01 · Current Situation
現在你每天的工作是這樣
場主清晨看一眼天氣 App，憑十幾年經驗決定今天叫多少菜、排幾個人。週末預留多一點，平日抓少一點，颱風天多訂備不時之需。但去年中元連假預估錯一倍，餐點全倒；五月清明完隔天又突然爆滿，廚房直接崩盤。整個營運的節奏，繫在老闆一個人的腦袋裡——他休假，下面沒人敢拍板。
02 · Pain Points
這樣做，會遇到什麼問題
✗
備料憑感覺
抓多了當天倒掉，抓少了現場缺餐。月底盤一次成本，浪費率年年沒變。
✗
排班錯位
假日忙到外場崩潰、平日三個人坐著聊天。人事費沒有跟著客流走。
✗
經驗無法交接
「天氣冷一點客人就少」這種判斷只在老闆腦袋。新人接手前三個月，就是學猜。
03 · Measurable Impact
導入後的改變
來客預估誤差
±35%
↓
±12%
單日備料浪費率
15-20%
↓
5% 以下
排班空轉時數
30+ hr/月
↓
10 hr/月
04 · AI Workflow
AI 工作流解法
01
三年實證數據建立基線
把民國 111–113 年的每日來客 × 天氣 × 溫濕度 × 月份歷史資料整理成一張長表，跑灰色關聯度分析（適用小樣本），算出每個環境因子對來客數的影響權重。氣溫 Γ=0.612、濕度 Γ=0.653。
02
五個係數模組化拆解
把預估公式拆成可獨立調校的五個維度：天氣（晴/陰/雨/颱風 7 級）、氣溫（最適 18–26°C）、濕度（最適 50–70%）、星期（平日 vs 假日，差 4–5 倍）、月份（5 月谷、7 月與 11 月峰）。任何一個都能單獨微調，不必整套重訓。
03
管理員調校介面
場主登入後台直接拉桿改係數，例如「我覺得這季客人對天氣更敏感」就把雨天係數從 0.6 拉到 0.5，按存檔即時生效。重置鍵一鍵回到實證預設值，不怕改壞。
04
每日預估自動下發
系統每晚 22:00 抓隔天氣象局預報，套上五係數乘法（基準客數 × 天氣 × 氣溫 × 濕度 × 星期 × 月份），把明日預估客數推到場主與廚房長 LINE。備料、排班一份共識的數字。
Next.js / Vercel
灰色關聯度分析
中央氣象署 API
Supabase
LINE Bot
05 · Actual Output
實際做出來的畫面
ASCREEN
係數調校面板
五大維度全部可拉桿微調，每個係數旁標示實證來源（虎頭山 111–113 年）。場主看得懂、改得動、改壞了一鍵還原。
PREVIEW · 係數調校
天氣・氣溫・濕度・星期・月份
晴
1.00
1.00
陰
0.85
0.85
雨
0.60
0.60
陣雨
0.45
0.45
大雨
0.30
0.30
豪雨
0.15
0.15
颱風
0.05
0.05
資料來源：虎頭山 111–113 年實證數據（Γ=0.612）
BSCREEN
明日預估卡片
拆解每個係數的貢獻：今天因為「下雨 ×0.6 + 假日 ×4.5」，預估 580 人。看得到組成，不是一個黑盒數字。
PREVIEW · 明日預估
2026-04-30 · 週六
580
人 · 預估區間 510–650
天氣（雨）×0.60
氣溫（22°C）×1.00
濕度（65%）×1.00
星期（六）×4.50
月份（4）×0.95
每個係數的貢獻拆給場主看，不是黑盒數字
CSCREEN
月份高低峰熱圖
把月份係數視覺化成熱圖：5 月谷、7 月暑假峰、11 月落羽松/柿餅季峰，年度行銷檔期一目了然。
PREVIEW · 月份熱圖
年度 12 個月係數視覺化
1月
0.85
0.85
2月
0.95
0.95
3月
1.05
1.05
4月
0.95
0.95
5月
0.65
0.65
6月
1.00
1.00
7月
1.40
1.40
8月
1.20
1.20
9月
1.05
1.05
10月
1.10
1.10
11月
1.35
1.35
12月
0.90
0.90
7 月暑假與 11 月落羽松/柿餅季是雙峰，5 月清明後是低谷
Live Demo
在線上看實際運作的係數調校頁
把場主的肌肉記憶，
變成全場可讀的乘法公式。
傳承的不是「天氣冷客人會少」這句話，而是「冷到 12°C 對應係數 0.78」的具體數字。新人第一週就接得住，老闆終於能放心休假。
Designed & Implemented by
觀光休閒業 · 營運主管