全部案例
營運 / 需求預測・觀光農場來客數預測係數

備料排班靠老闆的直覺,
明天來幾人,前一晚算好。

如果你是餐飲或休閒場館主管——

是不是每天看一眼天氣,就憑經驗決定叫多少菜、排幾個人?抓多了倒掉、抓少了缺餐。這套判斷只在老闆腦袋裡,他一休假就沒人敢做決定。

Agent 可以幫你把氣象預報、來客係數表、營運資料夾、LINE 群組串在一起:照你們的係數算明天來客,備料排班你確認才發。

看範例:一間觀光農場的週六備料 ↓

Claude Codevisitor-forecast-agent
明天預估多少人?備料要抓多少

先抓氣象署明天的預報,再讀三年來客紀錄和你們的五個係數。

●web.fetch 氣象署・明日鄉鎮預報⎿ 陰短暫雨・20°C・濕度 78%
●sheets.read 來客紀錄與係數表⎿ 3 年紀錄・5 個係數

明天預估 73 人:雨天 ×0.6、濕度偏高 ×0.9、週六 ×4.5。建議備餐 85 份、外場 4 人。上週六也下雨,實際來 69 人。

●sheets.write 每日預估表・10/17⎿ 預估 73 人・備餐 85 份

建議寫好了:備餐 85 份、外場 4 人、廚房 3 人。覺得這季客人對雨更敏感,係數可以調,我重算。OK 就說「放上去」,存進營運資料夾,並推給場主和廚房長。

好,放上去
●drive.write 營運資料夾・明日備料排班⎿ 10/17 建議單已存
●line.push 場主・廚房長群組⎿ 明日預估與備料已送出
回覆 Claude…↑
氣象署 — 鄉鎮預報Claude 讀取中
氣象署預報明天 週六

陰短暫雨,降雨機率 60%

✓
氣象署預報氣溫

18–22°C,在最適區間內

✓
氣象署預報濕度

78%,高於最適的 50–70%

✓
氣象署預報後天 週日

多雲時晴,24°C

✓
每日預估表 — 10/17Claude 寫入中
A 因子B 明天C 係數
2基準客數平日均值30 人
3天氣/濕度雨・78%×0.6×0.9
4氣溫/月份20°C・10 月×1.0×1.0
5星期週六×4.5
6明日預估—73 人
場主・廚房長(4)Claude 傳送中
來客預測 Agent

📅 明天 10/17(週六)預估 73 人
陰短暫雨,雨天係數 ×0.6
→ @廚房長 套餐備 85 份
→ 外場 4 人、廚房 3 人

廚
廚房長(廚房)

收到,套餐 85 份

場
場主(場主)

外場我多留一位機動

以 Claude 打造 · 實際導入案例 · 觀光農場

餐飲、休閒場館主管常問的三題

Q叫多少菜、排幾個人,能不能不靠老闆經驗?
來客預測 Agent 抓氣象署明天的預報,讀三年來客紀錄和店內的來客係數,算出明天來客數,建議備餐份數和外場、廚房人數。導入後,來客預估誤差從 ±35% 降到 ±12%,單日備料浪費率從 15–20% 降到 5% 以下,排班空轉從每月 30 多小時降到 10 小時。
Q來客預測 Agent 要接哪些系統?
四樣:氣象預報、來客係數表、營運資料夾、LINE 群組。氣象預報抓明天天氣,係數表放來客紀錄和係數,營運資料夾存每日備料排班,LINE 群組推給場主和廚房長。
Q係數不準的時候,可以自己調嗎?
可以。覺得客人對天氣的反應變了,係數可以調,Agent 會重算;備料和排班建議也是你說「放上去」才存檔、推給場主和廚房長。

更新於

導入後的改變

  • 來客預估誤差:±12%以前:±35%
  • 單日備料浪費率:5% 以下以前:15-20%
  • 排班空轉時數:10 hr/月以前:30+ hr/月

天氣還是每天在變。
只是這一次,老闆休假,數字照樣算得出來。

我們幫你建

把這支來客預測 Agent,接上你們的系統

我們完成建置,交付一支能上工的 Agent。

  • 依你們實際的流程與規範打造,不是通用模板
  • 約四週交付一支能上工的 Agent,含知識庫與操作手冊
  • 交付後附三個月諮詢期
自己建立

自己建立這套 Agent

4 小時實體課,用同一套方法,把你們自己的流程做成 Agent。

  • 全程自然語言,不碰半行程式碼
  • 從你自己的真實流程開始做,離開時手上就有一套能跑的東西
  • 同一堂課可以回來再上,不限次數
看 4 小時實體課
NEWSLETTER

訂閱智谷電子報

把 AI 用進工作的做法、新課程與開課場次,直接寄到你的信箱。

Email 只用來寄智谷電子報,不會提供給其他公司做行銷;每封信最下面都能退訂。隱私權政策