药店连锁 AI 落地失败的 4 个常见原因是什么？

极数通看到的失败多半不在算法，而在四件事：批号效期口径不统一、场景选错、门店没人负责、考核没接上。

药店是连锁行业里数据最细的业态之一。一个单品要记批号、效期、进价、拆零比例、处方与非处方属性，还要区分医保与自费。这些细节让药店的数据基础看起来扎实，实际上很容易在跨店汇总时崩掉。

AI 落地失败，往往就崩在这一步：模型拿到的是加总后的库存数字，而门店实际面对的是按批号排列的货架。

药店连锁 AI 落地失败的 4 个常见原因是什么？

答案：批号效期口径不统一、场景选错、门店没有使用责任人、考核没和 AI 建议挂钩，四条里任何一条都足以让项目停在演示阶段。

这四条的共同点是：都不是技术问题，都能在立项阶段规避，也都容易在立项阶段被跳过。

为什么药店的批号效期问题这么关键？

答案：因为药品库存的价值跟着批号和效期走，口径不统一时库存不是「多少盒」，而是一堆无法加总的记录。

同一单品不同批号的进价可能不同，尤其是调价前后进的货。近效期的货要打折、要退换、要提前处理，处理不及时就变成报损。拆零销售还会改变计量单位——一盒十片卖了三片，库存是七片还是一盒，两种记法对补货的影响完全相反。

这三件事叠加，导致库存数据在门店层面是清楚的，在连锁层面是模糊的。AI 拿模糊的数据做预测，输出的建议也是模糊的，店长看一眼就放下了。

所以药店做 AI 的第一步通常不是选模型，而是做一次数据治理：统一批号录入规则、统一拆零计量、统一近效期的判定天数（比如九十天、六十天、三十天三档）。这一步做完，很多原本要靠 AI 解决的问题会自己消失一部分。

药店应该先上哪个 AI 场景？

答案：先上效期预警与补货建议，这两个场景能被盘点直接验证，一两个月就能看到报损下降与断货减少。

效期预警的价值在于把「事后处理」变成「提前处理」。系统按批次算出每批货的剩余天数，排出处理优先级：先处理九十天内到期的、再处理一百八十天的，处理方式分促销、调拨、退换三类。

补货建议的价值在于把「凭感觉订」变成「按规则订」。规则可以是安全库存加在途，也可以是历史销量加季节系数，两种都能用，关键是要把近效期库存从可用库存里扣掉——不然系统会建议你继续订一个已经在打折的货。

这两个场景的共同优势是可对账。报损率、断货次数、近效期库存占比，三个数字每月盘一次就有结论，不需要复杂的归因分析。

相比之下，对客营销类场景的问题是不可验证：券发出去了、活动做了，销量涨了，但涨的原因是活动还是季节，说不清。第一个项目就选不可验证的场景，很容易在三个月后被质疑。

总部推下去，门店不用怎么办？

答案：两件事同时做——把使用动作压到最低，把使用情况写进考核；只靠培训推动的系统通常三个月后就没人打开。

使用动作要压到最低，指的是不要让店长为了用 AI 多开一个系统、多登一次账号、多填一张表。理想状态是建议出现在店长每天本来就要看的那个界面上，处理动作在原来的流程里完成。

考核要接上，指的是把采纳率和处理率写进门店考核。近效期处理率、建议采纳率、断货次数，三个指标选一到两个进考核就够了。

还有一件事容易被忽略：店长要能看懂建议的理由。只给结论不给理由，店长不会信，也就不会采纳。给理由要具体，比如「这个单品近四周销量下降且现有库存可售天数超过六十天，建议暂停补货」，而不是「建议减少订货」。

数据治理要花多久，能不能跳过？

答案：中型连锁通常一个月左右，跳不过；跳过的话项目会在三个月后回到原点，成本更高。

一个月的时间大致分三段：

• 第一周定规则：把批号、拆零、效期三套口径写成文档，明确谁来维护、变更怎么通知。
• 第二到三周清洗历史：把明显错误的记录标出来，比如批号为空、效期早于入库日、拆零比例填成整数倍。
• 第四周小范围试跑：在少量门店跑一轮，看规则在真实货架上能不能执行，执行不了就回去改规则。

不能跳过的原因是：AI 的价值来自跨店对比与预测，而这两件事都要求口径一致。口径不一致时，系统给出的每个结论都要人工复核，等于没上。

这段工作还有一个副作用是正向的：治理过程中会暴露一批管理问题，比如某几家店的批号录入长期不规范、某个单品的拆零比例一直填错。这些问题以前没人注意，治理一次就清掉了。

处方药与医保相关的数据能不能一起用？

答案：能用于内部库存与效期管理，不能用于对外营销；这条边界要在立项时就写进方案，不要等出了问题再补。

处方药的数据涉及用药信息，医保结算的数据涉及参保信息，两类都属于敏感数据。用于内部补货、效期预警、库存调拨是没有问题的，前提是权限分开、操作留痕、导出受限。

不能做的是把这些数据用于推送、画像、二次营销。很多药店做会员运营时会顺手把购药记录拿来做推荐，这在合规上是有风险的。

落到执行层面，三条要写清楚：谁能看原始数据、谁能看汇总数据、导出要不要审批。这三条写进方案，交付时按条验收，比事后补制度有效。

怎么判断这个项目该继续还是该停？

答案：看三个指标——报损率、断货次数、建议采纳率，三个月内前两个没变化且第三个低于三成，就该停下来复盘而不是继续投钱。

报损率反映效期管理的效果，断货次数反映补货建议的质量，建议采纳率反映门店的接受程度。三个指标要一起看。

报损降了但采纳率很低，说明效果不是 AI 带来的，可能是换了采购渠道或做了促销；采纳率高但报损没降，说明建议本身有问题，要回头查规则；三个都平，说明这个场景在你们的门店结构里不成立，换场景比加预算更合理。

想把这条线落到自己门店，可以从这几处看起：AI门店实践、门店基础数智化、平台运营，以及案例里同业态的交付记录。咨询电话 18160046332。

常见问题 FAQ

Q1：药店连锁 AI 落地失败的 4 个常见原因是什么？

A：四个：一是批号与效期口径在各店不统一，数据没法跨店比较；二是场景选错，先上了对客营销而不是对内的效期与补货；三是门店没有明确使用责任人，系统成了总部看的报表；四是考核没接上，用不用 AI 建议对店长绩效没有影响。

Q2：为什么药店的批号效期问题这么关键？

A：因为药品的库存价值跟着批号和效期走。同一单品不同批号的进价可能不同，临近效期要打折或退换，拆零销售还会改变计量单位。这三件事不统一，库存数据就不是「多少盒」而是「一堆没法加总的记录」，任何预测都会失真。

Q3：药店应该先上哪个 AI 场景？

A：建议先上效期预警与补货建议。这两个场景的验证方式最简单：盘点能对账、缺货能计数、近效期能列出清单。做完一两个月，门店能直接看到报损下降和断货减少，这比任何演示都有说服力。

Q4：总部推下去，门店不用怎么办？

A：两件事同时做：一是把使用动作压到最低，让店长在原有流程里多做一步就能完成，不要新增一套系统操作；二是把使用情况放进门店考核，比如近效期处理率、建议采纳率。只靠培训推动的系统，通常三个月后就没人打开了。

Q5：药店连锁做 AI 落地要多少预算？

A：AI 服务分入门版 1980 元/项目、企业应用版 19800 元/项目、企业定制版 1V1 报价；门店基础数智化按模块组合交付、699 元起；平台运营为外卖 200 元/店/月起、团购 2000 元/店/月起、抖音 400 元/条起，均加实收 3%-5% 效果付费。