处理和话术边界。
新品菜单内容包
输出菜品页、海报文案、短视频脚本、门店话术和外卖 FAQ。
差评客诉复盘台
按原因归类外卖评价和客诉，生成回复建议与整改清单。
会员复购触达库
按消费频次、偏好、门店、天气和节日生成优惠组合与触达话术。
