平台到底抽我多少？
把 POS、平台、撥款三本帳攤在同一張桌上，互相對質
每賣 100 元，最後回到你口袋的是幾元
把 POS 營收、平台訂單、撥款與優惠分攤放回同一口徑，找出差額來源與需要追查的欄位。
客製你的
AI 餐飲後台數據分析器
你以為平台抽 31%，
實際可能是 51.5%。你的店算過嗎？
我們不賣一套叫你自己研究的 SaaS。先把你店裡散落在 POS、平台與撥款報表中的資料重新對齊，再做成每天能回答問題的判決儀器。
帶你的平台對帳單來，現場算你的真實抽成 →30 分鐘初步診斷。你帶帳單，我們先算，不先賣課。
01｜How we prove it
我們如何算出你的真實抽成
平台頁面寫 31%，不代表你的真實成本就是 31%。把 POS 營收、平台訂單、撥款與優惠分攤放回同一張桌上，才看得見每賣 100 元，最後有多少真的回到店裡。
31% 與 51.5% 為公開個案之特定期間與完整成本口徑；各店結果依實際帳單而異。
- 帶帳單來先把 POS、平台訂單與撥款對帳報表放在一起。
- 資料對齊做欄位映射、時間對齊與去重，保留每一筆差異。
- 口徑重建把收入、成本與費用重建成同一個可追溯口徑。
- 算出真實抽成輸出可重跑的結果，並解釋差異從哪裡來。
02｜Anti-success doctrine
別人的成功經驗，為什麼一搬進你的店就失效？
成功學賣你他的過去，我們陪你量你的現在。
一家店當年成功，可能同時踩中品類、地點、租金、平台紅利與主理人能力；那段時空不能複製，也塞不進你的損益表。
我們不賣經驗，我們賣儀器＋陪跑。自己下場開兩家店當實驗室，每天用真金白銀跑這套系統。判斷錯了，第一個付代價的是我們。
03｜Six decisions
六個痛點，六種診斷方法，一條決策路徑。
賣判決，不賣圖表。每一區都從老闆真的會問的問題開始，最後回到今天該不該動、該先動哪裡。
今天爛，是出事還是正常波動？
先量你的店每個星期二本來長什麼樣，再判今天算不算怪
該不該慌、先查哪一件
用同星期分布、穩健統計與天氣／檔期案情，區分事故與這家店本來就會有的波動。
促銷到底是賺，還是把原價客人變便宜？
算出沒辦活動也會買的人有多少，活動真正多帶來幾單
這檔該續、該改，還是該停
兌換很多不等於多賣很多。把新增需求與原價客轉換拆開，才知道活動到底創造了什麼。
新品在獲客，還是自己人打自己？
新品和它的兄弟品項加總看，市場有沒有真的變大
是多賺，還是左口袋換右口袋
單看新品會慶功；把整個品項家族加總後，才知道市場真的長大，還是舊品客人搬了家。
損益兩平到底過了沒？
不只看平均，看你最爛的日子離死線還有多遠
安全墊剩幾天、最壞情況虧多少
平均線會讓好日子掩護壞日子。除了損益門檻，還要看最差區間能不能活。
你以為的原因，是真原因嗎？
把你的解釋和別的可能解釋丟進同一場比賽，讓數據淘汰
哪個說法活下來、下一步怎麼驗
粥在單店像完美夏季品項；兩店一對照，更像店齡曲線。季節同時發生，未必就是原因。
04｜Delivery
資料都在，為什麼還是算不出答案？
30 分鐘診斷
帶一份平台對帳單，先確認問題與資料缺口。
Crosswalk 重建
人工對齊品項、通路、店別、活動與報表口徑。這不是免費 onboarding，而是客製工程本體。
儀器交付
把你的資料做成可重跑的分析器與判決畫面，不交一份看完就失效的報告。
陪跑校準
用實際營運週期修門檻、補例外、留下可追溯的判斷紀錄。
05｜Conflict boundary
你交出的營運資料，會不會轉頭變成競爭對手的教材？
為保障服務品質與客戶數據安全，同一區域內同質競爭業態，我們只服務一家。
同不同質，看地區、品類、價位帶、業態一起判，最後由我們拍板。不公開名單，不點名任何品牌。
06｜Start with one bill
先別買系統。先拿一份帳單，把第一個問題算清楚。
預約 30 分鐘帳單診斷 →
07｜FAQ
先把邊界講清楚。
我的 POS 不是 iCHEF，能做嗎？
能。分析器是照你店裡的資料長出來的，iCHEF、肚肚、inline，甚至 Excel 手帳都接得進來。我們自己兩家店用 iCHEF，所以案例截圖長那樣，僅此而已。
這是一套訂閱制 SaaS 嗎？
不是。SaaS 是把工具丟給你、叫你自己研究。我們先把你散在各處的帳對齊，做成每天能回答問題的儀器，然後陪你讀它。
你們會不會拿我的資料去開店打我？
不會，而且寫進約裡：我們不用你的資料，在你的品類、你的地盤，開你的店。同區同質競品我們只服務一家，就是為了讓這句話成立。
第一次診斷要準備什麼？
一份平台對帳單，加一份同期間的 POS 或店內報表。30 分鐘，先算出第一個答案、標出資料缺口。
診斷完不合作呢？
那你帶著一個算清楚的數字走，我們少一個客戶。都不虧。