这是一个 SasaDaily 假设案例，流程与数字为示范估算，实际效果因店家与档期而异。
场景：3 个人，节日一天 50 则消息
一家社区花店：老板（兼进货与帐务）、一位花艺师、一位工读生（顾店＋回消息）。平日一天十几笔订单，节奏还算悠闲。
但万圣节、圣诞节这种档期完全是另一回事：私讯一天涌进 40–60 则，客人多半只丢一句「我想订一束花」，工读生要来回问五、六次，才问得到送谁、什么场合、预算多少、哪天要。花艺师被问答卡住，绑花的手停下来；老板更惨——备货量只能凭感觉抓，节日过后剩花报废，年年都是最大的一笔浪费。
拆三段：问的、整的、写的，分开处理
第一段：问答模板——AI 先把四件事问清楚
店家把 AI 设置成固定的接单问法，客人私讯进来，先收到四个问题：
- 送给谁？（妈妈／另一半／朋友／客户）
- 什么场合？（生日／告白／开幕／节日应景）
- 预算大概落在哪一带？（500／1000／2000 三个带）
- 哪一天、几点前要送到？
客人照着回复，答案直接就是下单需要的全部信息。工读生只处理模板答不了的特殊情况，不再逐句想「下一句要问什么」。
第二段：备货汇整——AI 每天出一张表，人决定进多少
每天打烊前，AI 把当天已确认的订单和询问中的需求汇整成一张表：哪种花材、哪一天、需要多少量，加上去年同档期的用量参考。老板早上看一张表就能决定追加进货，不用把 50 则消息重翻一次。
注意：表只是「参考」，最后进多少，还是老板看天气、看价格、看经验拍板（理由见最后一段）。
第三段：节日文案——AI 先写草稿，人挑了再发
档期前两周，AI 先产出限动和贴文的文案草稿（花束介绍、订购提醒、最后下单日倒数），花艺师挑顺眼的改一改就发，不用在最忙的时候还要想文案。
数字：问答时间砍半，报废下降（示范估算）
环节｜原本｜模板化后（示范估算）
每笔订单问答来回｜约 12 分钟｜约 4 分钟
每日订单汇整｜老板翻消息约 40 分钟｜看一张表约 10 分钟
节日花材报废率｜约 15%｜约 8%
文案产出｜花艺师临时想，约 30 分钟/则｜改稿约 10 分钟/则
省下来的时间回到绑花和顾店——档期最值钱的就是花艺师的手。
两件事仍由人拍板
进货量与供应商：花材是生鲜，价格随天气和拍卖行情天天变，品质更要现场看。AI 的表能帮忙算「确定会用到多少」，但「多进多少赌一把」是老板的经验和风险判断，模板给不了。
特殊场合的语气：告白、道歉、丧礼慰问这类订单，差一个字就不对。这些客人不用模板，由人亲自接——花店卖的不只是花，是场合感。
