AI 实践
快是结果,准是前提:AI 时代餐饮品牌的数据底座

本文目录
这几年,外卖和团购在餐饮门店营收里的占比越来越高,平台补贴、佣金和服务费已经直接影响到一家店赚不赚钱。可很多品牌到现在还说不清:一单外卖、一张团购券扣完各项费用之后,门店到底留下多少。
这背后,是很多餐饮品牌还没意识到,自己其实需要一个属于品牌的数据中台。过去这件事门槛很高,要找外包、排开发、等上几个月。现在不一样了,借助 AI 写代码、对接口,美团、抖音这些三方平台,加上品牌自己的收银和小程序系统,都能比较快地接进一个自己的看板。品牌不用再靠月末从各个后台导表、拼表,经营数据可以按天、甚至按小时看到。
但接进来只是第一步。做品牌运营这几年,月末对数基本是固定节目:同样叫"实收",三方平台的账单和收银系统给出的数对不上,补贴到底是平台出的、品牌出的还是门店自担的,也说不清。数据接得再快,口径不统一,看到的也只是一组更快出现、但依然对不上的数字。
所以我的看法是,AI 让"接数据"这件事变简单了,真正难、也真正值钱的,是把口径的基准定下来。
收银系统给不了准确的"钱"

过去品牌拿数据,主要靠收银系统(含小程序),再加上三方平台的核销接口。量是能拿到的,单数、核销数都有,但钱算不准。
原因不复杂。收银系统记的是门店那一刻发生了什么,不是最后到手多少。一张团购券里,平台补贴、品牌补贴、门店自担各占多少,收银往往只记一个总优惠。平台佣金、服务费是在结算账单里扣的,收银根本看不到。再加上下单和结算的时间差、中途的退款,月末一对,差额就出来了。核销接口也只告诉你"券用掉了",不告诉你这张券最后结回来多少钱。
所以要把钱算准,三方平台部分的口径源头得换成平台结算账单,再用订单号和收银流水对起来。收银说明发生了什么,账单说明最后到手多少,两边对上,实收、补贴成本、真实毛利才站得住。
钱算准之后,总部最想知道的一个问题才有答案:堂食、外卖、团购这几个渠道,各自扣掉补贴和佣金之后,到底哪个在赚钱,哪个只是在冲流水。很多品牌做渠道决策靠的是营业额,但营业额高的渠道,未必是利润贡献高的渠道。
会员数据,是三方平台给不了的
收银和小程序打通之后,还有一个更容易被忽视的价值:会员身份能统一起来。同一个顾客在堂食消费、小程序下单、储值充值的行为,可以串成一条完整的记录。
这部分数据只属于品牌自己。三方平台能告诉你一家店卖了多少单,但不会告诉你这些顾客是谁、多久回来一次、对哪类活动有反应。复购、储值、私域运营,最后都要落在这份数据上。数据中台如果只盯着平台的流水,就丢掉了品牌最有长期价值的那一块。
一套数,分角色看
中台不是做给某一个人看的。管理层要看全局,几个数就能判断好坏:整体实收、门店利润、渠道贡献、区域对比、哪里出了异常。职能部门要看能动手的细节:营销关心每场活动花了多少补贴、换来多少增量,产品关心新品点单率和复点率,运营关心门店和时段,会员团队关心复购和储值。
但不管谁看,底下必须是同一套数。管理层眼里的"实收"和营销算活动用的"实收",得是同一个公式算出来的。过去很多扯皮,比如"这个活动到底亏没亏",本质上就是各部门手里拿着不同口径的数。
那口径谁来定?这是前期最重要的事,比选什么系统都重要。比较可行的做法是,由运营或经营分析牵头,各业务部门提需求,涉及钱的口径由财务复核,最后形成一份指标说明书。之后每月固定做一次口径评审:哪些指标要新增,哪些算法要调整,在会上定,定了再改系统。这份说明书应该比系统先出来。
指标可以复用,这是中台真正的价值
一个品牌把指标体系打磨准之后,它是可以复制的。三方平台的数据结构不会变,收银系统就算不同,只要指标说清楚,也能对齐。对多品牌集团来说,第二个、第三个品牌接进来的成本会越来越低,而且因为口径一致,品牌之间终于可以放在一起比。
不过复制也不是一键完成的。几个容易踩的地方:
同名指标在不同业态里意思会变。正餐和快餐的客单价结构不同,有储值和没储值的品牌复购逻辑也不同,公式一样,不代表能直接横比。哪些指标能跨品牌比,哪些只能跟自己比,最好事先标清楚。
主数据得重新梳理。门店编码、菜品分类、套餐拆分、会员体系,每个品牌都要按统一规则重新映射一遍,这一步最费工夫,也最容易埋错。
新品牌的团队要接受这套口径。他们以前有自己的算法,看到中台的数跟自己算的不一样,第一反应通常是"中台算错了"。所以最好让他们亲手对一次数,对过了才会信。
口径的修改要统一管。品牌多了以后,谁都不能随手改通用指标,否则一改全变。需要有版本和审批。
说到底,复制的是一套方法和规则,系统只是载体。
AI 能做什么,会在哪儿出错

在口径统一的前提下,AI 能做的事是一条链:问得到、看得见、说得清、用得上。
举个场景:某个区域的外卖实收连续三天下滑。过去这件事可能要到周报甚至月报才被注意到。有了中台和 AI,第一天就会被标出来;顺着门店往下拆,发现主要集中在两家店;再对照平台活动记录,原因是这两家店的平台满减力度被下调了。从发现到定位,一个上午就够。
这条链上的每一环,都有自己的风险。
问得到,是管理层可以直接问"上周哪个区域实收掉得最多",不用自己翻报表。风险在于问题本身有歧义,"销售额"指流水还是实收,AI 会按某种理解直接作答,不会反问你。
看得见,是每天自动扫一遍,把复购骤降、核销异常、补贴超预算这类问题主动推出来。风险是把节假日、天气、新店开业这些正常波动当成异常,提醒一多,大家就不看了。
说得清,是顺着门店、时段、渠道往下拆,再结合同期活动、新品和竞品动作,给出可能的原因。风险是把相关当因果,下雨那天复购低,未必是因为下雨。AI 给的原因只能当假设,不能当结论。
用得上,是活动结束自动复盘、做方案时参考历史效果。风险是它只会从历史里学,容易一直重复过去有效的打法,对新品类、新渠道、品牌长期价值这些历史里没有的东西,它判断不了。
还有一个贯穿始终的问题:人看到奇怪的数会起疑,AI 不会。底层口径一旦错了,它会一本正经地把错误放大。所以前面那份指标说明书,其实也是写给 AI 看的。
AI 可以负责算和提醒,判断和拍板还是得人来。
最后
数据中台改变的,与其说是看数据的方式,不如说是品牌做决策的节奏,从等月末、等对账,到当天发现、当天调整。AI 让搭建中台的门槛降了下来,但快是结果,准是前提。
如果一个品牌想从现在开始做,第一步不是急着搭平台,而是先把底层口径理清楚:多平台的指标口径要统一,收银系统的每个字段要逐一确认,字段的含义要写清楚。然后用平台账单和收银数据完整对一个月的账。这一个月对下来,中台该长什么样,心里就有数了。
记录于预见之旅
保持好奇,持续记录。