
連鎖門市營運自動化:用 n8n 做每日營收推播、叫貨提醒、門市回報週報(附公式)【2026】
有 5 到 30 家店的品牌,總部每天花最多時間的往往不是決策,而是收資料:各店營收要一家家問、叫貨要等店長估、回報散在好幾個群組裡。門市營運自動化要先做的就是這三件事,這篇用 n8n 拆成三條工作流,附叫貨建議量公式和可以直接改的程式碼。
01門市營運自動化:先做哪三件事
我替一個連鎖茶飲品牌做過叫貨建議系統,資料來源是 POS(白話:門市結帳用的收銀系統)每天匯出的銷售紀錄,那套系統是用程式寫的,但背後的邏輯很單純:每天自動拿到資料、照固定公式算、把結果推給需要的人,這三步用 n8n 就能做出可以運作的版本,沒有工程師的品牌也能開始。
挑門市營運自動化的第一批項目,可以用三個條件篩選:每天或每週固定發生、資料已經存在某個地方、算錯了有人工可以攔住,符合這三個條件的通常就是下面三件事。
每日營收推播
打烊後自動整理各店數字,不用一家家問
叫貨提醒
依用量算建議量,店長只要確認
回報週報
各店回報自動彙整,問題有人追
✅ Takeaway:列出總部每週花在「收資料、整理資料」的工作與時數,挑時數最多的一項當第一條工作流。
02資料從哪裡來,哪些不給 AI 看
門市營運自動化卡住,八成是卡在資料,不是卡在工具,動手前先確認三種資料各自住在哪裡、用什麼格式、多久更新一次。
| 資料 | 常見來源 | n8n 怎麼拿 |
|---|---|---|
| 銷售與營收 | POS 後台匯出、POS 提供的 API | 有 API 用 HTTP Request 節點;沒有就排程匯出到雲端硬碟或試算表,再用 Google Sheets 節點讀 |
| 庫存與盤點 | 門市盤點表、進銷存系統 | 請店長用固定格式的 Google 表單回報,資料自動進試算表 |
| 每日回報 | LINE 群組、紙本、表單 | 改成表單或 LINE 官方帳號收,n8n 才讀得到固定欄位 |
資料邊界:明細留在自己手上
銷售明細、各店營收屬於營運機密,建議計算全部在 n8n 的程式節點裡完成,只有整理過的摘要(例如「本週三家店的回報都提到製冰機」)才交給 AI 歸納,逐筆的交易資料不送進任何 AI 服務,公司要怎麼劃這條線,可以參考〈公司 AI 使用政策怎麼寫〉的資料分級。
📖 白話翻譯:API 是系統之間交換資料的窗口,POS 有開放 API,n8n 就能直接去拿資料;沒有的話,用排程匯出成檔案也能做到一樣的事,只是多一個步驟。
✅ Takeaway:打電話問你們的 POS 廠商兩個問題:有沒有 API、能不能排程自動匯出報表,答案決定第一條工作流的做法。
03工作流一:每日營收推播到店長群組
比較基準用「上週同一天」而不是「昨天」,因為門市生意有很明顯的星期效應,週六跟週五比一定會漲,跟上週六比才看得出真的變化。
✅ Takeaway:先只推給總部自己的群組跑兩週,確認數字跟 POS 後台一致,再開放給各店店長。
04工作流二:叫貨提醒與建議量公式
叫貨是門市營運自動化裡最有價值、也最需要小心的一項,叫太多會過期報廢,叫太少會斷貨,建議量的基本公式是:
建議叫貨量 = 日均用量 ×(到貨天數 + 安全天數)− 目前庫存
再依叫貨單位無條件進位(例如一箱 12 包,算出 15 包就叫 2 箱)
日均用量怎麼來:從賣出的杯數推回原料
飲料、餐點門市的 POS 記錄的是賣出幾杯,不是用了多少原料,所以需要一張配方換算表,例如一杯奶茶用多少茶湯、多少奶,把近 14 天每個品項的銷量乘上配方,就能推回每種原料的用量,這張表是整條工作流最關鍵、也最需要花時間整理的資料。
- ➊ 品項主檔:每種原料的叫貨單位、每單位數量、到貨天數、安全天數。
- ➋ 配方換算表:每個商品用到哪些原料、各多少。
- ➌ 每日盤點:店長在叫貨前用表單回報目前庫存。
n8n 的 Code 節點拿到這些資料後,可以用下面這段計算建議量,欄位名稱改成你們試算表的欄位:
// n8n Code 節點:每列是一個原料,計算建議叫貨量
const out = [];
for (const item of $input.all()) {
const r = item.json;
const daily = r.used14 / 14; // 近 14 天用量推算日均
const need = daily * (r.leadDays + r.safetyDays) - r.stock;
const qty = need > 0 ? Math.ceil(need / r.packSize) : 0;
if (qty > 0) out.push({ json: { item: r.name, qty, unit: r.packUnit } });
}
return out;
算出來的結果寫進一張「本日叫貨建議」試算表,再推播給店長,店長看過、改數量、確認後才送出,前一兩個月一定會有算不準的品項,例如季節品或促銷期間,保留人工確認這一步,系統才不會因為一次算錯就失去信任。
✅ Takeaway:先挑用量最穩定的 10 個原料建立品項主檔和配方換算表,其他品項等這 10 個算準了再加。
05工作流三:門市回報彙整成每週報表
各店每天的回報(設備異常、客訴、人力狀況)散在 LINE 群組裡,督導每週要往上滑好幾百則訊息才整理得出週報,這條工作流把回報收進固定欄位,每週自動彙整,並讓 AI 幫忙歸納重複出現的問題。
| 步驟 | n8n 節點 | 做什麼 |
|---|---|---|
| 收回報 | Google Sheets Trigger 或 Webhook | 店長用表單回報,每筆有店名、日期、類別、內容 |
| 每週觸發 | Schedule Trigger | 每週一早上 8 點 |
| 彙整 | Code | 依店與類別統計,列出未結案的問題 |
| 歸納 | AI Agent(Claude) | 只給回報文字,請它歸納重複問題與建議優先處理項目 |
| 寄送 | Gmail 或 LINE | 週報寄給督導與總部,附問題追蹤表連結 |
AI 歸納這一步可以用下面的提示詞,放在 AI Agent 節點的系統提示裡:
你是連鎖門市的營運督導助理。
以下是本週各門市的回報,每筆包含店名、類別、內容。
請輸出:
1. 本週重複出現 2 次以上的問題,列出涉及哪些店
2. 需要總部本週處理的前 3 件事,說明理由
3. 跟上週相比新出現的問題類型
只根據回報內容判斷,不要推測沒有寫到的事,用條列輸出。
週報的最後一欄一定要有「處理狀態」,讓上週的問題這週還看得到,回報如果收進來沒有人追,店長很快就不會再認真回報,追蹤欄位的設計比 AI 歸納更重要。
✅ Takeaway:把門市回報改成一張 5 個欄位以內的表單,在週報加上「處理狀態」欄,連續追蹤四週再調整欄位。
06上線順序與最常見的四個坑
建議順序是營收推播、回報週報、叫貨提醒,營收推播資料最單純,最適合讓總部熟悉 n8n;叫貨牽涉到品項主檔和配方,資料整理最花時間,放到最後。
- ➊ 品項名稱不一致:POS 叫「珍珠」、叫貨單叫「粉圓」、倉庫叫「黑糖珍珠 3kg」,三邊對不起來,建議先做一張對照表,比任何程式都重要。
- ➋ 營業日跨過午夜:營業到凌晨的店,凌晨的銷售算前一天,排程時間和日期判斷要依營業日,不是依日曆日。
- ➌ 通知太多被靜音:每家店每天收到五則推播,一週後大家就關掉通知,只推需要行動的內容,正常的數字放在週報裡。
- ➍ 店長不回報:表單超過 5 個欄位、或回報了沒有回應,回報率就會掉,欄位越少越好,而且每一則問題都要看得到處理狀態。
n8n 要怎麼部署、選 n8n Cloud 還是自架,可以先看〈n8n 是什麼〉的三種部署方式比較。
✅ Takeaway:這週先做品項名稱對照表和營業日定義,兩份文件做好,三條工作流都會順很多。
❓常見問題
POS 沒有 API,還能做門市營運自動化嗎?
可以,多數 POS 後台都能匯出報表,設定每天固定時間匯出到雲端硬碟,或由店長上傳到指定資料夾,n8n 再讀取檔案即可,只是比 API 多一個步驟,資料也會晚幾個小時。
幾家店以上才值得做自動化?
3 家店以上就值得做營收推播和回報彙整,因為總部開始需要比較各店;叫貨提醒則看品項數量,原料超過 30 種、店長常常估錯量的品牌,效益最明顯。
叫貨可以完全交給系統自動送出嗎?
不建議,至少前三個月保留店長確認,季節變化、促銷、天氣都會讓用量偏離過去的平均,等系統建議量跟店長最後的數字連續幾週都很接近,再考慮讓穩定的品項自動送出。
用 n8n 做和請廠商開發系統差在哪?
n8n 適合先驗證流程,幾天就能上線、改起來快,但介面是給管理者看的;流程穩定、店數變多、需要給店長用的操作畫面和權限分級時,再把它做成正式系統會比較划算。
門市的營收資料放進 n8n 安全嗎?
n8n 可以自架在公司自己的主機,資料不會經過第三方;用 n8n Cloud 則依官方的資料條款處理,不論哪一種,逐筆明細都只在 n8n 內計算,只有整理過的摘要才交給 AI。
延伸閱讀
n8n 能做什麼?7 個實戰工作流範本 + 10 場景速查表
門市以外的自動化案例,看看還有哪些重複工作可以交出去。
n8n LINE 整合教學:通知推送、聊天機器人、AI 客服
營收推播和叫貨提醒都用得到的 LINE 推播設定。
n8n 是什麼?開源自動化工具完整介紹與三種部署方式
還沒架好 n8n 的話,先從這篇選部署方式。
門市營運自動化的價值不在省下多少人力,而是讓總部和店長把時間從「收資料」移到「看資料做決定」,先讓每天的營收自己出現在群組裡,大家感受到不用再一家家問的輕鬆,後面的叫貨和回報才推得動。
和團隊一起設計數位系統與 AI 工作流,做過連鎖門市營運、培訓學習等系統。