南昌本地生活服务商家，AI 先从这四个场景用起来

在南昌做本地生意，很多店的运营其实是老板自己在兼。青山湖的汽修厂、红谷滩的美甲店、中山路的小餐饮，人手就那么多，谁也没空研究模型参数。所以这篇不聊技术路线，只讲四件能马上上手、几乎不花钱的事：评价回复、活动文案、预约提醒、常见问答。每一件都说清前提——前提不对，AI 干出来的活还不如一个刚来的实习生。

先纠正一个顺序：不是先上系统，是先把手上的东西写清楚

我们接触过的南昌商家，十有八九开口就是“有没有那个 AI 软件，装一下”。

真实情况是：AI 答得好不好，八成取决于你喂给它的素材。它不知道你家停车场两小时免费，不知道周末套餐不能用，不知道技师小王周三休息。这些不写下来，模型只能编，而且编得理直气壮。

所以先做的一步是把门店的“事实”和“说法”落成文字。不用多漂亮，能看懂、能复制粘贴就行。

类别	要写下来的东西	常见遗漏
门店事实	地址、营业时间、停车规则、能否带宠物、有无儿童座椅	节假日是否照常营业
价格与套餐	明码标价、套餐含什么、不可用日期、加价规则	套餐里“不含”的那部分
预约规则	提前多久约、怎么改约、迟到多久释放、定金退不退	迟到 15 分钟算不算爽约
高频问题	顾客真问过的前 30 个问题 + 你自己的答法	发票、能否外带、洗手间在哪
禁忌话术	不能承诺的东西（赔偿、疗效、夸大效果）	医美、口腔、健身的合规边界

这张表填完，后面四个场景都能直接复用。这也是为什么我们说，企业知识库这类东西的价值不在于“库”这个字，而在于逼你把话讲清楚。

场景一：评价回复，先把骨架做出来再让 AI 填肉

美团、大众点评、抖音团购的评价回复，见效比较快。一条差评底下挂着“感谢您的宝贵意见，我们会持续改进”，等于告诉所有潜在顾客：这家店没人管。

数据前提：导出近 30 到 90 天的真实评价，至少 50 条，好评中评差评都要有。没有这批数据，AI 写出来的语气一定不对。

做法：按星级和问题类型分类，做 8 到 12 条回复骨架。比如“等位超过 40 分钟”一类，“口味偏咸”一类，“服务态度”一类。骨架里写明必须回应什么、必须给什么动作（下次送一份小吃、安排店长回电），剩下让模型按具体评价补细节。

我们踩过的坑：有家店开了全自动回复，结果它给一位投诉上菜慢的顾客回了“已为您安排优先出餐”，可顾客两小时前就走了。这种事出一次就够麻烦。稳妥的做法是 AI 起草、人过一遍，差评和涉及钱、涉及身体（美业、口腔、健身）的评价尤其要人看。

场景二：活动文案，不给成本约束就是让模型帮你亏钱

节日促销、团购套餐、社群接龙、朋友圈九宫格，这些文案写得慢。交给 AI 是对的路子，但约束条件得先摆出来。

数据前提：套餐的成本结构、可用时段、库存上限、过往核销率。模型不知道你一份双人餐的食材成本是 68，你让它写“人均 39 吃到饱”，它写得很欢，你核销得心疼。

做法：给一段固定前缀——门店类型、客单价、目标人群、不可用日期、毛利红线、不能出现的词——再让它一次出 10 条，你挑 2 条改。比一次只要 1 条靠谱得多，因为改比从零写快。

坑：模型偏爱夸张表达，“全场通用”“错过再等一年”张口就来，既容易引起纠纷，也可能踩广告法的线。把禁用词直接写进提示词，比事后一条条检查省力。

场景三：预约提醒，靠的不是文案是数据结构

美业、口腔、汽修、宠物洗护，最怕顾客不来也不说。提醒消息本身很简单，难的是数据。

数据前提：预约必须结构化——时间、项目、技师、手机号、是否首次到店，建议落在一张表里。很多门店的预约还躺在微信聊天记录中，这种状态下上任何自动化都是白搭。

做法：两级提醒。到店前一天下午发一次，附带改约入口；当天提前 2 小时再发一次，就一句话。AI 在这里的用处是生成不同语气版本（老客、新客、高客单价项目）和应对“我想改时间”的自动回复。

坑：模型算日期会错。让它写“下周三”这种相对时间，经常偏移一天。凡是涉及具体日期，要么在提示词里写死“6 月 18 日（周三）”，要么让程序填模板，AI 只负责措辞。这条我们在AI 工作流自动化的项目里反复验证：时间、金额、人名，交给代码，别交给模型。

场景四：常见问答，前 30 个问题就是你的第一版知识库

顾客在微信、抖音私信里问的东西，八成重复：几点开门、有没有停车位、能不能带小孩、套餐能不能叠加、支持什么支付方式。

数据前提：把最近三个月客服和老板被问过的问题抄下来，去重，排序，凑出 30 条。每条配一个标准答案，再加一句“答不上来时怎么办”（转人工、留电话）。

做法：这 30 条先做成话术库，人工用；用顺了再接到公众号、企微或小程序里做自动答复。到这一步，才谈得上向量库、RAG 那些词。

顺带说一句：这些问答整理好之后，除了客服能用，对 AI 搜索也有用。现在不少人找店直接问 AI“南昌青山湖附近适合带娃的餐厅”，你的门店信息写得越清楚、越结构化，被正确提及的机会就越多。这块属于南昌 GEO 优化的范畴，前提还是同一件事——事实先写清楚。

四个场景的投入对照

场景	需要的数据	见效周期	主要风险	建议起步方式
评价回复	近 30 到 90 天评价，50 条以上	1 到 2 周	乱承诺、语气假	AI 起草 + 人工过
活动文案	套餐成本、可用时段	当天	定价亏、违禁词	一次生成 10 条挑 2 条
预约提醒	结构化预约表	3 到 4 周	日期算错、打扰过度	模板由程序填，AI 只改措辞
常见问答	30 条高质量问答对	2 到 4 周	答案过期没人更新	先做话术库，再上系统

什么时候才该真的上一个系统

判断标准不复杂，满足两条以上再考虑：问答对超过 50 到 80 条、有两家以上门店、三个人以上要共用、需要接到公众号或企微或小程序或电话。

到了这个阶段，选项一般两种。一种是放在云端 SaaS 里，开通快，按月付费，适合单店；另一种是把模型和数据放在自己这边，也就是私有化部署，适合顾客信息敏感的口腔、医美、教培，或者门店多、调用量大的连锁。两种成本差别不小，要看模型规格、并发量和是否需要定制，以实际方案与报价为准。

还有一点常被忽略：模型调用按量计费，评价回复这种一天几十条的用量，成本可以忽略；但如果接了全量客服自动答复，月底账单可能比人工还贵。所以我们会建议同时把用量监控做上，先设一个月度上限，超了自动降级到人工，别等账单出来才发现。

这周就能做的一件事

不用等预算，也不用开会。找个安静的晚上，把手机里顾客问过的问题翻一遍，抄出 30 条，每条写一句你自己的答法。写完你会发现，有些问题你自己都没想清楚——比如“迟到多久算爽约”“套餐能不能拆开用”。先把这些定下来，再谈 AI，顺序反了就是白花钱。

整理过程中如果卡住，或者拿不准哪些内容适合交给模型、哪些必须人工兜底，可以直接找我们聊。冬酿科技在南昌青山湖区，帮本地商家做过问答梳理，也做过连锁的私有化部署，电话 400-873-2750，或者在线留言，一般当天回。