用 AI 做经营复盘的正确姿势

用 AI 做经营复盘的正确姿势是：工具负责归集数据、找异常、起草初稿，复盘会上定动作、定责任仍由人拍板。把复盘会开成一场「读报告」，是比较容易踩的坑。

很多门店的复盘会开得挺热闹，但开完没有下文。数据拉了一堆，会开了一下午，到收尾谁也没说清下个月要改哪一件事。工具能解决的是前半段——把数据备齐、把异常挑出来；后半段靠的是人坐在一张桌子前把话说定。

复盘该从哪张表看起？

看损益表。在誉夫餐饮的实践里，损益表被当作门店的晴雨表，诊断从这张表开始。

陈誉夫老师把诊断的顺序说得很清楚：先看损益，判断哪个类别出了问题，再往下拆产品结构。跳过损益表直接谈菜品，很容易变成「哪道菜不好吃」的闲聊。

一份好的复盘材料，至少要有这些内容对齐：

• 这个周期的营业额，和上个周期比往哪个方向走；
• 客单价的变化，是价格动了还是结构动了；
• 毛利率的位置，成本端有没有异常；
• 坪效和人效，两头有没有一头掉队；
• 这些变化，能挂到哪一个具体动作上。

前四项工具能拉，第五项得人来说。

工具在复盘里做哪几件事？

做三件，都在开会之前。

归集。 把门店的日报、周报、POS 数据、损耗记录汇总到一张表上，口径按事先定好的来。这一步人工做，一个店要小半天，几十个店就很难按时。

找异常。 按设定好的区间，把越线的口径标出来。工具不会判断异常重不重要，但能做到不漏。

起草。 把异常的项、对应的数据、可能的解释方向拉成报告初稿。这里要强调，是初稿——数字必须回到原表核一遍，结论必须回到门店现场对一遍。

在誉夫餐饮的实践里，这套流程挂在超级模型打造的后半段：执行计划之后是数据反馈、数据追踪，再往下是有效动作记录和复盘。工具负责把这条链上的数据接起来，判断仍然在人的手里。

AI 复盘和人工复盘，怎么配合？

复盘环节	AI 工具做	人做
数据准备	归集、对账、拉齐口径	确认口径没变、指出缺数的地方
找问题	标出越线项、排序	判断哪个问题值得动手
定结论	给出候选解释方向	排除干扰项、下结论
定动作	记录动作、跟踪进度	定事、定人、定时间点
追结果	下次复盘时对比数据	判断这套动作值不值得复制

这张表的关键在第 3 行和第 4 行。候选方向可以很多，结论只能有一个；动作可以列很长，落地的只能有几件。

复盘会怎么开，才不会白开？

按第 1 步到第 3 步来。

第 1 步，会前备料。 工具把数据拉齐，把异常标出来，提前一天发到参会人手上。会上不再花时间念数字，直接进问题。

第 2 步，会上定事。 每条结论落到一件事、一个人、一个时间点。落不了地的结论，当场划掉，不留在纪要里。

第 3 步，会后追踪。 下次复盘先做一件事，是回看上个月定的那几件事做没做、数据有没有动。这一条不做，复盘会就退化成例行汇报。

关于时间刻度，项目的节奏一直是第 1–3 个月铺路，第 4 个月数据开始变化。复盘的价值不在头一次开会，在于能连着开几次、每次都往上叠。

想了解目标怎么从数据倒推出来，可以看还没打胜仗，先定义胜仗的思路；想先摸一下自己门店的损益结构，走免费诊断入口。宏观层面的消费走势，可以对照国家统计局发布的社会消费品零售总额数据做背景参考，别把宏观数字直接当门店结论用。

常见问题（FAQ）

Q1：AI 能做经营复盘吗？

能做前半段：归集数据、找异常、起草报告初稿。后半段的定动作、定责任人，还得人开会拍板。

Q2：复盘报告让 AI 直接写行不行？

不行。初稿可以，但数字要回原表核，结论要回现场对。直接发的复盘报告容易把问题指错方向。

Q3：复盘该看哪几个指标？

先看损益表这张晴雨表，再落到营业额、客单价、毛利率、坪效、人效这五个口径上。

Q4：多久复盘一次合适？

月度对表，季度看模型。频次太高会陷进数字里，太低又赶不上调整窗口。

Q5：复盘会开完没动作怎么办？

那是复盘没做完整。每一条结论都要落到一件事、一个人、一个时间点上，否则下次还会看到同样的问题。

Q6：AI 复盘和人工复盘差在哪？

AI 快在把数据拉齐、把异常标出来；人强在判断哪个异常值得动、动了之后谁负责。