aicanyin
下午两点半，店里还剩两个外卖员在等餐，前台小姑娘刷了二十分钟手机，后厨师傅靠在墙角打哈欠。
这个画面，开过外卖店的老板应该都熟。午高峰一过，单量断崖式下跌，但该上班的人一个也走不了——因为没人知道下一单几点来。于是，低峰时段成了人力成本的黑洞。
低峰时段的钱，到底亏在哪？
先说一个扎心的数据：中国饭店协会发布的《2024中国餐饮行业年度报告》显示，连锁餐饮的人力成本占营收比例平均在22%左右。而对中小外卖店来说，这个数字常常超过30%。
问题不在于人招多了，而在于人的时间被切碎了用。我见过一家做简餐的店，午高峰出300单，下午两点到五点一共出23单，却养着白班6个人。店长跟我说：“不敢放人走，万一突然来个大单呢？”
这就是低峰时段人力配置的尴尬局面——你为不确定的订单养着确定的人，这笔账怎么算都亏。
智能取餐柜真正改变的是“时间错配”
很多人把智能取餐柜当成一个简单的“放餐的柜子”，其实它解决的是交付环节的同步问题。外卖员到店不用报号、不用等，扫码拉开柜门拿走就走。对门店来说，餐品放进去的瞬间，这笔订单就算“交付完成”了。
这有什么好处？备餐和交付解耦了。低峰时段最常见的浪费是：餐做好了，骑手没到，餐在台面上凉着，人还得盯着。有了取餐柜，前厅员工可以把出餐时间提前，把等待时间压缩到零。
取餐柜的核心价值，是把高峰期抢出来的时间，挪到低峰时段去干别的事。比如提前备料、打扫卫生、准备晚高峰的预制品，而不是让员工干等着骑手出现。
配送AI怎么帮你动态排班？
再说配送AI。这里说的不是让你去开发一套算法，而是用好平台已经开放的运力调度能力。
美团外卖的一位调度算法工程师跟我说过一句话，我印象很深：“排班问题本质上是个预测问题，不是管理问题。”什么意思？人怎么排，取决于单量怎么变。而单量变化是有规律的——天气、商圈、节假日、周边活动，这些变量都能被模型算出来。
实操上，你可以做三件事：
- 把过去三个月的订单数据按小时导出，算出每个时段订单量的平均值和波动区间，用这个做基础排班表；
- 利用平台的营业时间建议和运力预估功能，在预报低峰时段主动关闭“一秒接单”模式，改成“预约单优先”，避免被零散订单打断节奏；
- 把取餐柜的满柜率、平均取餐时长这些数据，作为调整人力的参考——柜子开始频繁满柜，说明前厅该加人了；柜子空一下午，放一个人盯就够。
这套打法有个前提：门店必须准确率高，备餐速度稳定。配送AI再准，也架不住你出品忽快忽慢。
算一笔账：小门店到底值不值得搞？
有人问：智能取餐柜一台要几万块，配送AI又要额外服务费吗？
柜子的成本确实要算。目前市面上一台双面取餐柜的价格在1.8万到3.5万之间，加上维护和占地，一年摊下来大约1万到1.2万成本。但你算算低峰时段浪费的人时：一个员工每小时成本25元，每天浪费3小时，一年就是2.7万。省出一个人时，柜子钱就回来了。
至于配送AI，大部分能力已经集成在商家后台里，不需要额外采购。据艾瑞咨询发布的《2025年中国即时配送行业研究报告》，头部平台通过智能调度让平均配送成本下降了约18%。这个数不一定适用于每个商家，但方向很明确：算法比你更清楚顾客什么时候下单。
最后说句实在话：智能设备不是用来裁员的，是用来让现有的人干更有价值的活。低峰时段的人效提上来，利润自然就回来了——周末多加个兼职的钱，都比养闲人划算。
如果你也正被低峰期的人力成本压着，别急着买柜子，先把未来两周每个小时的订单数据导出来看看。数据不会骗你，问题出在哪一目了然。有人可能还会问：无人配送车什么时候能替代骑手？目前看还远。取餐柜负责最后三米的交付，配送AI负责路上的调度，人的灵活应变仍然没法被完全替代。与其纠结要不要上全套智能设备，不如先把柜子的交付数据用起来——它已经在改变外卖后厨的节奏了。
