Tôi đã dành vài năm qua để xem xét bảng cân đối kế toán của hàng trăm doanh nghiệp dịch vụ, và có một vấn đề ẩn khuất thường xuyên ám ảnh các chủ sở hữu hơn bất kỳ điều gì khác: Ghế Trống. Trong ngành làm đẹp và chăm sóc cá nhân, một chiếc ghế trống không chỉ đơn thuần là thiếu hụt doanh thu; đó là một đống tiền đang bốc cháy. Bạn đang trả tiền điện, tiền thuê mặt bằng, và đau đớn nhất là trả lương cho một chuyên gia đang ngồi trên chiếc ghế đó để chờ điện thoại reo.
Đây không chỉ là vấn đề sắp xếp lịch trình. Đây là vấn đề về dữ liệu. Hầu hết các chủ sở hữu cố gắng giải quyết nó bằng 'linh cảm' hoặc bằng cách nhìn vào lịch trình của năm ngoái. Nhưng 'năm ngoái' không hề biết rằng một đối thủ cạnh tranh mới vừa khai trương cách đó ba dãy nhà, hay một đợt nắng nóng bất ngờ tại địa phương vừa làm tăng nhu cầu làm móng chân lên 40%. Để khắc phục điều này, bạn không cần một người quản lý giỏi hơn; bạn cần một cuộc chuyển đổi AI để biến dữ liệu lịch sử của mình thành một bộ máy dự đoán.
Tôi đã làm việc với một chuỗi thẩm mỹ gồm 5 chi nhánh từng mất gần một phần tư biên lợi nhuận tiềm năng vào cái mà tôi gọi là Khoảng cách Độ co giãn Nhân sự (The Staffing Elasticity Gap) — khoảng cách giữa chi phí lao động cố định và thực tế biến động của nhu cầu khách hàng. Khi chúng tôi hoàn thành quá trình chuyển đổi cho họ, họ đã giảm được 22% lãng phí lao động mà không phải sa thải bất kỳ ai. Họ chỉ đơn giản là bắt đầu sắp xếp đúng người vào đúng ghế vào đúng thời điểm.
Giải phẫu Cuộc Khủng hoảng 'Ghế Trống'
💡 Muốn Penny phân tích doanh nghiệp của bạn? Cô vạch ra những vai trò mà AI có thể thay thế và xây dựng kế hoạch theo từng giai đoạn. Bắt đầu dùng thử miễn phí →
Đối với nhóm này, vấn đề là vô hình vì nó được coi là 'bình thường'. Họ bố trí nhân sự tối đa công suất vào mỗi thứ Năm đến thứ Bảy. Trên lý thuyết, điều đó có vẻ hợp lý vì đó là những ngày bận rộn nhất của họ. Tuy nhiên, khi chúng tôi thực sự xem xét tỷ lệ sử dụng theo từng phút, chúng tôi đã tìm thấy một lượng lớn 'thời gian chết vi mô' (micro-downtime).
Một nhà tạo mẫu tóc sẽ có khoảng trống 45 phút giữa các ca nhuộm tóc. Một kỹ thuật viên sẽ có một sáng thứ Ba không có lượt đặt chỗ nào cho đến 11 giờ sáng, nhưng họ đã có mặt và tính giờ từ 9 giờ sáng. Trên cả năm địa điểm và hơn 60 nhân viên, những khoảng trống này đã khiến doanh nghiệp mất hơn £12,000 mỗi tháng vào quỹ lương 'chết'.
Nếu bạn thấy những mô hình tương tự trong doanh nghiệp của mình, bạn không hề đơn độc. hướng dẫn tiết kiệm cho ngành làm đẹp và chăm sóc cá nhân của chúng tôi cho thấy hầu hết các nhóm độc lập đều thừa ít nhất 15% nhân sự vào những ngày vắng khách nhất và thiếu nhân sự vào những ngày có lợi nhuận cao nhất.
Tại sao Việc Lập Lịch truyền thống Thất bại
Lập lịch truyền thống mang tính đối phó. Bạn thấy một ngày thứ Bảy bận rộn sắp đến, vì vậy bạn xếp lịch cho tất cả mọi người. Bạn thấy một ngày thứ Ba vắng vẻ, vì vậy bạn cho một người về sớm. Nhưng vào thời điểm bạn phản ứng, tiền đã mất rồi.
Chuỗi 5 chi nhánh mà tôi tư vấn đã mắc kẹt trong chu kỳ này. Các quản lý của họ dành khoảng 10 giờ mỗi tuần để loay hoay với các bảng tính, cố gắng đoán xem ai nên làm việc khi nào. Đây là cái mà tôi gọi là Thuế Ma sát Quản lý (Management Friction Tax) — trả lương cho nhân sự cấp cao để thực hiện việc nhập dữ liệu thủ công mà họ thậm chí không thạo, bởi vì họ thiếu cái nhìn tổng quát về dữ liệu.
Để vượt qua điều này, chúng tôi không chỉ mua một ứng dụng đặt lịch mới. Chúng tôi đã tiến hành một cuộc chuyển đổi AI toàn diện cho các hoạt động của họ. Chúng tôi ngừng đặt câu hỏi 'Ai đang rảnh?' và bắt đầu hỏi 'Dữ liệu nói gì về những gì sắp xảy ra?'
Chiến lược: Xây dựng Hệ thống Tín hiệu Dự đoán
Một doanh nghiệp ưu tiên AI không chỉ nhìn vào các lượt đặt chỗ của chính mình. Nó nhìn vào cả thế giới xung quanh. Đối với chuỗi thẩm mỹ này, chúng tôi đã xây dựng cái mà tôi gọi là Hệ thống Tín hiệu Dự đoán (Predictive Signal Stack). Đây là một mô hình dữ liệu ba lớp cung cấp đầu vào cho bộ máy nhân sự:
1. Nhịp đập Nội bộ (Dữ liệu Lịch sử)
Chúng tôi đã nạp dữ liệu đặt chỗ của ba năm. AI cực kỳ giỏi trong việc phát hiện ra các quy luật mà một quản lý là con người thường bỏ sót. Nó nhận thấy rằng mặc dù các ngày thứ Bảy bận rộn, nhưng loại dịch vụ sẽ thay đổi tùy thuộc vào tuần trong tháng (tuần có lương so với giữa tháng). Nó xác định 'tốc độ đặt chỗ' — thứ Sáu được lấp đầy nhanh như thế nào so với thứ Tư — cho phép chúng tôi dự đoán một ngày kín lịch trước 72 giờ với độ chính xác 94%.
2. Môi trường Bên ngoài (Dữ liệu Ngữ cảnh)
Đây là nơi quá trình chuyển đổi thực sự diễn ra. Chúng tôi đã liên kết bộ máy nhân sự với các API thời tiết địa phương và lịch sự kiện. Trong thế giới làm đẹp, thời tiết là định mệnh. Một ngày thứ Sáu mưa gió có thể dẫn đến việc hủy lịch sấy tóc vào phút chót tăng 20%, nhưng lượng đặt lịch massage lại tăng 15%. Bằng cách nạp dữ liệu này vào AI, bảng phân công có thể được điều chỉnh trước khi cơn mưa bắt đầu.
3. Dấu chân Kỹ thuật số (Dữ liệu Ý định)
Chúng tôi đã theo dõi các xu hướng Tìm kiếm của Google cho khu vực địa phương và lưu lượng truy cập trang web của chính chuỗi thẩm mỹ. Nếu các lượt tìm kiếm 'nhuộm balayage gần đây' tăng đột biến trong khu vực của họ vào tối thứ Ba, AI sẽ gắn cờ đó là tín hiệu có ý định cao cho cuối tuần tới.
Quy trình Chuyển đổi: Từ Cảm tính đến Tự động hóa Bảng phân công
Đây không phải là một sự thay đổi diễn ra qua đêm. Chúng tôi đã tuân theo một cách tiếp cận theo từng giai đoạn để đảm bảo đội ngũ cảm thấy được hỗ trợ, chứ không phải bị thay thế.
Giai đoạn 1: Làm sạch Tín hiệu. Chúng tôi đã kiểm toán chi phí dịch vụ bảng lương hiện tại và dữ liệu đặt chỗ của họ. Chúng tôi thấy rằng dữ liệu của họ bị 'nhiễu' — nhân viên không phải lúc nào cũng ghi nhận khách vãng lai chính xác. Trước khi AI có thể dự đoán tương lai, nó cần một hồ sơ sạch về quá khứ.
Giai đoạn 2: Bảng phân công Bóng. Trong 30 ngày, chúng tôi đã chạy bảng phân công dự đoán của AI song song với bảng phân công thủ công của quản lý. Chúng tôi chưa thay đổi các ca làm việc thực tế. Chúng tôi chỉ so sánh cả hai. AI đã vượt qua các quản lý con người trong 18 trên 20 chỉ số, đặc biệt là trong việc dự đoán 'khoảng lặng' từ 2 giờ chiều đến 4 giờ chiều vào các ngày trong tuần.
Giai đoạn 3: Mô hình Ca làm việc Linh hoạt. Chúng tôi đã áp dụng các ưu đãi 'trực chiến' và thời gian bắt đầu linh hoạt dựa trên dự đoán của AI. Thay vì mọi người đều bắt đầu lúc 9 giờ sáng, AI có thể đề xuất bắt đầu so le: hai người lúc 9 giờ sáng, ba người lúc 10:30 sáng và một người lúc 1 giờ chiều. Chỉ riêng điều này đã thu hẹp một phần lớn khoảng cách độ co giãn nhân sự.
Kết quả: Giảm 22% Lãng phí, Tăng 100% Sự tỉnh táo
Sáu tháng sau khi chuyển đổi, những con số là không thể phủ nhận:
- Lãng phí Lao động: Giảm 22%. Bằng cách điều chỉnh giờ làm của nhân viên khớp với nhu cầu thực tế, chuỗi này đã tiết kiệm trung bình £14,500 mỗi tháng trên năm địa điểm.
- Doanh thu trên mỗi Giờ lao động: Tăng 18%. Các nhà tạo mẫu bận rộn hơn trong ca làm việc của họ, có nghĩa là họ kiếm được nhiều tiền hoa hồng và tiền tip hơn.
- Thời gian Quản lý: Mỗi quản lý tiết kiệm được 8 giờ mỗi tuần. Thay vì đánh vật với bảng tính, họ quay lại sàn làm việc để tập trung vào trải nghiệm khách hàng và đào tạo.
- Giữ chân Nhân viên: Đáng ngạc nhiên là sự hài lòng của nhân viên lại tăng lên. Cuộc khủng hoảng 'Ghế Trống' gây nhàm chán cho các nhà tạo mẫu; họ muốn được làm việc. AI đảm bảo rằng khi họ ở salon, họ đang tạo ra thu nhập.
Khung giải pháp: Quy tắc 90/10 cho Nhân sự Dịch vụ
Trong công việc của tôi với các doanh nghiệp ưu tiên AI, tôi sử dụng một khung giải pháp gọi là Quy tắc 90/10. Nó quy định rằng AI có thể xử lý 90% các công việc hậu cần nặng nhọc (vấn đề 'khi nào' và 'ai' trong lập lịch), nhưng 10% còn lại — những sắc thái của con người — mới là thứ giúp nó vận hành hiệu quả.
Nếu con của một nhà tạo mẫu bị ốm, hoặc một thành viên trong nhóm có một ngày không thuận lợi, AI sẽ không biết điều đó. Chuyển đổi không phải là loại bỏ người quản lý; đó là việc cung cấp cho người quản lý một lăng kính 'siêu năng lực' cho phép họ nhìn thấu tuần tới với sự rõ ràng tuyệt đối.
Cách Bắt đầu Hành trình Chuyển đổi của Riêng Bạn
Bạn không cần một chuỗi 5 chi nhánh để hưởng lợi từ điều này. Ngay cả một doanh nghiệp đơn lẻ cũng có thể bắt đầu thu hẹp khoảng cách giữa dữ liệu và hành động.
- Ngừng coi bảng lương là chi phí cố định. Đó là một chi phí biến đổi mà bạn hiện đang coi là cố định. Hãy bắt đầu xem xét doanh thu trên mỗi giờ của bạn ở mức độ chi tiết.
- Kiểm toán chất lượng dữ liệu. Mọi khách vãng lai có được ghi nhận không? Mọi lượt hủy có được theo dõi không? AI chỉ tốt như những tín hiệu mà bạn cung cấp cho nó.
- Tìm kiếm 'Tín hiệu' bên ngoài bốn bức tường của bạn. Hãy bắt đầu chú ý đến việc các yếu tố bên ngoài (thời tiết, sự kiện, ngày trả lương địa phương) tác động đến việc đặt chỗ của bạn như thế nào.
Chuyển đổi AI không phải là một khái niệm xa vời đòi hỏi một đội ngũ các nhà khoa học dữ liệu. Đó là một sự thay đổi thực tế, logic trong cách bạn điều hành các hoạt động của mình. Doanh nghiệp của tôi vận hành hoàn toàn dựa trên những nguyên tắc này — tôi không có đội ngũ, trợ lý hay quản lý. Tôi có các hệ thống. Và nếu một doanh nghiệp dịch vụ có thể tự động hóa phần phức tạp nhất trong hoạt động của mình — đó là con người — thì hãy tưởng tượng bạn có thể làm gì với doanh nghiệp của mình.
Nếu bạn đã sẵn sàng để xem lãng phí đang ẩn náu ở đâu trong bảng phân công của mình, hãy cùng xem xét những con số. 'Ghế Trống' không nhất thiết phải là một sự thật hiển nhiên của cuộc sống. Đó chỉ là một tín hiệu cho thấy mô hình nhân sự của bạn vẫn đang sống trong quá khứ.