店舖架構重組會議整理
這裡按原文結構整理(不是直接貼 MD)。讀完 TL;DR 後,你可以再往下看會議核心方向與可執行項。
一、會議核心方向
-
先重建資料系統,再做人手與制度調整
- 先整理完整 data system,而不是靠印象決定排班、升降、淘汰。
- 要知道 weekday/weekend、不同時段、不同女孩子對客單與消費的影響。
-
用客人行為數據去做排班與資源配置
- 追蹤客人偏好哪位女生、何時來、平均消費。
- 把「誰在場」對營收的影響,變成可決策的排班規則。
-
建立透明 KPI / grading / probation 機制
- 用清晰標準取代情感主導。
- 把試用、正式、寶貝條件、產出與態度寫清楚。
-
處理低績效,但先有數據基準
- 傾向把底部 10% 到 20% 逐步換掉,但前提是數據基準建立完成。
- 明顯長期不上班、無產出且無改善者可較快處理。
-
改善成本結構與分成方式
- 重算照片/幣/分成/固定成本/物料成本與特殊項目。
- 把成本正確映射到班次、女僕與項目。
-
內部系統、POS、資料輸入方式要簡化
- 減少重複手寫與重複輸入,降低錯漏。
- 用 dashboard/POS/統一格式讓資料回饋排班與績效判斷。
-
外部增長可以同步測試(低風險)
- special event、固定活動日、girls-only 類型試驗。
- 網站/SEO/線上預約入口可同步做。
-
品牌定位與對外包裝要更安全清晰
- 用更安全、可操作的包裝方式,避免高風險敘事鎖死自己。
二、會議中的具體重點
A. Data system 要收集甚麼
- 客人甚麼日子來得最多,weekday/weekend 差異
- 不同時段表現,哪位女生帶動哪類客人消費
- 高價值客、回頭客與消費分佈
B. 排班邏輯改為「按數據排」
- 星期六高峰班優先安排能帶動消費的人。
- 星期五/星期日按客群偏好安排特定女生。
- 不再平均分配,而是按回報 assign。
C. 人事制度
- 清晰標準:試用期、正式、寶貝、最低產出、配合度與主動性。
- 低效者有明確處理機制。
D. 即時營運問題
- 落單、記錄、埋單、統計重複工作太多,忙時更難執行。
- 方向:POS/token/dashboard/統一格式,減少混亂。
E. 對外增長
- 可測活動型收入,網站與 SEO 值得做作為預約入口。
三、可執行 action items
第一階段(立即)
- 整理現有數據欄位,補齊日期、時段、客人、女生、消費、來源。
- 建立最小可行 dashboard,先跑 2 到 4 週建立基準線。
第二階段(制度化)
- 訂出 probation/正式/寶貝/低績效處理條件與最低產出門檻。
- 排班規則改為按客群與產出配置,重算成本與分成。
第三階段(增長測試)
- 試一次小型活動,規劃網站 + SEO + 線上預約入口。
- 所有結果回流到同一套 dashboard。
四、簡短判斷
最重要共識不是立刻炒人或立刻改分成,而是先把資料系統、績效標準、排班邏輯建立起來。
Data collection → dashboard → KPI / grading → 排班與人事調整。
這次重組的真正共識
這場會議最重要的結論,不是立刻炒人或重做品牌,而是先把資料系統、績效標準、排班邏輯建立起來,讓後續決策有根據。
先重建資料系統
- 不能再只靠印象決定排班、升降、淘汰。
- 要看 weekday / weekend、時段、女生、客群與消費關係。
- 先建立最小可行 data system,再慢慢擴欄位。
用客人行為去排班
- 追蹤哪位客人偏好哪位女生,消費會否因此提升。
- 星期六、高峰班應排能帶客單價的人。
- 排班本質上是收入配置,而不是行政平均分配。
建立清晰制度
- 把 probation、正式、寶貝、低績效處理條件寫清楚。
- 避免情緒管理,改為用明確 KPI、grading、review。
- 先有標準,再處理人事。
簡化流程與成本
- 落單、記錄、埋單、統計之間目前重複太多。
- 要重算照片、幣、分成、固定成本、特殊成本。
- 未來應以 dashboard、POS 或統一格式減少人手錯漏。
四週節奏,先穩營運,再逐步重組
這份計劃按 change management 的思路設計,先止血、先 pilot、先建立節奏,避免同時大改所有制度導致前線崩潰。
止血與定義基線
- 開每日 closing report,最少記錄營業額、客數、客單價、人工成本、特別事件。
- 定 8 個核心 KPI,讓管理層每日看同一套數字。
- 指定每晚收數據負責人。
- 暫停非必要制度大改,只保留必要營運調整。
建立最低可執行排班邏輯
- 把班次分為高價值班、過渡班、低價值班。
- 把人員分 A / B / C 類,按帶客單價能力與穩定度分類。
- 高價值班至少排 1 名 A 類。
- 建立人力風險名單,先看遲到、缺勤、執行差、無法 upsell。
SOP 與前線管理
- 只先做 5 份 SOP:開店、收店、接待落單、消費記錄、客訴異常。
- 每位員工做一次 15 分鐘 one-on-one。
- 建立班前 briefing、班後 debrief、每週 review 三種固定節奏。
- 開始用簡單評分卡看出勤、執行、upsell、合作、客人互動。
績效管理與人事分流
- 定 3 條底線:出勤、執行、生產 / 銷售。
- 將待觀察人員分為「可 coaching」與「應準備淘汰」。
- 發出 14 天改善單,列明改善項目、衡量方式、review 日期。
- 開始獎勵高價值行為,例如準時、完整 SOP、upsell、回頭客。
試點優化與增長測試
- 做 1 次小型主題活動測試,只看客數、客單價、回頭預約。
- 建立一個較簡單的線上入口,例如表單預約或 landing page。
- 檢查 30 天數據,找出最值錢班次、最值得留的人、最卡流程。
- 開第 1 次重組 review meeting,明確保留、修正、停止項目。
把計劃落地的實際做法
這部分是 Business Analysis 和 HR Management 的交界。目標不是寫漂亮制度,而是讓前線可以執行、主管可以判斷、老闆可以追數。
方法A · 建立最小可行 data layer
- 先只收最有決策價值的欄位,不追求一次過完整。
- 所有資料必須能追溯到日期、班次、客人、女僕、消費項目。
- 先用 Google Sheet / Airtable / Notion table 也可以,重點是先形成習慣。
方法B · 用客人價值而不是情緒排班
- 先找出高價值客常出現的時段與偏好女僕。
- 把高價值班的人力配置做成規則,而不是臨場感覺。
- 每週檢查一次排班結果,看客單價有沒有改善。
方法C · 短週期績效管理
- 不要一年一次 review,改成每週 review + 14 天改善單。
- 用少量清晰指標,例如準時、完成 SOP、upsell、回頭客互動。
- 所有待改善員工都要有明確到期日和結論。
方法D · SOP 先做高頻高錯流程
- 只先標準化最常發生、最容易錯、最影響體驗的流程。
- SOP 必須非常短,可直接貼在後台或手機看。
- 每班後用 debrief 看 SOP 哪裡仍然不實用,再更新。
方法E · 先做小型增長測試
- 活動先小做,不要一開始放很多預算。
- 每次只測一個主題,否則很難知道哪個因素有效。
- 活動效果也要回到同一套數據系統,不要獨立記憶。
營運優先順序
- 排班與人力配置,最重要。
- 數據收集,第二重要。
- SOP 與一致性,第三重要。
- 績效管理,第四重要。
- 活動與行銷,第五重要。
建立可推斷「推し」與排班價值的完整資料結構
核心不是只看單次消費,而是看「客人把錢花在誰身上、持續多久、在誰不在場時是否下降」。這樣才能做準確排班與成本控制。
Entity A · 客人檔案 Customer
- customer_id、來源、首訪日、最近到店日
- 近 30/60/90 日總消費、到店頻率、回訪率
- 當前推し、推斷信心分數、流失風險分數
Entity B · 女僕檔案 Maid
- maid_id、級別、可上班時段、成本等級
- 可帶動客單價、回訪影響、upsell 穩定度
- 高峰班績效與缺席時營收損失估計
Entity C · 消費事件 Spend Transaction
- 每筆消費都要標記對應女僕(不可只記總額)
- item_type(photo/coin/addon)、item_amount、time_slot
- 可回推到該客人在同一班次的花費分佈
Entity D · 推し快照 Oshi Profile
- 用最近 N 次消費計算女僕花費佔比
- Top1 佔比 ≥ 55% 且連續 2 次以上即判定主推
- 產出 next-best maid,支援替補排班策略
- 同步輸出建議班次與毛利敏感度,支援成本控制
可直接使用的資料收集表格
這些表格是整個重組計劃的地基。你可以先用 sheet 版本開始,之後再搬進 dashboard、POS 或資料庫。
表格A · 每日營運總表
用來看班次價值、人工佔比、異常事件。
| 日期 | 班次 | 營業額 | 客數 | 平均客單價 | 當值人員 | 人工成本 | 特別事件 |
|---|---|---|---|---|---|---|---|
| 2026-04-21 | Fri PM | 8,900 | 31 | 287 | BeeBee, Saku, Elly | 2,540 | 高峰時段爆單 15 分鐘 |
表格B · 客人互動與消費明細
每筆消費都必須落到「哪位女僕、哪個項目、多少金額」,才能推斷客人主推。
| 日期 | 客人代號 | 時段 | 消費項目 | 對應女僕 | 該項金額 | 該客人當日總消費 | 近30日主推推斷 | 來源 | 是否回頭客 | 備註 |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 | CUST-018 | Sat Night | Photo Pack × 6 | BeeBee | 920 | 1,480 | BeeBee(信心 0.78) | IG / 熟客介紹 | 是 | BeeBee 缺席班次消費顯著下降,需規劃替補女僕 |
表格C · 女僕績效追蹤表
看每位女僕的穩定度、客單價帶動能力、upsell 與執行表現。
| 日期 | 女孩 | 班次 | 照片張數 | 附加消費 | 帶動營業額 | 準時 | SOP 完成度 | 客人互動評級 | 主管備註 |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 | Saku | Sat PM | 18 | 8 幣 | 2,050 | 是 | 高 | 4/5 | 高峰班有穩定輸出 |
表格D · 班表與人力配置表
把班次價值、人員等級與實際排班對齊。
| 日期 | 班次 | 班次價值 | 預測客數 | A類 | B類 | C類 | 排班原因 |
|---|---|---|---|---|---|---|---|
| 2026-04-23 | Sat PM | 高 | 30-36 | BeeBee | Elly | Mika | 高價值熟客時段,需要 A 類帶動客單價 |
表格E · 改善 / PIP 追蹤表
短週期人事管理,不再只靠感覺。
| 員工 | 開始日 | 改善重點 | 衡量指標 | 14日目標 | 主管 | 結果 |
|---|---|---|---|---|---|---|
| Staff-C | 2026-04-25 | 遲到、無 upsell、流程錯漏 | 準時率 / upsell 次數 / SOP 完成度 | 準時率 100%,每班最少 2 次 upsell | 店長 | 待 review |
表格F · 活動 / 增長實驗表
每次活動只測一個 concept,避免混淆。
| 活動日期 | 活動名稱 | 假設 | 投放成本 | 客數 | 客單價 | 回頭預約 | 結論 |
|---|---|---|---|---|---|---|---|
| 2026-05-03 | Girls Only Test Night | 女性主題活動可拉高新客轉化 | 1,200 | 26 | 318 | 7 | 可保留,需優化流程與宣傳話術 |
表格G · 排班建議輸出表
根據客人主推與替補女僕,輸出每個高價值時段的班次建議。
| 日期 | 班次 | 客人代號 | 主推女僕 | 替補女僕 | 建議安排 | 預估客單價提升 | 信心分數 |
|---|---|---|---|---|---|---|---|
| 2026-04-26 | Sat PM | CUST-018 | BeeBee | Saku | BeeBee 必排,Saku 同班補位 | +13% | 0.81 |
表格H · 成本控制與毛利追蹤表
同時看女僕貢獻毛利與班次人力成本比,避免只看營業額。
| 日期 | 女僕 | 班次 | 帶動營收 | 女僕變動成本 | 貢獻毛利 | 毛利率 | 班次人力成本比 | 建議動作 |
|---|---|---|---|---|---|---|---|---|
| 2026-04-21 | BeeBee | Sat PM | 3,120 | 980 | 2,140 | 68.6% | 28.5% | 保留高峰班,平日改短班 |