加盟商借助 ChatGPT 工作，将现金对账耗时缩短 94%

在半导体行业工作 25 年后，Ted Taylor 转行进入餐饮业。如今，他是一位独立加盟商，在新墨西哥州经营着三家 Schlotzsky’s 与 Cinnabon 双品牌餐厅。

经营快餐店既要兼顾顾客体验，也要处理大量顾客看不到的工作，比如菜单定价、人员配置、设备维护和制度制定。Ted 利用 OpenAI 技术，更快地完成这些工作。

Ted 借助 ChatGPT 加快调研和文稿起草等耗时任务，并使用 ChatGPT 工作收集、分析定价、销售、预测、排班和用工等方面的大量数据，获取关于各家餐厅需重点关注事项的建议。这让他的调价耗时减少了 95%，每次薪资核算也省下了 4 小时。

菜单调价是一项年度工作，需要综合分析配方成本、菜品受欢迎程度、本地竞争对手定价、份量，以及店内订单与外卖订单不同的成本收益结构。Ted 使用 ChatGPT 工作综合考量这些因素，只需 1–2 小时就能获得定价建议，而过去需要 5 天。

Ted 首先使用 ChatGPT 工作，根据本地竞争对手的定价趋势、份量和食品质量对比，研究并确立自己的定价目标与策略。随后，他向 ChatGPT 工作提供一份分类菜单清单，其中列有各项当前的店内价和外卖价。他主要依据 ChatGPT 此前的分析，指定两类价格各自的整体涨幅，以及哪些菜品应多涨、哪些应少涨。

他还可以补充各菜品的历史销售数据和供应商报价，让分析更加细致。ChatGPT 工作可以根据这些信息，估算调价对销售的影响，并围绕商品成本目标优化每道菜品的定价。

ChatGPT 工作会生成一份电子表格，列出建议的店内价和外卖价。它甚至会将价格调整与整体定价策略相结合，以改善经营成效，例如留住顾客、尽量降低涨价带来的冲击，以及为加购品项找到最佳定位。

Ted 第一次使用 ChatGPT 工作进行定价时，也手动做了一遍分析。他说：“ChatGPT 工作对本地市场做了更深入的比较，帮我避免了一些会让菜品失去竞争力的提价。”Ted 随即改为先用 ChatGPT 生成初步建议。

Ted 从两方面借助 ChatGPT 工作管理人工成本：一是审视三家餐厅的用工情况，二是尝试更好的每周排班方法。

在用工分析方面，Ted 为 ChatGPT 工作提供了销售和用工数据的只读访问权限。运行分析时，它会将排班工时、预算工时和实际工时，与预测及实际销售额进行对照。它还会回顾过去 12 周的数据，将门店销售额经常高于或低于预测的情况纳入考量。生成的报告会标记加班、超出计划时长的班次和人员缺口，并突出显示经理应重点检查的事项。

在排班测试中，Ted 向 ChatGPT 工作提供了一份员工名册，其中包括每个人的岗位、培训情况、可工作时段和薪酬，以及门店在不同销售水平下的人员需求。他和门店经理将 ChatGPT 工作建议的排班表与经理自己会制定的排班表进行比较，发现其中缺少有关繁忙时段何时增派人手的规则，于是完善了给 ChatGPT 工作的指令。

现在，ChatGPT 工作已经能为这家门店生成完整的排班表。经理检查后，按需调整，再将其录入餐厅的排班系统。Ted 估计，更合理的排班最终有望让三家餐厅的小时工成本占销售额的比例降低 1–2 个百分点，每年可增加 5 万至 10 万美元的自由现金流，用于加薪、发放奖金、业务投资或增加利润分配。

Ted 还将 ChatGPT 工作用于日常运营，包括制定人力资源政策、现金对账，以及管理物资和维修申请。 

当新墨西哥州开始要求餐厅保留体液污染事件的书面处理流程时，Ted 用 ChatGPT 在约 30 秒内就起草了一份。当 Ted 需要为员工手册补充社交媒体政策时，ChatGPT 帮他快速拟定了相关指引，随后外部人力资源公司审核时未作任何修改。

Ted 使用 ChatGPT 工作，每月为三家餐厅进行现金对账。他上传各门店的现金交易数据和银行记录，ChatGPT 工作便会将交易与对应的存款逐一核对。每月对账过去需要 3 小时，现在只需 5–10 分钟。他还使用 ChatGPT 工作汇总薪资核算所需的数据，每个发薪周期都能节省 4 小时的人工操作。

为保障餐厅顺畅运营，Ted 还用 ChatGPT 工作搭建了一个网站入口，让员工可以申请物资或报修。这个网站会通过专用电子邮箱通知他，并跟踪每项申请的状态。

Ted 使用 ChatGPT 工作的方法，对任何小企业主都具有实用价值。他把自己决策时会用到的数据和准则提供给 ChatGPT，再将其输出结果与自己的做法进行比较。随着对结果越来越有信心，他逐步将其用于更多经营事务，但始终坚持先审核结果，再付诸实施。

对 Ted 而言，ChatGPT 工作的价值不仅在于节省时间。如今，他能够开展过去可能无暇顾及的分析，并将更多时间投入顾客、员工和业务发展。