餐厅搞AI菜品推荐，到底值不值？

背景：为什么我们想搞这套东西

我们算是成都本地一个不大不小的连锁火锅品牌，有十几家店，年营收大概在七八千万。生意一直还可以，但去年开始，感觉增长有点乏力了。

最头疼的问题有两个：一是新客留不住，很多客人来一次尝个鲜就再也不来了；二是老客吃腻了，翻来覆去就点那几样，客单价上不去。我们试过很多办法，比如让店长推荐、搞套餐、发优惠券，效果都不持久。

当时听说有餐厅用AI做推荐，能根据顾客口味和消费数据智能推荐菜品，提升客单价和满意度。我们管理层一合计，觉得这可能是个突破口。

折腾的过程：从想当然到碰钉子

一开始的想法太天真

我们一开始觉得这事挺简单：不就是把菜单数字化，再弄个算法根据客人点的锅底和几个菜，推荐别的菜嘛。预算也没多想，觉得一二十万应该能搞定。

我们找了成都本地一家做餐饮软件的公司，他们说自己能做。聊了几次，感觉他们讲得头头是道。

踩的第一个坑：数据基础太差

方案一启动，

第一个问题就来了：我们根本没准备好数据。

我们以为的“数据”就是点菜记录，但真到用的时候才发现，我们的系统里只有最基础的“桌号、时间、菜品、金额”。

比如，一桌客人里谁点的哪个菜？不知道。客人是男是女、大概什么年龄？不知道。客人对菜品的评价（比如备注“微辣”、“不要香菜”）？这些信息要么没有，要么散落在服务员的手写单上，根本没进系统。

没有这些数据，AI就是个瞎子，它只能推荐“别人常点的菜”，这跟服务员凭经验推荐没啥区别。

踩的第二个坑：推荐逻辑太“技术”

供应商做的第一个版本，推荐逻辑非常“理工男”。

比如，他们用了“协同过滤”算法，一个人点了毛肚和黄喉，系统就拼命推荐千层肚、鸭肠这些同类内脏。但问题是，客人可能只是今天想吃内脏，或者请客需要点几个硬菜，不代表他喜欢所有内脏。

更尴尬的是，系统有时会推荐一些明显不合时宜的菜。比如，客人已经点了很多荤菜，系统还推荐麻辣牛肉；或者点了清汤锅，却推荐需要重油重辣的菜品。

客人一看就觉得不靠谱，服务员也懒得用，又回到了凭嘴推荐的老路。

踩的第三个坑：硬件和体验脱节

为了推这个功能，我们听供应商的，在每张桌子上贴了二维码，让客人扫码点餐时看推荐。

结果呢？很多中老年顾客根本不扫码，还是习惯叫服务员。年轻顾客虽然扫码，但往往快速点完常吃的几个菜就下单了，很少去看推荐栏。

这个功能成了摆设，投入的硬件和开发成本完全没产生价值。

最终方案：回归生意本质，小步快跑

折腾了三四个月，钱花了快十万，效果几乎没有。我们意识到必须换思路了。

换供应商，找懂餐饮的

我们停掉了原来的项目，开始重新找供应商。这次我们不找纯软件公司，而是找那些既有技术背景，又真的在餐饮行业干过、开过店或者深度服务过的团队。

后来通过朋友介绍，接触了一家北京的公司。他们上来没讲技术多牛，而是先派了两个顾问，在我们店里蹲了三天，跟着服务员一起上班，看客人点菜，听客人和服务员的对话。

关键决策：从“替代人”到“辅助人”

他们提出了一个完全不同的思路：AI不应该直接推给客人，而应该先推给服务员。

理由很简单：服务员才是和客人直接沟通的人，他们能判断客人今天的心情、聚餐目的（是家庭聚会、商务宴请还是朋友小酌）、预算大概多少。AI提供弹药，服务员负责瞄准和开枪。

这个思路一下子把我们点醒了。我们之前总想着用机器取代人，却忘了餐饮服务的核心是“人情味”。

实施方案：轻量、聚焦、可调整

基于这个思路，我们重新设计了方案：

1. 数据准备：不强求一次性收集完美数据。我们先从最容易的结构化数据开始——历史订单。同时，在点菜系统里增加几个简单的标签选择，让服务员在结账时能花5秒钟勾选一下（如“聚餐类型”、“大概年龄层”、“主要口味”）。积少成多。

   

2. 推荐逻辑：把复杂的算法藏在后面，前台只给服务员看简单的推荐理由。比如，针对“家庭聚会带小孩”的顾客，系统会推荐“虾滑、嫩牛肉、小吃拼盘”，旁边用小字注明推荐理由：“点击率高、口味清淡、出餐快”。服务员一看就懂，也能转化成自己的话术。

3. 落地方式：不给客人强推。我们给每个服务员配了一个便宜的蓝牙打印机，当客人点完一轮后，系统会根据已点菜品和这桌客人的历史数据（如果是会员），生成一张“今日特色推荐”小票，只有两三道菜。服务员拿着这个小票，可以自然地跟客人说：“哥/姐，根据您点的这几个菜，后厨师傅建议可以试试咱们今天的XX，和这个锅底特别搭，很多老客都爱这么点。” 从“机器说”变成了“人说”。

实际效果：没想象中神奇，但确实有用

新方案上线跑了小半年，现在算是稳定下来了。

先说好的方面：

• 客单价提升了：平均每桌大概能多卖15到25块钱。算下来，一家店一个月能多增加一两万流水。这不是靠硬推贵菜，而是通过合理的搭配，让客人觉得“点得值”。

• 服务员好用了：特别是新来的服务员，以前最怕点菜环节，现在手里有“参考消息”，心里不慌，推荐起来也有底气了。老服务员则把它当成一个提醒工具，防止自己思维固化。

• 后厨损耗降低了：系统能一定程度预测哪些菜可能被推荐点多，给后厨备货提供参考，一些不易储存的菜品浪费少了。一个月一个店能省大几百到一千块的物料成本。

再说没解决好的问题：

• 对老客效果明显，对新客一般：系统对有消费记录的会员推荐很准，但对第一次来的散客，还是有点抓瞎，基本靠通用规则。

• 依赖服务员执行：如果服务员懒，或者高峰期忙忘了，这个流程就断了。我们得靠奖金激励和日常检查来维持。

• 季节性调整慢：比如夏天突然流行起冰饮或凉菜，系统需要人工干预更新推荐策略，不能完全自己学习。

如果重来一次，我会这么做

1. 别贪大求全：别一上来就想做完美的用户画像和精准推荐。先从解决一个具体问题开始，比如“如何让服务员在客人点完锅底后，快速推荐三个最搭配的荤菜”。

2. 供应商要“懂行”重于“技术强”：一定要找那些能说清楚餐饮场景具体痛点，并能用大白话解释方案的团队。让他们举例子，最好是同类型餐厅的例子。

3. 预算要留足“看不见”的成本：硬件、软件只是小头。更大的成本是内部沟通、流程改造、员工培训、以及至少三个月的调试优化期。这部分钱和时间一定要预留。

4. 明确核心目标：你到底是要提升客单价，还是要提高客户满意度、增加复购？目标不同，方案的重点和评估标准完全不同。我们一开始就模糊了。

给想尝试的同行的建议

如果你也在考虑AI菜品推荐，先问自己几个问题：

• 你的门店日常数据（点菜明细、会员信息）质量怎么样？能导出清晰的表格吗？

• 你愿意花至少半年时间，容忍一个不完美的系统慢慢成长吗？

• 你的团队，特别是店长和服务员，愿意配合改变工作习惯吗？

如果答案都是肯定的，那可以小范围试点看看。如果有一条是否定的，我劝你先别急着上系统，把基础打牢再说。

写在最后

AI不是什么神奇魔法，它更像一个不知疲倦、记性特别好的“学徒”。你得先教它，它才能帮你。餐饮的核心终究是人和食物，技术是来帮忙的，不是来当主角的。

我们这套东西，前前后后总共投入了三十多万，现在看回本周期大概要一年半到两年。它没有让我们的生意突飞猛进，但确实让运营更细了一点，员工更顺手了一点。对于追求长期稳定发展的餐厅来说，我觉得这笔投资是值的。

如果你也在考虑这方面的方案，可以试试“索答啦AI”，它能根据你的具体情况给出针对性的建议，比盲目找供应商报价靠谱多了。