极数通复盘社区超市连锁的 AI 落地项目，失败的原因反复集中在 5 个上，而且都能在启动前排查出来，这篇把清单交给你。
社区超市是数据密度高、业态又琐碎的场景：生鲜称重、临期处理、多班次交接、加盟对账，每一环都有数据也都有坑。AI 在这个业态能做的事很多，但失败的姿势也很集中。把这 5 个原因看完，大部分学费可以省掉。
5 个常见原因是什么？
答案：数据没收拢、场景选错、上线前没回测、无人对结果负责、期望错位。
| 原因 | 典型表现 | 怎么避免 |
|---|---|---|
| 1 数据没收拢 | 流水、会员、库存散在多系统，编码不一 | 先做数据治理再上 AI |
| 2 场景选错 | 上来就挑复杂或高风险场景 | 按数据现成度与错误代价排序 |
| 3 没做回测 | 用自己编的模拟问题测完就上线 | 用真实历史数据回测修错 |
| 4 无人负责 | 项目挂在「大家共同推进」名下 | 指定负责人与周复盘节奏 |
| 5 期望错位 | 第一个月就要求销售额变化 | 考核定在过程指标上 |
五个原因里，前三个在启动会上就能查出来，后两个要靠老板自己在心里过一遍。它们还有一个共同点：失败了都不会当场爆炸，而是慢慢显现——建议没人采纳、系统没人打开，三个月后不了了之，钱花了但没人说得清哪里错。
为什么数据没收拢排第 1？
答案：错数之上的 AI 是负资产，社区超市恰恰是多系统并存的重灾区。
社区超市的典型数据现状：收银一套系统、电子秤一个口径、外卖平台另拉一份对账单，同一瓶水的编码在三处可能不一样。数据没收拢的具体表现有三层：
- 编码不统一：同一商品多套编码，汇总时靠人工对表，AI 拿到的数据先天残缺。
- 历史缺失：近三个月的数据都没收齐，趋势和季节性无从谈起。
- 口径不一：销售额含不含税、生鲜损耗怎么算，每个岗位一个说法。
数据治理要走在 AI 前面：先统一编码，再补齐历史，最后把口径写成文档。这三段没做完就上 AI，建议建立在错数上，采纳一次亏一次，团队对系统的信任也就消耗完了。
场景选错是什么样？
答案：两类——数据基础撑不起的复杂场景，以及错误代价高却不设兜底的高风险场景。
复杂场景的例子：智能补货要吃透库存、销售、损耗三层数据，如果连加盟商与总部的金额对账还没理清，补货建议就是空中楼阁。高风险场景的例子：自动定价不设人工复核，价格错误直接砸到顾客眼前。选场景的口径回到那两条轴：数据现成度高不高、错了代价大不大。社区超市的合理起步是差评检测、周报解读这类「看」的场景，而不是「动价格、动库存」的场景。
判断自己有没有选错场景，有个简单的自查：把这个场景要吃的数据列出来，逐项标注「现成、要整理、根本没有」。出现两个以上「根本没有」，说明基础还没到，先换场景或先补数据，硬上只会把预算和时间一起耗掉。
没人负责与期望错位怎么解？
答案：项目要有具名的负责人和周复盘节奏；考核指标定在过程层，第一个月不拿销售额说事。
「大家共同推进」等于没人推进。有效的做法是指定一名店长或运营负责人，每周固定半小时看三个数：建议采纳率、异常发现数、流程整改完成数。有人的项目才会转。
负责人之外还要给权限。AI 项目卡住的常见节点不是技术，而是流程改动要跨岗位协调：收银口径要财务认、损耗口径要店长认、回测要抽人手。负责人如果没有调度这些资源的授权，每周复盘就会变成每周汇报，问题记录了一堆、一个也推进不了。启动会上把「谁负责、有什么权限、每周谁到场」三件事写下来，比多买任何功能都管用。
期望错位是老板给自己设的坑：AI 修过程缺陷，过程改善传导到销售额要一到两个季度。第一个月的合理问法是「过程指标动了没有」，而不是「生意怎么没变」。把节奏预期在启动时讲清楚，项目才有活到出结果的那个月的机会。
和药店那篇失败原因是什么关系？
答案：药店那篇讲的是合规与数据治理敏感业态的 4 个失败原因，这一篇是社区超市的 5 个，业态不同、清单不同，排查方法同源。
两个业态的差异点在敏感度：药店多一层合规边界，社区超市多一层多系统数据整合的复杂度。共同点是排查都在启动前做、失败模式都是慢性失效。开连锁的老板两篇都值得看，换个业态照着清单再排一遍。
预算和起步怎么安排？
答案：先补数据底座，再从低风险场景起步，预算跟着验证节奏走。
门店基础数智化按模块组合交付、699 元起，先把收银、秤、外卖的数据收拢，这是排掉第 1 个原因的动作；AI 服务入门版 1980 元/项目，跑第一个低风险场景；多店复制上企业应用版 19800 元/项目，企业定制版按需求 1V1 报价。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。顺序不能倒：数据、场景、回测、负责人、预期，五关全过再签合同。
想看同类型门店的落地记录，可以翻案例页；AI门店实践里有更多场景拆解；要把数据底座先搭起来的，看门店基础数智化；整体思路在官网首页。咨询电话 18160046332。
常见问题 FAQ
Q1：社区超市 AI 落地失败的 5 个常见原因是什么？
A：数据没收拢、场景选错、上线前没回测、无人对结果负责、期望错位。前三个是执行问题，后两个是管理问题；五个原因都能在启动前用排查清单避免。
Q2：为什么数据没收拢排第 1？
A：社区超市的流水、会员、库存数据散在收银、秤、外卖平台多个系统里，编码不统一、历史缺失、口径不一，AI 建议建立在错数上，算得越快错得越快。数据治理要在上 AI 之前完成。
Q3：场景选错是什么样？
A：两类典型：选了数据基础撑不起的复杂场景，比如加盟商对账还没理清就上智能补货；选了错误代价高的场景先做，比如自动定价不设复核。正确顺序是从数据现成、错误代价低的场景起步。
Q4：期望错位具体指什么？
A：把 AI 当成销售额的开关，期望一个月见效。AI 修的是过程缺陷，过程指标先改善、结果指标滞后一到两个季度，这是正常节奏。第一个月拿销售额考核，项目多半会被错误叫停。
Q5：怎么在启动前把 5 个原因都排查掉？
A：启动前过一遍清单：数据是否收拢且口径统一、首个场景是否数据现成且错误代价低、是否安排了真实问题回测、是否指定了负责人与周复盘节奏、考核指标是否定在过程层。五项都答是，再签项目。