基于真实数据的深度理解
读完排班表，我们发现了什么
我们仔细分析了贵店春节期间（2月17日至3月11日，共24天）的完整排班数据，发现实际排班复杂度远超一般认知。这些洞察直接影响了 AI 系统的设计方向。
🔍 洞察 1：动线切换是核心复杂度来源
- 每个员工一天内需要多次切换岗位——早班一个位置，吃饭时顶另一个岗，下午再换回来
- 例：「彭丽颖」9-18班：开始在MOLLY岗→12点上1楼入口→13点上星星人→16点转1楼收银台
- 这种精细的时间段调度，现在全靠店长脑记和手写，极易出错
- AI 系统必须支持小时级动态分配，不能只做"人→岗位"的静态映射
🔍 洞察 2：三种班次结构，逻辑差异大
- 早班（9-18）：固定起始岗，中间按时间段切换，主要覆盖日间客流
- 晚班（12-23）：下午进场，需要与早班做交接，承担夜间高峰收银压力
- 特殊班次：盘点班（7-18）、新人学习班（9-15）、仓库整理班（10-20）各有独立逻辑
- 三种班次的员工在同一时间段混排，协调复杂度极高
🔍 洞察 3：岗位设置与 IP 系列强关联
- 一楼区域：LABUBU、MOLLY、DIMOO、SKULLPANDA、SP圆盘/展桌、收银台（1-3号）、新品展桌、入口引流
- 二楼区域：CRYBABY、星星人、积木、Zsiga、Hirono、小野、圆盘/展桌、收银台（1-4号）
- 特殊岗位：外场补货、仓库整理、陈列机动、拓印活动、门店GO核销、DIY活动
- 每次新品上市，岗位配置需要动态调整——这是现有 Excel 最难处理的场景
🔍 洞察 4：带班管理与新人培训并行
- 每天有明确的带班负责人（排班表右侧列），负责协调当班事务
- 新人「跟岗学习」模式：3月起陆续出现「张万欣」「魏梓路」「雷悦」等跟岗学习员工
- 新人不独立负责岗位，需要配对老员工——这是额外的排班约束条件
门店数字地图
两层楼全岗位体系
一楼
销售展示区
LABUBU
MOLLY
DIMOO
SKULLPANDA圆盘
SKULLPANDA展桌
新品展桌
入口引流
收银台1-3
卖场机动
二楼
IP 特色区
CRYBABY
星星人
积木
Zsiga
Hirono
小野
圆盘/展桌
收银台1-4
入口引流
全店
运营支撑岗位
外场补货
仓库整理
陈列机动
楼梯口引流
特殊
活动与功能岗位
新春拓印活动
DIY活动
门店GO核销
新人跟岗学习
盘点
解决方案
四大核心模块
- 时间段级别的岗位分配：不是"张三今天在LABUBU"，而是"张三9-12在LABUBU，12-13吃饭，13-16顶收银台，16-18回LABUBU"
- AI 自动处理吃饭替换逻辑：识别"休息上/下"标注，自动安排接替人员，确保岗位无空档
- 排班冲突实时检测：同一时间段同一人不能出现在两个位置
- 早晚班交接提醒：自动生成交接清单，确保当班带班人知道每个岗位的衔接情况
自然语言交互示例
店长
今天下午2点LABUBU岗没人，彭丽颖要去收银台，帮我看看谁能顶
AI 助手
14:00-16:00 LABUBU 区空档，根据今天在岗情况，有3个选项：
① 吴华诗（现在MOLLY展桌，可临时调换）
② 张津（16点前没有固定岗位）
③ 等晚班孙晓敏15点进场顶上
推荐选项①，对整体影响最小。确认吗？
已更新排班，吴华诗14-16顶LABUBU，16点回MOLLY展桌。已推送通知给吴华诗。
- 支持三班制模板：早班(9-18)、晚班(12-23)、特殊班次(盘点/仓库/学习)，一键套用历史模板
- 新人培训模式：标记"跟岗学习"员工，系统自动确保其与资深员工配对，不独立负责岗位
- 请假自动影响评估：请假后系统立即显示哪些时间段的哪些岗位出现空缺，而不是让店长自己算
- 盘点日专项模式：特殊日期(7-18盘点班)一键切换，自动调整岗位配置
- 员工到岗打卡与岗位同步：打卡确认到岗后，自动激活该员工的当天排班计划
- 打开 App 看到今天的时间轴：9:00 LABUBU → 12:00 吃饭 → 13:00 收银台1 → 16:00 LABUBU
- 岗位变更实时推送：店长调整后员工立即收到通知，确认到位
- 请假一键申请：填写时间段，AI 自动找替代方案，店长一键确认
- 带班人专属视图：当班带班人看到全店实时岗位覆盖状态，发现空缺立即处理
员工端使用示例
系统推送
📍 岗位提醒
13:00 请移步 1楼收银台1
接替：张津 的午休
预计时长：1小时
系统推送
🔄 岗位调整通知
14:00 你的岗位临时调整为 LABUBU区
原因：彭丽颖移至收银台
回复"确认"表示已知悉
- 实时岗位覆盖图：一屏看到两层楼所有岗位当前有没有人，哪些位置快断档
- 周/月排班模板管理：保存春节、平日、大促等不同场景的模板，下次复用，不用从头排
- 自然语言生成排班：描述"明天预计人流量大，需要加强LABUBU和收银台"，AI生成方案
- 历史复盘：哪天哪个岗位最容易断档？哪个员工最擅长多岗位切换？
技术架构
推荐实现方式
| 层级 | 技术选型 | 说明 |
|---|
| 员工端 | 企业微信小程序 / H5 | 无需下载额外App，企业微信推送可达率高 |
| 店长端 | Web 管理后台（iPad优化） | 大屏可视化，门店iPad直接使用 |
| AI 核心 | Claude API + 排班规则引擎 | 自然语言理解 + 约束求解，处理复杂调度逻辑 |
| 通知 | 企业微信机器人 + 小程序推送 | 岗位变更实时推送到员工手机 |
| 数据 | 云数据库（阿里云/腾讯云） | 员工档案、排班记录、操作日志，支持导出Excel |
| 接入 | 现有系统API对接 | 如有钉钉/飞书/HR系统，可对接同步员工基础数据 |
实施路线图
三阶段落地（共8周）
PHASE 1 · 第1-2周
数字化基础
目标：把现有Excel搬进系统
- 录入员工档案（60人基础信息）
- 建立岗位体系（两层楼全岗位）
- 导入历史排班数据（作为模板）
- 员工端打卡上线
PHASE 2 · 第3-5周
AI 排班核心
目标：自然语言排班可用
- 小时级动态排班引擎
- 吃饭替换自动逻辑
- 店长自然语言调整
- 员工岗位变更推送
PHASE 3 · 第6-8周
智能优化
目标：减少人工干预
- 历史数据学习优化
- 新品发售专项模式
- 预测性岗位预警
- 周/月排班自动生成
预期价值
可量化的改善
80%
每日排班制作时间节省
（目前手工1-2小时 → AI 15分钟）
实时
临时调班响应
（现在30分钟+ → 即时推送）
零
岗位断档时间
（AI预警 + 自动推荐替代方案）
建议下一步
MVP 快速验证（2周）
选取一天的排班（如某个平日）作为种子数据，我们用一周时间构建一个可交互的原型：店长可以用自然语言调整排班，员工可以在手机上看到自己的时间轴，实时感受 AI 的价值。
原型验证通过后，再逐步扩展到全店完整功能。这样既降低风险，又能让门店团队最快看到真实效果。