一、郑总的困惑

郑总在合肥经营了11年连锁餐饮，旗下品牌"徽食记"在合肥有17家门店，员工280人，年营业额过亿。按说规模不小了，但他有一件事一直想不明白：生意这么好，钱都去哪儿了？

每个月的财务报告他都看，营业额数字挺好看，但利润率只有8%左右，在合肥餐饮业算中等偏下。他数过无数次收银台的钱，算过无数次账，还是找不到症结在哪里。

2025年初，他找了一家专注餐饮行业的咨询公司做了诊断，报告给出了三个核心问题：

第一，食材浪费率高。日均食材浪费金额约1.2万元，17家门店全年约在430万元左右，占食材采购成本的12%。

第二，人效偏低。每平方米营业额在合肥同类餐厅中排第四分位，主要原因是排班不合理——忙时人手不足、闲时人手过剩，高峰期出餐慢，翻台率受影响。

第三，菜品结构没有优化。17家门店的菜单基本统一，但各店的客群特征、消费能力、口味偏好差异很大，"全国一张菜单"导致部分门店的高利润菜品卖不动，低利润菜品卖到断货。

"道理我都懂，但我只有一个数据团队，4个人，管17家店的数据已经焦头烂额了。"郑总说，"你告诉我要精细化运营，可我哪来那么多人？"

2025年3月，郑总开始和安徽好牛软件有限公司的AI智能体团队接触，决定从最痛的问题——食材浪费——开始入手。

二、第一战：向食材浪费宣战

开发团队第一次去门店调研，发现了一个有趣的现象：每家门店的厨师长每天早上7点都要做一件事——根据昨天的销售数据和自己的经验，估算今天的食材用量，填写采购清单。

这个过程完全依赖经验判断，没有任何数据支撑。厨师长们普遍保守——为了不出现缺货影响出餐，他们会习惯性地多备20%-30%的食材。多备的食材，如果当天用不完，很多就只能报废。

智能体的方案是：给每家门店部署一个"食材需求预测智能体"。这个智能体每天凌晨2点自动运行，综合分析以下数据：近7天/近4周同期销售数据、当天天气预报（天气对客流量和菜品偏好影响显著）、周边竞争对手的营业状态（节假日/装修/关店会影响分流）、门店当天是否有预约大桌、本周有没有本地活动或会展……

根据这些数据，智能体为每家门店的每个食材品类生成一个"今日建议备货量"，直接推送到厨师长的手机上，附带置信度说明：比如"今天预计翻台27次，建议备鱼香肉丝食材36份，当前库存21份，建议今早采购15份（置信度87%）"。

上线第一个月，效果出乎所有人意料。

郑总亲自去了三家试点门店，和厨师长做了深度访谈。一位在店里做了9年的老厨师长说了一句让他印象深刻的话："以前我备食材靠的是感觉，但我的感觉不是每天都准。有时候突然下大雨，客人少了一半，食材全压着。有时候旁边那家饭店临时歇业，客人都过来了，食材又不够。现在这个AI会看天气，比我准。"

3个月后，17家门店的食材日均浪费金额从1.2万元降至4800元，降幅达60%。全年预计节约食材浪费约260万元。

三、第二战：让排班变得"聪明"

食材问题解决了，郑总接着提出了第二个需求：排班。

以前餐厅排班靠店长的经验，一个月排一次，中途很少调整。问题在于客流有明显的不规律性——工作日午市客少、节假日爆满、下雨天差、晴天好……用固定排班对付动态客流，要么人手不够（高峰期服务质量差，翻台慢），要么人手过多（闲时人力成本浪费）。

开发团队部署了一个"智能排班智能体"，核心逻辑是：根据门店历史客流数据+天气预报+节假日日历+本地事件，预测未来7天每天每2小时时段的到店客流量，据此给出建议上班人数和上班时段安排。

和食材预测一样，智能体不是"替店长做决定"，而是给店长一个"有数据支撑的建议"，店长可以接受也可以调整，但每次调整都会作为新的训练数据帮助模型迭代。

上线两个月后，郑总把17家门店的数据汇总了一下：

• 高峰时段人手短缺情况：从每周平均11次降至3次（下降73%）
• 闲时人力超配情况：从每周平均每店超配1.8人·时降至0.6人·时（下降67%）
• 午市翻台率：全网门店平均从2.3次提升至2.8次（+22%）
• 月度人力成本：在不裁员的情况下，通过更合理的排班，月度总人力成本降低约8.2万元

"我第一次理解了什么叫'效率'——不是让员工更努力，而是让员工在对的时间做对的事。"郑总说。

四、第三战：让菜单"会说话"

前两个智能体上线稳定后，郑总终于决定向第三个问题开刀——菜品结构优化。

开发团队为每家门店部署了一个"菜品销售分析智能体"，每周自动生成一份门店菜品健康度报告：哪些菜是"明星品"（销量高、利润高，重点推荐）；哪些是"问题品"（销量高但利润低，需要考虑调价或替换食材）；哪些是"潜力品"（销量低但利润高，需要加强推荐或优化呈现）；哪些是"瘦狗品"（销量低利润低，建议下架或季节性保留）。

每家门店的报告是不一样的——因为17家门店所处商圈不同、客群不同，同一道菜的表现也大相径庭。

郑总做了一个尝试：按照智能体的建议，对其中5家门店的菜单进行了局部调整——下架了3-5个"瘦狗品"，重新设计了菜单上"潜力品"的排版和推荐词，并在点餐系统中增加了智能推荐提示。

两个月后的数据让他决定把这套方法推广到全部17家门店：调整后的5家门店，人均消费从58元提升至63元（+8.6%），月度综合利润率从8.1%提升至11.4%。

五、180天后：郑总不再数收银台的钱了

2025年9月，项目启动整整180天。郑总在公司内部会议上分享了一组数字：

• 月度食材浪费成本：从35.6万元降至14.2万元（-60%）
• 月度人力成本：同等营收规模下降低约8.2万元
• 全网平均翻台率：从2.3次提升至2.8次（+22%）
• 平均利润率：从8%提升至11.8%（+3.8个百分点）
• 年度预计综合增益：食材节约260万+人力优化100万+翻台率提升带来营收增加约180万，合计约540万元

"以前我数收银台的钱是因为搞不清楚钱去哪了。现在我知道了：有260万去了不该浪费的食材，有100万给了不该上班的员工，有180万的生意因为服务慢没来得及做。"郑总说，"现在这些漏洞都堵上了。"

但郑总说，有一件事比省钱更重要："我的店长们开始用数据说话了。以前每次开会，大家都是凭感觉：'我觉得这道菜不好''我觉得周末要多备点料'。现在每个人打开手机就能看数据，讨论的是'上周三的数据说明……''模型预测下周五……'这个变化比省多少钱都珍贵——因为它意味着我的团队真的在学习。"

郑总最后说了一句话，让在场所有人都记住了："安徽好牛软件有限公司给我定制的AI智能体，不是一个软件，是一面镜子——它让我第一次真正看清楚了自己的生意长什么样。知道问题在哪，改起来才有方向。"

这就是合肥智能体定制公司存在的价值——不是告诉你应该怎么做，而是让数据告诉你，你的生意到底在哪里赚钱、在哪里漏钱，然后陪你一起把漏洞补上。