餐饮行业的AI，最容易买错在第一步
我们和宁波本地几家海鲜餐饮、连锁小吃聊下来，发现一个共同误区：老板看到同行在做短视频，就以为AI的用处是“帮我拍片子”。结果花了几千块做数字人口播，拍了两条没水花，就判定AI没用。
问题不在AI，在选错了第一件事。门店里真正高频、重复、又必须人写的，是这三样：菜单和套餐的文案、点评和私信的回复、短视频素材的脚本。它们的难度和见效速度完全不一样。
第一件：点评回复——最快见效，也最容易被忽略
一家中等生意的店，大众点评、美团、抖音私信加起来，一天几十条很正常。店长回一条要一分钟，一天就是一小时，而且回得越晚越容易变成差评。
可落地的做法不是让AI“自动回复”，而是让它先分类再拟稿：
- 先打标签：好评 / 中性 / 有具体投诉（菜品、上菜慢、服务、环境、价格）/ 咨询类（订座、包厢、停车）。
- 再分策略：好评走“感谢+复购钩子”，中性走“追问细节”，投诉走“认领+补救+线下联系”，咨询走标准答案。
- 人只做最后一道：AI出三版草稿，店长挑一版改两个词发出去。原来是写三条，现在是选一条。
我们把这套做得细一点时，还会把门店自己的“补救话术库”喂进去——比如等位超时送什么、菜品问题怎么处理。这属于 用文档喂给AI：企业知识库落地 里讲的那套：先有你自己的料，AI才说得出你的话。
第二件：菜单文案——卖点提炼，不是堆形容词
很多店的菜单是十年前写的，“鲜美可口”“回味无穷”这类词占了一半。AI改写菜单最容易翻车的地方，就是把它写得更华丽而不是更有效。
正确的方向是把形容词换成信息。比如一道海鲜，与其写“鲜美无比”，不如写清楚：产地、到店时间、做法、分量够几个人、辣度、出品时间。这些信息才是顾客决策时真正要看的。
具体流程：把现有菜单条目和你的口头介绍录下来 → 整理成“菜品信息表” → AI按统一句式生成三档版本（精简版 / 详细版 / 套餐版）→ 老板过一遍改错。一份四十个菜品的菜单，原来要磨一周，现在两天能出。
第三件：短视频——一家店别追爆款，先追稳定输出
短视频能做，但一家单店追爆款是错误目标。更现实的目标是：每周稳定出三条可用素材，覆盖“菜品怎么做的”“今天有什么”“客人常问的问题”三类，让同城的人刷到你时知道你还在营业、有什么好吃的。
拍摄可以很土，手机固定机位就够。AI在这件事上的价值是脚本和选题：把点评里客人反复夸的、反复问的整理成选题库，一条片子只讲一个点。这套方法我们在 AI短视频矩阵生产流程 里拆过，单店只是把规模缩到最小。
一条能照着排期的落地顺序
- 第 1 周：只做点评回复。把过去三个月的点评导出来，跑分类，定四类回复策略。
- 第 2–3 周：整理菜品信息表，改一版菜单文案，先改卖得最好的十个菜。
- 第 4 周起：用点评里的高频问题做短视频选题，每周三条，先跑一个月看数据。
每一步都要用真实内容跑，不要拿演示数据自欺欺人。这一点和 宁波中小企业AI落地清单 里强调的一样：验证必须发生在真实业务流里。
有一条红线不能碰
餐饮是强监管行业，AI不能替你编造菜品信息——产地、规格、过敏原、价格，这些必须是真实的，AI只负责表达。点评回复里也不能编造“已私下处理”这种没发生的事。边界守住，工具才用得久。
想按自己门店的情况捋一遍
单店、连锁、外卖为主，三种打法完全不同。如果你在宁波，想把点评回复这块先跑起来，直接 联系我们，带上你最近一个月的点评截图，我们看一眼就知道值不值得做、第一周该卡在哪。