概述
一家業務正在增長的酒吧希望以 AI 取代人手預測。他們運用 Knotest 和自身銷售資料，測試系統能否改善庫存規劃。
方法
測試涵蓋促銷、假期需求及天氣變化。團隊在試驗開始前，先訂明評估指標、成功標準及上線條件。
研究結果
為期八週的 A/B 測試涵蓋六款最暢銷的 A 類啤酒，每兩週輪換一次。缺貨率改善了 53.7%，過量庫存、持有成本及規劃時間亦有改善。
範圍與限制
評估歷時八週，涵蓋六款 A 類啤酒，每兩週輪換。現有摘要未提供各產品的基準數值、樣本量或不確定性估計，結果限於該試驗情境。
資料與證據
本頁保留已發布的項目摘要。此記錄未附原始資料、逐次測試結果或可重現的程式碼。如需查詢證據來源或研究方法，請聯絡 HephaKnot。
原始項目記錄
對一間啤酒佔收入 70% 的香港飛鏢酒吧而言，庫存規劃過去高度依賴經驗與運氣。
團隊在導入 AI 前使用 Knotest 進行驗證，把人工預測與 AI 系統放在八週 A/B 商業影響評估 中比較。
結果顯示，缺貨率下降 53.7%，過量庫存下降 37.1%，庫存週轉提升 25.0%，每月持貨成本下降 22.5%，規劃時間減少 50.0%。
管理層得到的不只是模型分數，而是能支撐採購、營運與投資決策的 商業證據。