| 门店 | 赛马评分 | 3 周奖励 | 3 周处罚 | 净额 | 达标情况 |
|---|---|---|---|---|---|
| 天府三街 | 97.0(第 1) | +5,000 | 0 | +5,000 | 3 周全部达标 |
| 太古里 | 95.2(第 2) | +4,500 | -280 | +4,220 | 1 周 1 项未完成 |
| 宽窄巷子 | 90.7(第 3) | +4,500 | -985 | +3,515 | 2 周有未完成 |
数据来源:周例会 PPT 4 周完整数据提取(Slide 22-35)
| 企业 | 应用 | 效果 |
|---|---|---|
| 海底捞 | AI 视频巡检 | 100% 门店覆盖,准确率 >95%,从发现到闭环 2 小时 |
| 海底捞 | AI 电话机器人 | 累计接听 2,320 万通电话,服务 593 万人 |
| 百胜中国 | AI 智能体 | 覆盖排班/盘点/巡检等 20+ 运营场景 |
| 茶百道 | AI 智能巡检 | 巡检效率提升 30%(中小品牌参考) |
| 绝味食品 | AI 知识沉淀 | 沉淀 14.3 万条金牌店长经验 |
来源:《中国餐饮AI应用研究报告2026》、海底捞2024年报、百胜中国CTO访谈
太古里店 6 天产生 78 条违规记录,日均 13 条。排在前面的全是最基础的服务动作——员工知道标准,但没人持续盯的时候就松了。
数据来源:太古里门店扣分记录(门店扣分表.xls,2026-03-26~03-31,78 条记录,次数为近似值)
其中仪式感服务违规占 9%——围裙和眼镜布没提供。这不只是扣分项,这是品牌核心体验在日常执行中的流失。一桌客人体验不到仪式感,就不太可能花 390 元点一场演绎。
不是所有检查项都适合 AI。先从视觉特征最明确、技术最成熟的开始:
| 层级 | 检测内容 | 可行性 | 建议 |
|---|---|---|---|
| L1 | 岗位在岗检测 | 成熟 | 优先试点 |
| L2 | 着装合规(口罩/工帽) | 较成熟 | 优先试点 |
| L2 | 仪式感物品(围裙/眼镜布) | 可检测 | 次优先 |
| L3 | 行为识别(添茶/擦桌) | 暂不成熟 | 后续迭代 |
选 5-8 项在 1 家店先跑,目标准确率 ≥90%。
规模化视角:当门店扩展到 30 家、100 家,人工巡检团队需要同比增长。而 AI 的边际成本趋近于零——第 100 家店和第 1 家店用的是同一套模型。
POS 告诉你销售额降了 10%,但只有晨会上店长那句"隔壁新开了一家竞品"才揭示了原因。视频 AI 检测到违规率上升,但只有班后会上组长说的"今天少一个人"才解释了为什么。
系统数据揭示"发生了什么",会议沟通揭示"为什么发生"。缺少后者,数据分析只是数字游戏。
POS(天南商龙) → 手工提取 → Excel
视频巡检(海康) → 人工审核 → 扣分记录
评价(美团/点评) → 手工登录 → 截图粘贴
HR(北森/钉钉) → 手工导出 → 排班表
全部手工汇总 → 39 页周会 PPT
来源:AI智能化管理研讨会-技术发现.md · 周例会管理体系.md
规模化视角:3 家店 1 个人搬数据尚可承受。30 家店需要 10 个人搬数据。100 家店需要一个部门搬数据。数据自动流通是规模化的必要基础设施。
| 员工 | 主要弱项 | AI 可推荐的改善方向 |
|---|---|---|
| 成永龙(~15 次/6 天) | 添茶、桌面清洁 | 茶水服务专项培训 |
| 凌殿波(~12 次/6 天) | 自我介绍、站姿 | 服务礼仪强化 |
| 饶则会(~10 次/6 天) | 仪式感、菜品介绍 | 品牌体验 SOP 专项 |
数据来源:太古里门店扣分记录(78 条,~10 名员工,次数为近似值)
| 角色 | 看到什么 | 系统驱动的行动 |
|---|---|---|
| 店长 | 本店违规汇总 + 员工画像 + 今日重点 | 晨会议题自动生成 · 改善进展自动追踪 |
| 厨师长 | 后厨食安项 + 出品相关反馈 | 食安异常实时推送 · 菜品反馈直达 |
| 督导 | 跨店对比 + 异常预警 | 哪家店需要重点关注一目了然 |
| 管理层 | 品牌整体健康度 + 跨维度洞察 | 决策信号自动提炼 · 优秀案例自动识别 |
视频 AI + 会议 AI → 数据自动生成
↓
信息自动汇聚 → 全局实时可见
↓
角色工作流 → 每个人知道该做什么
↓
AI 自动验证改善 → 闭环回到数据生成层
| 角色 | 第一个月的体验变化 | 习惯养成目标 |
|---|---|---|
| 管理层 | 每天早上收到经营简报推送,不再需要手动查各平台 | 养成"看简报开始一天"的习惯 |
| 店长 | 晨会有 AI 记录,班后会自动生成当日复盘 | 习惯 AI 在会议中的存在,不再觉得别扭 |
| 运营 | 差评出现后几分钟内收到推送,不再需要定期登录平台检查 | 养成"收到推送即处理"的响应习惯 |
| 角色 | 第二个月的体验变化 | 习惯养成目标 |
|---|---|---|
| 管理层 | 周会前收到 AI 预填的"七个不放过"初稿,只需补充判断 | 从"自己整理数据"过渡到"审核 AI 初稿" |
| 店长 | 收到针对具体员工的改善建议,可用于晨会重点安排 | 养成"看 AI 建议定晨会议题"的习惯 |
| 一线员工 | 感知到 AI 巡检的存在(推送违规提醒),同时也看到 AI 识别的优秀服务被表彰 | 理解 AI 是辅助而非纯监控 |
关键节点:第 6 周左右,团队对 AI 的态度从"新鲜/观望"进入"日常工具"阶段。此时需要关注有没有抵触信号(使用率下降、消极反馈),及时调整。
| 角色 | 第三个月的状态 | 习惯固化标志 |
|---|---|---|
| 管理层 | 自然地基于 AI 简报和周报做决策,不再手动汇总数据 | "没有 AI 简报反而不习惯" |
| 店长 | 晨会前看 AI 建议已成为日常动作,不需要提醒 | 主动向 AI 提出需求("能不能也分析一下茶水销售趋势") |
| 督导 | 巡店变成"看 AI 标记的异常",效率大幅提升 | 开始信任 AI 判断,减少重复人工复核 |
| 一线员工 | 知道 AI 在监测,同时也看到 AI 表彰了自己的好表现 | 对 AI 巡检无抵触感 |
| 方向 | 前提条件 | 内容 |
|---|---|---|
| 视频 AI 检查项扩展 | Q1 L1/L2 准确率达标 | 逐步增加检查项覆盖面,探索 L3 层行为识别 |
| 角色工作台上线 | Q1 数据流通稳定 | 店长/厨师长/督导各自的专属视图和任务系统 |
| 跨店智能分析 | 3 店数据积累充足 | 门店对比、趋势预测、异常预警自动化 |
| 扩展到更多门店 | Q1 部署手册完成 | 按手册复制到新门店,验证可复制性 |
| 维度 | 当前基线 | Month 1 目标 | Month 2 目标 | Month 3 目标 |
|---|---|---|---|---|
| 信息响应速度 | ≥1 周 | 差评当日可见 | 食安≤30 分钟 | 全品类当日闭环 |
| 会议信息留存 | ~0% | 周例会 100% | 晨会/班后会 100% | 全场景 100% |
| 周会数据准备 | ~3-5 小时 | — | 减少 30% | 减少 50%+ |
| 视频 AI 准确率 | — | — | ≥90%(1 店) | ≥90%(3 店) |
| 违规率趋势 | ~13 条/天 | 建立基线 | 观察趋势 | 下降 ≥20% |
| 团队 AI 使用率 | 0% | 管理层每日使用 | 店长每日使用 | 全角色日常使用 |
| # | 问题 | 影响 |
|---|---|---|
| 4 | "七个不放过"完整定义?PPT 中列出 6 项,第 7 项是什么? | 管理看板框架对齐 |
| 5 | 三家门店运营流程是否一致?还是各有差异? | 方案是否可直接从 1 店复制到其他店 |
小龙翻大江 AI 化组织改造 · 第一阶段分析汇报 · 2026 年 4 月