怎么衡量价值
门店发进群的签收照片自动填进送货单:2 张照片自动配对,但 46 家门店只有 3 家接入
送货员走后门店才验货,把改好的送货单「10 − 1 = 9」拍照发进 Zalo 群;机器找到送货单,记下实送、支持和退货,排进开票队列。每张照片值几千盾——真正的钱取决于有多少家门店的群接了进来。
门店把单据照片发进 Zalo 群,数字自己进送货单——要多少家门店才划算?
只需要每月给连锁的送货单数、群已接入的门店的送货单占比、门店发照片的占比,以及自动对上正确送货单的照片占比。所有金额都由此推出。每一项都可以改。
由上面四个数字推出
假设——点开逐项查看和修改
会计工时
回款提前
成本
这是估算,不是承诺。把群已接入的送货单占比设为 0:每一行都归零,包括成本。每条「所需」刻度都是在其余三个杠杆保持不变时算出的——刻度超出标尺,意味着单靠这个杠杆做不到。
在繁忙的连锁门店,送货员不会等签字。货放下,车就开往下一站。过一会儿门店员工才验货:少了一袋,在送货单上写 「10 − 1 = 9」,签字,拍照,发到和供应商共用的 Zalo 群里。在供应商这边,这张照片在群里往下沉,直到会计有空把它翻出来, 找到对应的送货单,改好数字,才开得了发票。
本文说的改变是:照片一进群,机器就接手,找到送货单,按纸上写的记下数字,把送货单排进开票队列——没有人需要去翻。 我们测量了一家给超市连锁送货的生鲜食品分销商上线后的头几天。结果一句话说得完:到来的 2 张照片都自动进了正确的送货单 ——而这就是全部照片,因为 46 家门店中目前只有 3 家的群接入了系统。本文计算一张照片值多少钱,以及要多少家门店,整件事 才划算。
1. 改变了什么
- 门店的聊天群与客户档案接通。 公司的一个 Zalo 账号已在群里,消息存入系统的收件箱,挂在对应的门店名下。来自连锁门店 群、带照片的消息,就是机器的活。
- AI 每张照片读一次:是不是送货单,是哪一张,每行写了什么。候选只限于最近七天送给这家门店的送货单。
- 配对。 AI 有把握,或者纸上印的单号恰好只对上一张送货单,照片就进入那张单的签收记录。没把握的,照片留在发票审核界面的 「未配对」框里,附上建议,由会计选择。
- 按纸上的数字记账——只针对草稿状态的送货单——并把单子标为已送达,就像送货员在手机上按「完成」一样。已过账的送货单 不改;差异转到审核界面。
- 排进开票队列。 符合条件的送货单按门店实收数量开票;有异常的等会计查看。不会往群里回发「差异」消息——那张纸正是门店 自己刚发来的。
照片与送货员自己拍的签收单走同一个识别器;不同的是发送者是门店,所以纸上的数字 被视为门店的确认,即使签字签错了栏。
2. 记账规则:「10 − 1 = 9」不等于「把 10 改成 7」
两种看起来几乎一样的手写,是两种不同的业务。规则写在纸面上,机器不必去猜:
| 门店写的 | 系统记的 |
|---|---|
| 减法:「10 − 1 = 9」 | 实送 9,支持 1 |
| 只写新数:「10」→「7」 | 实送 7,退货 3 |
| 写了「退」「换」「拿回」「不收」,或单独的退货数 | 那部分是退货 |
| 整行划掉 | 整行退货 |
| 实收多于发货 | 不记,等人看 |
| 手写加了一个单上没有的品项 | 在连锁收过的品项里找;有把握就加一行,没把握就等会计确认 |
同一品项在送货单上占两行时,机器不自动拆分;同一张照片发两次,只处理一次。
3. 跑了多少
| 项目 | 实测 |
|---|---|
| 连锁门店 | 46 |
| 30 天内给连锁的送货单 | 406(33 家门店) |
| 群已接入的门店 | 3 |
| 30 天送货单中这 3 家的占比 | 45 / 406 = 11% |
| 上线后这 3 家的送货单 / 门店发来的照片 | 5 / 2 |
| 自动进入正确送货单的照片 / 人工选择的照片 | 2 / 0 |
第一张照片:纸上与送货单一致,不用改数;送货单 6 分钟后进入队列,符合条件,正在等会计审批——照片到来时自动开票还没有打开。 第二张照片:一个发货 10 的品项,纸上写 7,没有减法,于是系统记实送 7、退货 3;门店还手写加了 5 公斤单上没有的一种水果, 机器在连锁收过的品项里找到它并加了一行。照片到来 18 秒后,数字已在送货单上,单子已进队列;16 分钟后有了发票。 那第一张 发票当天下午不得不作废重开,因为发票上的买方信息、品名和价格还没配置好——这是第一天的配置失误,但应该说出来。
两张照片不是统计。它们说明这套机制能从头跑到尾,也说明真正的瓶颈在哪里:11% 的送货单。
4. 第一个来源:会计工时
怎么测。 给会计用老办法处理十张来自群里的单据照片计时,再数下个月的照片:自动配对的、人工选择的、「不是送货单」的。
可信度: 每张单是中等,数量是低——80% 的自动配对率是比实测 2 张中 2 张更保守的假设。
5. 第二个来源:发票早开,回款早到
可信度: 低。在这次改变之前,连锁的发票是在会计软件里开好再同步回来的,不与送货单挂钩,因此在系统里量不出发票原来晚了 几天。这一项很小,我们让它保持小。
6. 要减去的:AI 识别照片
每张照片识别一次;计算器每张减去 1,000 盾:上例中约每月 1.8 万盾。
7. 加起来
| 来源 | 每月 | 每年 |
|---|---|---|
| 会计工时减少 | 8.3万 | 100万 |
| 发票早开 | 2.3万 | 27万 |
| AI 识别照片 | −1.8万 | −21万 |
| 净收益 | 8.8万 | 106万 |
每张自动配对的照片约值 7,400 盾;扣掉识别成本,每张到来的照片约值 4,900 盾。机制从第一张照片起就是赚的——但每月 18 张, 加起来不到十万盾。
计算器里的子弹图把问题反过来问:搭建花费 800 万盾、希望 12 个月内回本(每月约 66.7 万净额),每个杠杆单独要到多少? 群已接入的送货单占比要到约 83%。门店发照片的占比、自动配对率、每张单节省的分钟——没有一个能单独做到;「所需」刻度跑出了标尺。
8. 这个 ROI 建立在哪些假设上
接入了多少个群。 只有这个杠杆够大,而它是人的工作,不是机器的:把公司账号加进每家门店的群,把群挂到客户档案上。把群已 接入的送货单占比设为 0:每一行都归零,包括成本。其他不变、设为 100%:每月约 80 万;如果门店为 80% 的送货单发照片:约 160 万。
门店发不发照片。 5 张送货单 2 张照片,少到不能叫比例。只有送货员在验货前就走了,门店才会发照片;当场签收的门店不需要照片。
自动配对率。 2 张中 2 张是对的,但几天内收两趟货的门店会让 AI 犹豫,那张照片就会留给会计选。在第一个月的数字出来之前, 计算器用 80%。
记账规则是业务规则。「减法是支持,新数是退货」是这家公司与这家连锁之间的约定。约定不同的地方,规则要跟着改,而不是交给机器去猜。
9. 在你自己的公司里测
- 取基线。 用一周:数门店发到聊天群里的单据照片,给会计处理计时,记下这些送货单从送货到开票的天数。
- 先接通群,再继续测。 起决定作用的数字是经过已接入群的送货单占比;把它当作指标每周跟踪。
- 7 天和 30 天后重测: 收到的照片、自动配对的、人工选择的、「不是送货单」的、从照片到发票的小时数——再把真实数字填进计算器。
10. 值得记住的
聊天群里的一张照片已经是证据;系统的任务是别让它沉下去。 机器几分钟就做完这部分,头两张都做对了。决定金额的部分在机器 之外:有多少家门店的群接了进来。
自动化一张照片很容易。难的是让每一张照片都走同一扇门。
实测数据来自一家食品分销商和一家超市连锁上线后的头几天,已匿名化;样本非常小,之后会重测。分钟数、提前天数、资金成本、 AI 成本和搭建成本都是示例数字。请换成你自己的数字。
继续阅读
-
超市的补单:每26张采购单就有一张,只有收货单认得出
门店开一张采购单并当天入库,用来补还没有采购单就已送达的货。采购单抬头仍写「明天送货」,所以补单很容易被送第二次,而它背后的货开不出发票。基于1,258张采购单的测量,以及一个用数据选定的匹配门槛。
-
送货班组的一天,一个页面:43% 的送货单在送达前过账,退货没人能记
仓库在车开出时就把送货单过账;司机的页面把它读成「已完成」并锁住退货栏。实测 14 天:提前过账的送货单只有 1% 有签收单、0.4% 有退货数,对照组是 89% 和 15.5%。把送货单重新交给司机,再加一个用 AI 读照片的车辆与油费标签页——每月能省多少。
-
无需注册试用ERP里的Zalo:2秒进入真实收件箱——还没有人停留30秒
试用页面把访客直接带进真实的ERP收件箱,一条示例消息刚刚到达,没有表单,没有密码。来自广告的43次访问:35次在2秒内进入收件箱,5次停留10秒,没有一次停留30秒。一次演示要花多少,试用能替代多少。