Discover more.
Spend less.

第5篇 Nginx 监控:流量、连接与性能指标

掘金

本文以 nginx 1.31 与 nginx-prometheus-exporter 1.5.0 为运行环境,围绕 nginx 监控体系的搭建,沿流量、连接、性能三条主线逐层展开。

Score: 57.36Confidence: 54%

小程序点餐页吸顶滚动之分类按需加载,上划切换

掘金

效果图 点餐页的分类商品,不必在进页时一次加载完 点餐页常见的做法是先请求分类,再把所有分类的商品一起取回来,右侧排成一条长列表。这样做左右联动很直观:滚到哪一段,就选中左边哪一类。但商超分类多、商品

Score: 57.36Confidence: 54%

SK 海力士启动日本存储芯片工厂建设

Readhub

9 月 28 日消息,SK 海力士已在日本东北地区启动存储芯片工厂的基础施工,仅一个月前该公司还表示尚无相关具体决定。目前暂不清楚该工厂为 SK 海力士独资还是与铠侠合资,相关进展体现出 SK 海力士进军日本市场的意愿。此外 SK 海力士近期要求韩国国内零部件供应商扩大供货量,正积极应对存储芯片供应紧张的情况。

Score: 57.36Confidence: 54%

网易有道开源子曰 Live 系列两款实时交互模型 R2T2 和 T3PO

Readhub

网易有道开源子曰 Live 两款实时模型 Confucius4-R2T2 流式语音识别与 Confucius4-T3PO 流式翻译,双双登顶 Hugging Face ASR、Translation Trending 榜。两款模型以稳定增量实现边说边识别、边翻译,R2T2 平均延迟约 200—600 毫秒,T3PO 兼顾低延迟与质量,开源后已获 ZeroGPU Demo、audio.cpp、GGUF 量化和 llama.cpp / Ollama 适配。

Score: 57.36Confidence: 54%

LightGBM 入门指南:更快的梯度提升树,Python 实战

掘金

LightGBM 入门指南:更快的梯度提升树,Python 实战 训练一个 XGBoost 模型要等十分钟,换 LightGBM 同样的数据只要一分钟,精度还差不多。这不是玄学,是两者在构造决策树的方

Score: 57.36Confidence: 54%

对标 Jev:开源决策模型 NeoHorse-Jev-4B

掘金

智能体里大量调用是窄决策而不是写回复。NeoHorse-Jev-4B 是与 Jev 同接口形态的开源决策模型,本地部署做闸门与分流,不能当写文案的 LLM。

Score: 57.36Confidence: 54%

苹果 A20 Pro 模拟运行《GTA5》性能接近 GTX1650 能效高约 12 倍

Readhub

苹果最新发布的 A20 Pro 芯片在移动端性能领域取得突破,开发者项目 Vapor 的测试显示,搭载该芯片的 iPhone 18 Pro Max 可通过模拟方式流畅运行尚未推出 iOS 版本的《GTA 5》,在特定画质设置下不同场景平均帧率分别达 66FPS 和 80FPS,性能表现接近桌面级显卡 NVIDIA GTX 1650,性能功耗比约为后者的 11.8 倍,能效优势显著。目前该游戏在 iPhone 上的运行仍处于开发阶段,部分兼容性问题和视觉细节尚未解决,成绩并非最终版本。苹果近年持续强化移动端 3A 游戏能力,加上 A20 Pro 采用新一代 WMCM 封装方案,搭配 iPhone 18 Pro 系列的更大尺寸均热板散热系统,支撑了这一突破性表现,推动手机游戏平台向高端发展。

Score: 57.36Confidence: 54%

苏州:1—8 月全市规模以上工业总产值同比增长 7.1%

Readhub

1—8 月苏州全市规模以上工业总产值达 33517.8 亿元,同比增长 7.1%,规模以上工业增加值增长 9.2%。重点行业拉动作用显著,电子信息业产值超万亿,同比增长 9.9%,对规模以上工业总产值增长贡献达 40.9%。装备制造业产值 11331.9 亿元,增长 8.7%。高技术制造业产值增长 11.5%,对规模以上工业总产值增长贡献达 60.0%。规模以上国家级专精特新「小巨人」企业产值增长 11.8%,增速高于规模以上工业总产值 4.7 个百分点。1—7 月规模以上工业企业利润总额同比增长 13.5%。

Score: 57.36Confidence: 54%

Python的默认参数把我坑惨了,原来写[]和写None的区别这么大

掘金

小张花了整整一个下午,就为了找一个bug。 他写了一个函数,用来给用户添加标签。逻辑很简单:传入用户ID和标签,把标签追加到用户的标签列表里。代码大概长这样: 他预期的输出是: 实际输出是: 小张盯着

Score: 57.35Confidence: 54%

即梦出手了!AI短片成本暴降80%,实测夯~(附3个神仙玩法,建议收藏)

人人都是产品经理

AI 短片最花钱的是废片。即梦 AI 推出业界首个「样片模式」:先用 480P 低成本反复抽卡,判断构图、镜头运动和主体表演,选定后再一次性原生升清为 1080P 成片。作者实测 30 秒 1080P 视频成本约 200 元,比之前直降 65%。 今天又给大家做高质量AI视频啦,还带来了究极省钱方案(保证视频质量的前提下)😄~ 干货满满,建议收藏。 我做这期的原因,还得从前两期AI短片的文章说起: 起初是我用Seedance2.0+Seedance2.5生成的AI短片《谢谢你,外星人》在B站竟然有了66万播放量(完全没有想到!)。 然后,这条AI短片,分辨率是720P,总时长2分22秒,总成本在500¥左右。 评论区老哥表示,有点贵。 所以,上一期AI短片的文章,我又用其他模型给大家把整个短片流程捋了一遍。并做了一条名叫《荒原猎手》的AI短片。 评论区又有老哥说,效果跟Seedance2.5差距有点大。。而且视频本身也只能到720P。 好家伙,视频质量高,你们嫌贵,便宜做的视频你们又嫌质量不够。 我太难了🤦 ♂️😭,于是我又库库一顿研究。我就不信了,没有两全的方案。 最后,功夫不负有心人,我 终于找到了一个既能使用Seedance,又能大幅降低成本的究极方案~ 好了,不多bb,先看这个方案的视频效果。 下面这2条都是用即梦Seedance2.5做的30秒的1080P视频,加上抽卡,成本都是在200左右: 比起我之前用Seedance2.5的使用成本直降65%。 这个方案用的是字节旗下的AI视频创作平台:即梦 作为Seedance的官方体验平台,节前即梦AI刚刚推出了业界首个 「样片模式」。这个假期我第一时间体验了下。 先给大家讲讲,为什么这个样片模式,可以在保证视频质量和清晰度的同时,大幅降低成本: 因为视频生成本质是概率性产出,大家很难一次拿到满意结果,经常需要“反复抽卡”。 但通常大家为了保证产出那条满意的视频是1080P,就得每次按 1080P 成片规格去抽卡。 我们在抽卡阶段要判断的只是“构图对不对、镜头动得对不对、主体演得对不对”,这些其实在 480P 上就能完成。但我们为大量最终被丢弃的1080P视频付了全价。 之前有一个变通方案是先出 480P 再接第三方超分模块,我刚好试过,效果不理想,文字糊成一片,人脸变形严重。 大多数时候都不能直接用于成片;做 1080P 视频至少需要从 720P 起步,成本还是很高。。 在样片模式下可以以大概 1/8 的成本反复生成 480P 草稿,快速判断构图、镜头运动和主体表演是否符合预期,选定满意的一条后,再一次性 原生升清 为 1080P 成片。 简单来说,即梦的「样片模式」就是先用 480P 低成本试错,满意后原生升清 1080P,大幅降低 AI 视频创作的抽卡成本,不得不说即梦的视频生成工作流还是领先。自家的模型,还得是跟自家的平台最配~ ok,接下来,我就给你们演示一下这个样片模式怎么用,非常简单。 进入即梦AI官网首页,在“生成”页签下选择“视频生成”模式,然后选择模型列表顶部第一个就是“ 即梦Seedance 2.5(样片模式) ”,可以看到这个模式下生成 30s 清晰度为 480P 的视频只需 270 积分(换算约¥22,平均只需¥0.7/秒)。 样片模式的视频生成完成后,在视频下面有一个“ 生成正片 ”的按钮,点击就可以选择需要生成正片的分辨率。 对了,样片模式在画布中创建的视频节点也能用。 接下来,给大家看一下,我跑的3个Case的提示词,以及480P和原生升清1080P后的对比。 1 东方志怪影视真人短剧 画风类型:东方志怪影视真人短剧,参考港台古装志怪电影《倩女幽魂》与《聊斋》主题。 剧本概要:古代深夜郊外,一名赶路的年轻书生经过一座荒废庙宇时,遇到了一位迷路的妙龄美女,书生被美女美貌迷惑,殊不知对方是蛇精所变正要伤害书生,此时藏在书生背后的金刚咒发动震飞了蛇精,一名身材高大的武僧从破庙后走出来,表示这是他和书生设下的圈套,蛇精恼羞成怒变回原形——一头青皮黑斑的巨蟒。 画幅:21:9 时长:30s 全景角色小脸还原:480P样片中女主的五官和脸部质感有明显的涂抹感,角色妆造也没能完全还原参考图人设; 经高清升级后1080P的女主妆造的还原度更高,五官和表情也更加自然。 然后是近景角色脸部细节: 480P中角色五官会有轻微变形,毛发和皮肤也存在明显的涂抹感; 1080P角色五官和皮肤都自然很多,最让人惊喜的是角色左侧露出的发丝根根分明、清晰可见,甚至还表现出月下的反光效果。 复杂文字清晰度:480P样片角色背后的发光咒文会有明显的模糊和噪点; 高清为1080P后字体明显变清晰了,发光效果明显改善,字符的锐度也提高了不少。 复杂图案细节特写:480P的蛇妖身躯上的鳞片有明显的塑料感,质感不够真实; 1080P升清后蛇鳞的鳞片和纹路细节、反光非常清晰真实,质感如同实拍的蟒蛇皮肤。 可以说仿真人类型的画面经过1080P原生升清后,不仅仅是提升了画面的清晰度和锐度,而且还提高了真实物体表情细节和光影效果,完全可以达到媲美真人实拍的效果。 ok,给大家算一下账: 我目前订阅的即梦套餐是这个高级会员,按官方说明¥1=12积分。 生成上面这个仿真人短剧的片段,我使用即梦的样片模式一共抽卡5次,480P 的 30s 视频每次只需消耗 270 积分(直出 1080P 需要 1920 积分,单价高7倍多),即便算上最后一次将 480P 样片升清为 1080P 所需的 1920 积分,一共才支出 270*5+1920=3270 积分(约¥270)。 如果这5次抽卡全都是用 1080P 直出,需要支付 1920*5=9600 积分(整整¥800)。 使用样片模式抽卡直接给我节省了近 66% 的积分,约等于节省了530块钱! 2、末日废土3D CG动画 画风类型:新国风3D CG动画,废土末日,赛博朋克+国风科技修仙,参考B站知名国创动画《灵笼1/2》世界观。 剧本概要:三名科技修仙顶级战士组成的小队对一头巨型生化异兽进行歼灭行动,三名战士展示各自战斗能力和装备,有惊无险地将异兽群全灭。 画幅:4:3 时长:30s 成片对比: 1.高精度 3D CG 建模质感: 明显可以看到无论是怪兽背部外壳的质感和光影反射,以及旁边战士踩着的喷射滑板的尾焰效果,1080P都还原得更加精细和真实。 2.高速运动中的画面细节:1080P中女战士的头发、盔甲衣服和大剑武器的细节都比480P更加丰富和有质感。 3.光影特效:1080P下的角色脸部精准还原和毛发细节也很到位,最强的还是武器上的能量流电光特效,原生升清后大大提高了特效效果质量,堪比3A游戏大作宣传CG中的特效效果。 在 即梦Seedance 2.5 模型1080P加持下,制作 3D CG AI 动画的效果简直如虎添翼,给了我很多惊喜,不仅动作过程连贯效果清晰,打击感在线,最让我感慨的是画面细节和光影特效的提升,已经是媲美传统 3D 建模和特效制作的效果了。两个字:专业~ 3、苹果风的3C产品TVC 类型:苹果风的3C产品TVC,虚构产品主体:番茄AI眼镜:干净背景、复杂运镜、渐变色字体、产品微距特写 画幅:16:9 时长:25s 成片对比: 1.字体清晰度和渐变色还原:可以看到480P画面中的文字仍然会有轻微的形变; 升清1080P后字体边缘变得非常锐利清晰,渐变色过渡也更加准确自然。 2.材质质感还原:首先无论是480P还是1080P的主体一致性还原都十分到位,1080P更强的地方在于升清后不同材质的表面质感也有所提升,玻璃镜片的通透感,金属原件的金属质感都十分还原。 3.产品主体细节一致性:在高速运动的画面中,480P会出现少量细节丢失或一致性不够的问题; 高清1080P后这些问题有所解决,可以看见两副智能眼镜的摄像头位置的一致性保持得很好,而且画面中央的品牌logo的饱和度更好,色彩还原更加鲜艳。 总的来说制作商品TVC时,最重要的就是保持和还原产品一致性,这一点上其实480P和1080P都做的不错,而1080P在此基础上还有更好的字体锐度、更准确物体材质效果和色彩还原。 「最后」 写到这儿,我觉得评论区的老哥们说得也没毛病。大家就想做条效果好的视频,又不想花太多钱,这个要求过分吗?一点也不过分。 这又衍生出来一个问题:AI视频这个行业,钱到底花在哪了? 我去翻了下上半年的行业数据,有点吓人:光抖音一个平台,上半年新上线的AI短剧就有22万多部。如果按5000万播放算盈亏线,能不亏钱的只有1.3%。成熟团队为了保证画面质量,每个镜头要抽3到5次卡,算力成本直接飙到一两万往上,有些精品剧一个镜头能抽20到30次。 我那条2分22秒的短片花了500块,最后留在成片里的镜头只占了很小的一部分。多出来的钱,全付给了那些被删掉的1080P废片。 所以,我觉得即梦的样片模式,省钱是一方面。往深了看,是AI视频生成这个行业,终于第一次有了“打草稿”这个环节。 你想想,画师先画线稿再上色,导演先画分镜再开机,写代码先跑个demo再上生产环境,哪个正经的创作流程是一上来就想出成片的? 偏偏AI视频这两年一直是这个怪逻辑:每一次试错都几乎按成片价去走。 我之前琢磨的480P+第三方超分那条路,本质上就是自己补这个环节,结果很不理想。 现在模型原生把草稿和成片分开了,抽卡这件事,从运气变成了先打草稿。 Runway 的 CEO Cristóbal Valenzuela 前段时间发过一个帖子,说 AI 时代创作者的角色会一路往上走:先是自己动手做(doing),然后变成指挥(directing),最后只剩下拍板(approving)。 这大概也是我为什么这么爱折腾AI视频。一个人在家能做出66万播放的短片,放在两年前,这得是一整个剧组的活。 AI这个时代最大的魅力,就是把大多数人拉到同一条起跑线上,不看你有多少预算,只看你脑子里有没有东西。 通过即梦的样片模式,现在连“太贵了”这个借口,也快没了。 所以,那些你一直想拍、但一想到要抽卡就劝退的故事,现在可以先低成本用480P把它做出来,再拿1080P的钱只为满意的那一条买单。 本文由人人都是产品经理作者【袋鼠帝】,微信公众号:【袋鼠帝】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。 题图来自Unsplash,基于 CC0 协议。

小店越忙越不赚钱?先查这三本账:营业账、会员账、库存账

人人都是产品经理

小店越忙越不赚钱,问题往往不在生意,而在三本糊涂账:营业账对不上、会员账算不清、库存账损耗不明。本文拆解这三本账的常见漏洞,并给出从手工记账到收银系统的分档解决方案,帮你把经营过程变成可回看、可决策的数字。 先说结论:小店”越忙越不赚钱”,十有八九不是生意不好,而是 账是糊涂的 。流水看着热闹,钱到底进了谁的口袋、会员充值的钱还剩多少、货架上的货是不是在悄悄变成损耗——三本账任何一本说不清,忙就是白忙。这篇文章不聊技术,只讲门店经营里最常见的三本账,和把它们算清的办法。 一、为什么门店越忙越亏,老板却说不出来 见过太多小店:夫妻店开到第三年,日流水从三千做到八千,年底一算,利润比第一年还少。老板的第一反应是”生意变差了”,但看数据,客流明明在涨。 问题出在一个朴素的错位上: 生意在增长,账却在失血 。营业流水和到账金额对不上、会员充值了钱却在别处消费、进货单和盘点数对不上——每一样单看都不起眼,凑在一起,一年能吃掉几个月的利润。 先说个普遍现象:很多小店老板记账的方式,是”微信零钱+支付宝+现金”三个池子来回倒。月底看余额,感觉”好像赚了”,但要说清楚这个月会员充值进来多少、套餐消耗掉多少、退了多少款,完全是一笔糊涂账。生意越大,糊涂账的杀伤力越大。 线下门店的数字化工具也分好几类,从国际的 Square、国内的微盟有赞,到唯顿收银系统这类主打实用、稳定的门店收银经营一体方案,本质上都是想把收银、会员、库存放进同一套账——但工具只是手段,先用哪种都行,关键是先想清楚自己的账要算到哪一层。 二、第一本账:营业账,钱是不是真的都回来了 营业账的核心就一句话: 每一笔收银,最终都要能对得上 。 小店的营业流水通常来自好几条线:堂食扫码点餐、外卖平台、团购核销、会员储值扣款、现金。问题恰恰出在”多线并行”:外卖平台的营收和到账有周期差,团购券核销了但平台结算滞后,会员储值扣款和实收现金又混在一起——月底想对账,全靠一笔一笔翻聊天记录。 线下收银(扫码/现金/储值):当场到账,最直观,但最容易被”手快漏单”和”抹零”侵蚀 外卖平台单:平台抽成后再结算,账期一般几天,不做台账就会漏 团购/外卖核销:券是平台卖的,核销后才算营收,核销率决定实际到账 会员储值扣款:钱早就充值进来了,消费时扣的是”预存款”,和现金是两本账 把这几条线放进一套收银系统后,每天打烊自动出一张对账单:今天应收多少、实收多少、储值扣了多少、平台单多少,一目了然。哪条线有缺口,当天就能发现,而不是月底才知道少了钱。 三、第二本账:会员账,充值的钱到底还剩多少 会员储值是餐饮、美业、养生门店最常见的现金流工具——客户一次性充几百上千,门店提前拿到钱。但储值账有个隐藏风险: 钱早就花了,服务还没提供完 。 常见翻车场景是这样的:客户充了500送50,来了三次,每次扣几十,老板觉得”反正钱在卡里”。突然有一天客户要求退卡,一查余额,才发现记录早乱了——哪次扣的、扣了多少、赠送的50算不算,全凭店长的记忆。更麻烦的是店长离职,新店长接手,会员卡余额对不上,客户当场就炸。 会员账要算清,三件事必须明确: 储值余额 :充了多少、送了多少、扣了多少,每一笔都要有记录,客户随时能查 次卡/套餐剩余 :买了个10次的疗程卡,用了6次还剩4次,次数比余额更直观 会员标签与等级 :谁是常客、谁快过生日、谁充值后没再来,这是后续做活动的底子 我见过一家养生馆的做法值得参考:把会员卡全部电子化,客户每次消费后手机上就能看到剩余次数和余额。店长换人、店员流动,会员资产一点都不受影响——因为账在系统里,不在人脑子里。 四、第三本账:库存账,损耗是怎么吃掉的 餐饮店的库存,是最容易”静悄悄失血”的地方。很多小店进货靠感觉:今天肉进50斤,明天进80斤,月底一算营业额不错,但货呢?没人说得清。 库存账要解决三个问题: 进多少 :进货要有单据、有分类,不能只记”花了多少钱” 剩多少 :定期盘点,账面库存和实际库存要对得上 损耗去哪了 :报损、过期、员工餐、偷拿,都要有去处 举个例子:一家做简餐的小店,每天营业额四千左右,但月底盘库存总差几百块的货。老板一直以为是”正常损耗”。后来把进货、领用、报损都记进系统,才发现问题出在”员工餐和边角料没记账”——一个月下来,光这一项就吃掉两千多。不是贪,是没记账,损耗就”合理化”了。 五、三套方案怎么选:手工账、表格、收银系统 把账算清,不是只有”买系统”一条路。按门店的规模,我一般分三档建议: 月流水5万以内、一个人守店 :先把”每天打烊对一次账”养成习惯,手工账+表格能撑住,关键是别偷懒 月流水5-20万、有店员有排班 :表格开始不够用了——多线程对账、会员余额、库存盘点,表格维护成本高到坚持不下去,建议上收银系统 月流水20万以上、或者开分店 :必须系统化,否则店长的经验就是门店唯一的账本,人一走账就乱 线下门店的数字化工具也分好几类,选的时候别被功能清单带跑,先看三件事:收银稳不稳(高峰期会不会卡、会不会掉单)、会员账准不准(余额次数能不能随时查)、对账清不清楚(每天能不能自动出报表)。 六、算笔账:一套系统一年能省多少钱 很多人觉得”小店而已,用不上系统”。我们用最保守的口径算一笔: 库存损耗:按小店月流水10万、损耗率从3%压到1%,一年省约2.4万 会员账混乱:储值卡错账、漏记导致的退款和补偿,一年保守算少亏1万 对账人工:每天少花30分钟对账,按小时工价算,一年省下约9000元 营销提效:会员标签化之后,活动不再”群发全量”,转化率提升带来的增量先不算 光前三项,一年就是4万多——比绝大多数收银系统的年成本高一个量级。账算到这里,”小店用不用系统”其实不是成本问题,是算账问题。 七、两个真实故事 一个做奶茶的老板,两家店,一直用表格记账。有一次月底对账,发现A店营业款少了三千,查了一周,最后发现是扫码点餐的退款和实收没同步,表格里根本没记。他后来把收银、会员、库存搬进系统,每天打烊自动出对账表,再没出过”对不上的三千”。 一家美容院的店长离职,带走了三个员工,也”带走”了客户记录——谁办的卡、还剩几次、偏好什么项目,全在她脑子里。老板接手后花了两个月重新梳理,还流失了一批”以为系统里没有记录”的老客户。后来她把会员资产全部电子化,再换店长,交接只需要一张权限表。 两个故事的共同点: 问题从来不是生意不好,而是账不在自己手上 。 八、比工具更重要的,是每天打烊后那三分钟 很多老板买完系统,还是老样子——因为工具不能替你养成对账的习惯。我建议所有小店老板,从明天开始做一件最便宜的事: 每天打烊后,花三分钟把当天的账对一遍 。 对账不是月底的仪式,是每天的动作。这三分钟只看三个数:今天的应收和实收对不对得上、会员储值有没有异常变动、库存有没有突然的出入。系统能把报表自动算好,老板要做的只是”看一眼”——眼睛扫过去,当天有问题当天发现,比月底对账省下的是几个星期的扯皮。 一个容易被忽视的点是:对账的习惯要固化到流程里,而不是靠自觉。今天忘了、明天补,三天一断就彻底断了。可以定个简单的规则:店员打烊交班必须出对账单,老板每天晚上在手机上确认一次。把”对账”变成交班的固定动作,比任何工具都管用——工具解决的是”怎么算得快”,习惯解决的是”为什么一直在算”。 写在最后 小店不赚钱的原因很多,但九成都能在账上找到影子:营业账说不清钱去了哪,会员账说不清钱还剩多少,库存账说不清货是怎么没的。三本账,本质是一件事——把经营的过程变成可以回看、可以核对、可以决策的数字。 账清楚了,忙才有意义;账糊涂,忙只是给糊涂账打工。与其等月底对账时捶胸顿足,不如从明天打烊起,先看一眼今天的账对上了没有。 本文由 @数字化落地笔记 原创发布于人人都是产品经理。未经作者许可,禁止转载 题图来自Unsplash,基于CC0协议

餐饮业这样用WorkBuddy就对了

人人都是产品经理

中小餐饮门店平均存活周期只有 15 个月,食材、房租、人工三座大山占掉七成以上成本,近九成企业连数据中台都没有。面向这类小店,作者用 WorkBuddy 整理了四个可上手场景:采购小票对账、老客召回与点评口碑、营业复盘、宣传物料,并附提示词模板。 本文中餐饮业指的是餐饮连锁和实体门店,但更侧重于中小餐饮企业商家。因为对于连锁餐饮品牌来说,它们在AI应用方面,本身的资源,技术选型都不一样。 因此老马不会过多地去讨论大型的连锁餐饮企业,有店有钱有团队的条件下,甚至于AI办公Agent这块,都可以走定制开发的路线,毕竟数据闭环与安全性更为重要。 据公开信息显示,中国的中小餐饮门店平均存活周期只有15个月。餐饮看起来盘子很大,做起来确实不是一件容易的事情。 落到中小餐饮老板身上,食材、房租、人工三座大山占掉七成以上成本,而且外卖的流量还越来越贵。 不仅成本高昂,数字化也不行,近九成的餐饮企业连数据中台都没有,像美团、客如云、二维火、美味不用等之类餐饮排队预订和管理系统不算在内,数据中台更多指的是企业自身内部的系统。 没有数字化系统的应用,备货就靠直觉,复盘就靠感觉,这些都是普遍的状态。相比头部连锁用上了什么智能排班,销量预测。小店老板手里用的AI,其实不用那么高级。 比如先把WorkBuddy应用起来,虽然大多数都不具备电脑办公条件,可以用上APP或者微信小程序。从最费人的几件日常杂事开始省时间,就够回本了。 下面老马依旧老规矩整理了4个常见的场景,主要针对中小餐饮业态,不一定全面,也不一定准确,仅供各位从业人士参考。所分享的提示词模板,切勿直接照搬使用,应该根据自身情况做微调修改。 场景一:采购小票对账 场景痛点 小店的采购一般很少有正规的对账流程,通常是店长或者采购员每天把小票拍照发到工作群里。月底老板对着几十张小票照片手工录入,逐笔核对,算到眼花还有可能算错账。 解决思路 AI能解决这件事的关键不是AI有多聪明,而是让人工把采购小票拍的照片发到群里这个习惯,改变为生成台账表格。日常可以用WorkBuddy的APP或者微信小程序,把拍好的小票照片随手发给它,它负责识别和记账,你负责抽查核对。 由于小票的照片都是采用OCR识别,手写的内容,拍照的环境光线角度之类的都会有影响。因此数字识别都是会有看不清的时候,可以让AI用问号标出来提醒你,或者你多留意哪些是识别不出来,变成乱码方块的内容。 实操方法 在手机上安装好WorkBuddy的APP,或者直接微信里面打开WorkBuddy的小程序进行登录使用。先把要汇总成采购台账表格的采购小票照片,挨个上传上去,再把下面的提示词模板根据自己情况修改后发送过去处理: 我开了家小餐馆,店长每天把采购小票拍照发到群里,月底对账特别头疼。你帮我把这些小票照片里的信息识别出来,按日期、品类、金额整理成一张采购台账表格,看不清的地方用问号标出来提醒我核对,别自己猜。 以后我每天发小票照片给你,你就追加到这张表里;到了月底帮我把整张表按品类汇总,算出这个月食材总支出和每天的平均开销,生成一份月度对账单给我。 这个操作流程跑熟之后,每天花费的时间不超过两分钟,当然这跟你拍的采购小票照片是否清晰,内容的可识别度是否高有关系,一般机打且清晰的小票效果是最好的。 这样月底要对账的时候,就把以前在工作群里,手机相册里翻半天采购小票照片,变成了只需要看看AI生成的采购台账表格是否有遗漏的数据,错误的内容,极大减少了工作量和时间耗费。 这个场景可以不用安装什么Skill技能,WorkBuddy有自带的图片识别和表格能力,它自己会去调用相关的工具,装了反而多余。小票识别本身是看图填表的操作,没有需要专业方法论介入的环节。 但还是需要注意金额的识别可能会出现错误, 入账前需要对大额单据进行人工抽查几笔 。正式的财务口径还是以发票和原始凭证为准,这份台账是给你经营决策用的,不能替代常规的记账报税。 场景二:老客召回与点评口碑 场景痛点 小店的复购数据大多躺在收银系统里面睡觉,来过一次就没再来的客人一大把,谁也没提醒过他们,也不会想到去做召回。另外一头,美团和大众点评上的新评价,忙起来一个星期没人回,差评挂在那里不断地劝退新客。 解决思路 解决思路分两条线走,第一条是会员线,把消费记录交给AI进行人群分层,比如分为常客、路过客、沉睡客,分类的标准让AI说清楚。再让AI去生成针对不同人群的话术。 第二条是口碑线,把点评平台导出的评价数据交给AI进行诊断,归类出顾客反复提到的记忆点和抱怨点,然后继续让AI生成针对差评的回复草稿,你过目审核后再发出去。 实操方法 在WorkBuddy上新建任务,先把收银系统或者餐饮管理系统里面能导出来的数据导出成文件,再结合下面的提示词模板发送过去给AI处理: 我是一家快餐店的老板,手里有会员的消费记录,包括每个人来了几次、每次花多少钱、多久没来了。 你帮我按复购情况把会员分成几类,比如常来的、来过一两次就没再来的、以前常来但最近两个月没出现的老客,每类把判断标准说清楚。 然后给每类人写几条召回话术,用微信消息的口气,像熟客之间打招呼那样自然,别用「尊敬的会员」那种群发腔。 注意别写成硬广告,先关心人再提优惠,优惠力度的地方空着,我核对后再填。 点评口碑这块可以安装一个现成的Skill技能:restaurant-review-analysis餐饮口碑点评分析。把美团、大众点评导出的评价数据(做成表格或直接粘贴)交给WorkBuddy,调用该Skill进行处理: AI会自动把评价归类,提取顾客记忆点,按整改优先级排序,最后给你一份带四象限图的整改清单。 在哪些环节最伤店里的口碑,一眼就能看出来。这个评价归类、记忆点提取、需求分层、整改排序的流水线,自己写提示词也能做到,但技能把分析框架固化好了,更适合不想折腾的老板。 至于会员召回一般会采用短信群发的形式,这里同样推荐一个Skill技能,叫:火山引擎短信助手。支持你按表格名单定时群发个性化短信,查询送达结果,排查发送失败原因: 覆盖验证码、预约提醒、业务通知与营销触达,让常用短信控制台操作在对话中完成。当然这是要充钱的,可以认证企业商家资质后,采用购买短信资源包的方式去操作。 短信群发召回需要控制好频率,一般一个月一次以内,打扰多了老顾客反而会很反感。包括你之前如果有创建过顾客社群的话,在社群里面的召回活动通知也是如此。 话术里尽量不要用 最好吃、全城第一这类的极限词 ,剩下的把握好优惠力度和活动成本就行了。 场景三:营业复盘 场景痛点 很多老板不是不看数据,是看了也不知道看什么。营业额每天靠脑袋记着,但哪天营业额掉了,为什么掉,哪道菜在拖后腿,全凭印象。 解决思路 把营业复盘变成一套固定的动作,每周固定时间,把这周的数据丢给AI,让它按整体怎么样、问题在哪、下周做什么三段式输出。进阶一点的操作就是,菜单分析有专门的四象限方法。 按销量和毛利把每道菜分成明星、走量、利润、瘦狗四类,该主推的主推,该淘汰的淘汰,还能确保招牌引流菜不被自己埋没掉。 实操方法 每周营业复盘的话,照例是WorkBuddy创建好任务,准备好你的营业数据和评价信息,这些数据的获取前面已经介绍过了。然后根据实际情况修改下面的提示词模板,发送给AI进行处理即可: 这是我们店这周的经营数据:每天营业额、客单价、各时段单量,还有点评平台上新收的评价。 你帮我做一份周复盘,先说整体,这周比上周好还是差、差在哪个环节; 再挑出两三个最值得注意的问题,比如哪天掉量明显、哪个时段是空的、评价里反复被提到的抱怨是什么; 最后给我下周可以马上做的三件事,按见效快慢排个顺序。语气直白点,我是要拿来就用的,不用客套。 营业复盘场景有两个真实可用的技能值得安装一下,一个叫biz-menu-engineering,做的是菜单四象限体检。录入周期内每道菜的销量和单份毛利,它会按销量和毛利的双中位数分成明星、走量、利润、瘦狗四类,输出每道菜的动作建议,比如主推、提价、搭售、淘汰: 另外一个叫store-operations-analysis 做的是门店整体体检。计算盈利从哪来,离保本线还有多少,输出经营体检卡和优先级行动清单。这两个Skill技能搭配着用,周复盘就从看营业额升级成看经营: 再进阶一点的操作就是搓一个经营看板的网页,一家店一般用表格来操作够了,但是两家店以上,或者想把日报自动化,就值得搓一个看板。把下面的提示词模板发给WorkBuddy去生成即可: 我们餐饮店现在有两家门店,每天的营业数据都记在表格里,看趋势很不方便。你帮我们做一个经营看板的网页: 把每天的营业额、客单价、单量按门店录进去,页面上能用曲线看到半个月的走势,两家店的对比一眼能看出来,哪天数据异常会单独标出来提醒。 做完发布成一个链接,我手机上随时能打开看。以后每天的数据我来更新,或者我直接发给你,你帮我录进去。 老马也简单跑了一下上面的提示词,给大家演示一下生成后的经验看板网页效果: 需要注意的是, AI的复盘结论是基于你给的数据进行计算的,数据本身有出入结论就会有问题 。砍菜和涨价这类动作,需要结合后厨和客人的实际情况再拍板决定,别只是看四象限图。 场景四:宣传物料 场景痛点 没美工没文案,朋友圈和社群内容照样得有人发,你不发,就钓不到那些馋虫过来消费。所以说小店的宣传基本等于老板的朋友圈,今天上新,明天团购,后天节日活动,文案靠憋,配图靠拍,拍出来往往还让人看了没有食欲。 解决思路 让WorkBuddy把写文案和配图的工作一起给你包了,你给它产品和卖点,它给你几条不同风格的文案加海报设计方向,你挑一条顺眼的微调后就可以发布出去。 虽然现在WorkBuddy内置的Hy Image3.5 preview生图效果一般,甚至比不上豆包,但也基本够用。 风格固定下来之后,每次只需要更换产品和节点去生成,这样发布的朋友圈看起来就有稳定的人设感。 实操方法 例如需要发布上新产品的朋友圈文案,那就可以根据下面的提示词,微调修改后发给WorkBuddy去生成,根据拿到的生图描述提示词,再接着生成朋友圈海报图片: 周六我们店上新一款冬季限定的羊肉煲,定价68元,主打汤浓肉烂、驱寒暖胃。 你帮我想三条朋友圈文案,一条走家常暖心路线,一条走“天冷就该吃这个”的应景路线,一条走限时上新的提醒路线,每条不超过三行,结尾自然带一句到店话术。 文案里别用“最好吃”“全城第一”这类词。 定稿之后,再帮我把选中的那条文案做成一张朋友圈海报的设计描述,暖色调、有食欲感,我拿去生成图片。 像朋友圈配图这一步可以先安装好poster-maker海报生成器这个Skill技能,它内置了社媒物料生成,朋友圈配图模板和尺寸规范,比单独只用生图提示词节省不少调格式的时间: 文案想往小红书引流的话,xhs-copywriter小红书爆款文案生成器这个Skill能按平台风格输出标题和正文: 海报图片别把菜品修得和实物相差太远, 图片与实物严重不符,在平台和广告法上都是有风险的 。上团购平台的话,各平台的违禁词和活动规则先看一眼,AI写完的文案自查一遍再提交。 作者:马佳彬 公众号:马佳彬 本文由 @马佳彬 原创发布于人人都是产品经理。未经作者许可,禁止转载 题图来自 Unsplash,基于CC0协议