制造业的AI陪跑案例很多，服务业反而少有人写。但连锁门店恰恰是AI陪跑回报很快的场景：门店多、动作重复、数据天天有、店长最缺的就是"一张有用的表"。这里用一家三十多店的生活服务连锁做样本，把60天里每周实际发生的事、卡在哪、怎么过去写出来。案例细节做了脱敏合并，但节奏、卡点和数字都来自真实项目的常见形态，可以直接当成服务业陪跑的排期参考。

第1到2周：跟店走线，把痛点变成数字

进场前两周不写代码，只做两件事：顾问跟着督导跑五家店走完整动线，以及把各店系统数据翻出来。真实痛点是：每天几十个客户咨询靠店长手写跟进、漏掉的多；会员复购全靠月初群发，核销率不到百分之五；排班按固定班走，周末高峰总缺人。诊断报告把这些写成数字——漏跟进客户月均两百多条、群发券浪费的短信成本、高峰流失的订单估算。这份量化诊断第一次让区域经理意识到"漏掉的机会"一年能到六位数，后来成了预算获批的关键，也锚定了首个试点。

第3到4周：定试点，搭专班，接数据

场景清单列了十二项，圈定"客户咨询智能跟进"作为首个试点——单店可闭环、效果一个指标就能衡量（跟进率）、不需改ERP。同期三件事：把会员系统和企微打通，导出近半年咨询与成交数据；定义"有效跟进"的标准（24小时内触达、带个性化话术）；组建专班，由运营总监挂帅，两名区域督导和一名IT进组，每周投入约六小时。卡点是数据权限卡了五天——IT怕开放会员数据，后来由运营总监拍板签了数据使用范围授权才解开，这步提醒企业侧配合比技术更关键。

第5到7周：话术生成与店长试用

模型第一版生成的跟进话术被店长吐槽"像机器人群发"，这正是服务业AI的正常起点。处理办法三轮迭代：把优秀店长的真实话术做成示例库让模型学语气；按客户类型分群生成不同版本（新客、沉睡客、投诉客）；加约束"禁止承诺未授权优惠、必须留退订入口"。到第七周，店长愿意用的版本是"AI出三版草稿、店长选一版改两句发出"，接受度立刻好转。关键决策是明确AI定位为"店长助手"而非"替代店长"，一线才有动力配合，否则会各种绕开。

第8到9周：指标验证与排班试点扩展

先验证首试点：以试点前两周为基线，对比客户跟进率和券核销率。结果是跟进率从不足四成提到九成以上、券核销率从不到五个点翻倍。区域经理拿着这数字去总部要了第二期预算。同时启动第二个小试点——基于客流预测的排班建议，先在两家居高不下的店跑。这一步验证了陪跑的复利：第一个场景买的是数据管道、专班能力、员工接受度，第二个场景直接复用，速度快了一倍。

第10到12周：能力交接与复制手册

最后三周做两件事。一是验证指标稳固：连续两周跟进率维持高位、无显著回落，说明不是新鲜劲。二是交接：由企业IT在顾问陪同下独立完成一次话术模板更新和排班规则调整，写成操作手册含常见异常处理；第二遍顾问不插手，才算真正留下能力。同时产出一份"门店AI复制手册"，把三十家店分批推广的节奏、培训要点、验收口径写清。结项时企业已能自己把第二个场景推到全部门店，顾问角色退为季度复盘。

60天学到的四条经验

第一，服务业的数据权限卡点往往比技术多，企业侧主导者要敢拍板签授权。第二，首版话术"像机器人"是常态，别在第一版下结论，看三轮迭代后的曲线。第三，AI定位必须是"助手"不是"替代"，否则一线用各种方式让它失效。第四，先打透一个场景再复制，第一个场景买能力、第二个起收获。这四条不分零售还是服务，反复出现，提前知道能少走很多弯路，也是服务业陪跑最贵的认知。

一家连锁门店的AI陪跑60天，节奏大致是：两周跟店出量化诊断、两周定试点搭专班接数据、三周话术迭代到店长愿用、两周验证指标并扩排班、三周交接能力并写复制手册。四条硬经验是数据权限企业敢拍板、首版差属正常、AI定位为助手、先透一个再复制。照这个节奏，服务业AI陪跑就不是听概念，而是两月后拿出翻倍核销率的实事。