预约制服务业的 AGENTIC 运营系统
Celoria
用 AI 替代人，不是替代点击。
2026 年 3 月 · 机密
问题
管理连锁沙龙卡在三件事上，现有工具全部失败。
员工用不了软件
美国美甲行业 79% 是移民从业者（UCLA Labor Center），教育水平普遍有限。英文界面看不懂，复杂 Dashboard 更不会用——天天打电话问怎么操作。现有工具没有为这个劳动力群体设计。
GM 只出报表，没有洞察
$120K/年的 GM 只会整理数据，不懂业务。老板还得自己做分析、自己出培训材料——GM 本质上是一个昂贵的信息翻译器。
SOP 跨店复制失败
最好的店和最差的店效率差距巨大。SOP 全靠记忆，新店一开就走样。运营知识锁在老板脑子里。
问题不在工具不好用，而是传统工具在管理者和员工之间塞了一个昂贵的中间层。
我们消除这个中间层——让有业务判断力的管理者，通过 AI 直接高效管理每一家店。
我们消除这个中间层——让有业务判断力的管理者，通过 AI 直接高效管理每一家店。
范式转变
消除中间层：从"GM 翻译数据"到"AI 直出决策"
传统方式（需要 GM）
1 GM 从各系统拉数据
2 整理成报表 / PPT
3 呈报给老板（浅层分析，缺乏深度洞察）
4 老板自己分析业务含义
5 老板做出决策
6 需要约谈？让 GM 做 PPT，或自己花时间做
GM 成本 $120K/年
从发现问题到行动：数天
从发现问题到行动：数天
GM 懂数据但不懂业务——本质上是一个昂贵的信息翻译器
Celoria Insights Agent
1 系统自动分析跨店数据
2 输出 Insights + 可执行建议
3 老板确认 → 自动生成培训 Slide 或提醒消息并发送
$0 GM 成本
从发现问题到行动：秒级
从发现问题到行动：秒级
老板标注反馈 → 系统学习关注维度 → 推送越来越精准
想挖更深？多轮对话发现新 Insights 维度
想挖更深？多轮对话发现新 Insights 维度
同一个品牌，两种诊断方式。
GM 手写报告 · 2466 Broadway
6 页 · 数小时制作
Insights Agent · 479 3rd Ave
16 个分析模块 · 秒级生成
实证 · 1/3
维度盘点：GM 覆盖 6 个维度，AI 覆盖 20 个。
两者都覆盖的维度
| 分析维度 | GM | AI |
|---|---|---|
| 社区画像 / 人口统计 | ✓ | ✓ |
| Google 评价分析 | ✓ | ✓ 深 |
| 核心 KPI 趋势 | ✓ | ✓ 深 |
| 全品牌门店排名 | ✓ | ✓ |
| 服务组合分析 | ✓ | ✓ 深 |
| 回访率 / 指定率诊断 | ✓ | ✓ 深 |
AI 标注"深"= 覆盖同一维度但分析更深入
（如：跨品牌+竞品对比、12 个月趋势、分层交叉分析）
（如：跨品牌+竞品对比、12 个月趋势、分层交叉分析）
仅 AI 覆盖的维度
| 分析维度 | GM | AI |
|---|---|---|
| Yelp 跨平台评价对比 | ✗ | ✓ |
| 竞品地理分布地图 | ✗ | ✓ |
| 员工个人表现 + 趋势 | ✗ | ✓ |
| 客群分层（5 层） | ✗ | ✓ |
| 新客 60 天留存率 | ✗ | ✓ |
| LTV Cohort（15 个月） | ✗ | ✓ |
| 流失预警信号 | ✗ | ✓ |
| 绑定率（隐性指定率） | ✗ | ✓ |
| 小费分析 | ✗ | ✓ |
| 时段 / 星期分析 | ✗ | ✓ |
| 月内节奏 | ✗ | ✓ |
| Add-on 渗透率 | ✗ | ✓ |
| 量化 Dollar Impact | ✗ | ✓ |
| 可执行客户名单 | ✗ | ✓ |
GM：6 个维度，定性建议
AI：20 个维度，每个附带量化行动
覆盖率 3.3x
实证 · 2/3
GM 说"显著增长"。AI 说"$5,080，这是名单。"
GM 的建议
"将 1.16 的回访率拉高到 1.25，
营收就能产生显著增长。"
营收就能产生显著增长。"
↑ 多少增长？不知道。
"设立'指定激励计划'，
规定技师服务结束时主动联系客人。"
规定技师服务结束时主动联系客人。"
↑ 给谁发？发什么？效果预估？没有。
"优化 Add-on 培训，
推'强健建构 Structure Gel'。"
推'强健建构 Structure Gel'。"
↑ 定性正确，无法量化 ROI。
AI 的建议
P0 · 客户挽留
拉 265 个危险客户名单发 SMS
（2月来过3月没来，均 17 次历史访问）
（2月来过3月没来，均 17 次历史访问）
挽回 10-20% → +$1,080-$2,120/月
P1 · 新客留存
新客结束时主动约下次 + 24h SMS
回访率 12%→20% → +$1,600/月
P2 · Add-on
培训话术 "加一个 Callus Remover 只要 $15"
渗透率 12%→25% → +$2,400/月
所有数字基于 77,921 笔真实预约 的历史数据推算——不是猜测，是算术。
实证 · 3/3
GM 也能拉数据给 AI。
差别在于：分析什么，以及输出能不能直接执行。
差别在于：分析什么，以及输出能不能直接执行。
流失预警信号
36天
倒数第4次
→
39天
倒数第3次
→
45天
倒数第2次
→
71天
最后一次
预约间隔加速拉长 = 流失前兆。
客单价没变（$35）——不是"花不起"，是"想不起来"。
→ 间隔超 50 天自动触发挽留 SMS
客单价没变（$35）——不是"花不起"，是"想不起来"。
→ 间隔超 50 天自动触发挽留 SMS
反直觉发现
VIP 客单价（30+次）
$36
<
新客客单价
$48
最忠实的客户反而花最少的钱。
VIP 来得勤，只做基础服务——贡献 44% 营收的人被低估了。
→ VIP 到店时系统提示推荐升级服务
VIP 来得勤，只做基础服务——贡献 44% 营收的人被低估了。
→ VIP 到店时系统提示推荐升级服务
隐性指定率
实际绑定率
53.6%
vs
主动指定率
4.3%
客人实际上经常找同一技师，不会主动指定。
被动粘性 ≠ 主动忠诚——Zenoti 只报后者。
被动粘性 ≠ 主动忠诚——Zenoti 只报后者。
跨平台盲区
479 Yelp 评论
23
vs
隔壁 Coco Nails
565
竞品 Yelp 评论数是自己的 25 倍。
GM 不会去爬 Yelp、Google Places 做跨平台对比。
GM 不会去爬 Yelp、Google Places 做跨平台对比。
分析维度从懂业务的 owner 中持续吸收，积累一次永远不忘。每个发现直接输出行动——不是报告，是名单和触发规则。
实证 · 从洞察到行动
发现 Anna 客单价最低 → 自动生成约谈材料
Performance Slide
数据可视化 · 直接拿给员工看
Talking Points
1-on-1 谈话准备 · 老板直接用
GM 发现问题后还得自己做 PPT。Celoria 发现问题 → 自动生成培训 Slide + 谈话要点 → 老板确认 → 发送。
解决方案
两层产品，各解决不同的问题
👷 员工端：数字店长
员工不需要学软件。
系统通过 Mobile App 推送任务：
"该做什么 + 什么时候做"
数字店长 24 小时在线，
告诉每个员工下一步做什么：
▸ 发现空闲 → 协调营销 Agent，
Instagram 发限时优惠填充空位
▸ 正在推活动 → 推送话术 +
当前需要做的操作给员工
▸ 高等级会员到店 → 提醒员工
维护关系，空闲时赠送 extra service
预约、排班、结账等操作仍用 GUI——简单的事保持简单。
系统通过 Mobile App 推送任务：
"该做什么 + 什么时候做"
数字店长 24 小时在线，
告诉每个员工下一步做什么：
▸ 发现空闲 → 协调营销 Agent，
Instagram 发限时优惠填充空位
▸ 正在推活动 → 推送话术 +
当前需要做的操作给员工
▸ 高等级会员到店 → 提醒员工
维护关系，空闲时赠送 extra service
预约、排班、结账等操作仍用 GUI——简单的事保持简单。
👔 老板端：AI Agent
老板不需要雇 GM。
AI Agent 直接做这些工作：
• 数据 → Insights + 可执行建议
• 财务对账 → 自动执行，只报异常
• 员工培训 → 发现问题自动生成材料
• 精准营销 → 基于预约+客户数据投放
老板在手机上几下点击，
就能管 20 家店。
AI Agent 直接做这些工作：
• 数据 → Insights + 可执行建议
• 财务对账 → 自动执行，只报异常
• 员工培训 → 发现问题自动生成材料
• 精准营销 → 基于预约+客户数据投放
老板在手机上几下点击，
就能管 20 家店。
交互方式
推送式 UX：系统找人，不是人找系统
门店运营中的流程化工作，由 SOP Agent 主动推送给员工。
☀️ Opening Checklist — 早班 SOP
☐ 确认钱箱金额已准备
☐ 确认昨日 Batch 已全部 Close
☐ 打扫卫生、准备水杯和小吃
📷 拍照留痕 → 视觉 Agent 自动审核
☐ 确认昨日 Batch 已全部 Close
☐ 打扫卫生、准备水杯和小吃
📷 拍照留痕 → 视觉 Agent 自动审核
每家店的 SOP 可独立配置。新店开业自动继承总部标准。
核心创新
员工辅助系统，而不是反过来。
流程化操作 → SOP Agent 推送 Checklist
执行留痕 → 拍照 + 视觉 Agent 审核
边界情况 → AI 生成选项
结果：新员工零学习成本 — 系统告诉他该做什么，做完拍照确认。
流程化操作 → SOP Agent 推送 Checklist
执行留痕 → 拍照 + 视觉 Agent 审核
边界情况 → AI 生成选项
结果：新员工零学习成本 — 系统告诉他该做什么，做完拍照确认。
系统架构
5 个 Agent 组 + 跨店协调器
🏢 跨店协调器 Multi-Store Orchestrator
↑ 跨店协调 · 数据聚合 · 策略下发 ↑
📈 Marketing
获客 · 留存 · 变量树个性化 · 社媒投放 📊 Insight
数据分析 · 跨店对比 · 决策建议 ⚙️ Supervisor (SOP)
流程推送 · 视觉审核 · 自然语言配置 🛡️ Compliance (Finance)
自动对账 · 审计留痕 · 合规 👥 Talent
培训生成 · 绩效分析 · 排班优化
获客 · 留存 · 变量树个性化 · 社媒投放 📊 Insight
数据分析 · 跨店对比 · 决策建议 ⚙️ Supervisor (SOP)
流程推送 · 视觉审核 · 自然语言配置 🛡️ Compliance (Finance)
自动对账 · 审计留痕 · 合规 👥 Talent
培训生成 · 绩效分析 · 排班优化
每个 Agent 组替代一个传统岗位：GM · 营销外包 · 现场督导 · 财务 · HR
SOP · 财务对账 → 80% 确定性规则 + 20% LLM 处理边界情况
营销 · 洞察 · 培训 → LLM 驱动，创造力和判断力是核心价值
营销 · 洞察 · 培训 → LLM 驱动，创造力和判断力是核心价值
竞争格局
他们花 10 年建了最好的 Dashboard。我们建了不需要 Dashboard 的系统。
| 平台 | 传统 SaaS 成熟度 | 支付费率 @$50 | 多语言 UI + 客服 | AI Agent 能力 |
|---|---|---|---|---|
| Zenoti | 10 年积累，功能最全 | 2.3–3.5% 规模大可谈低，从 2.3% 起 | 仅英文 | 6 个独立 Agent，无协调， 无决策反馈回路 |
| Vagaro | 22 万+商户，生态成熟 | 2.6–3.8% 大商户 2.6%，keyed 3.8% | 仅英文 | 无 |
| Boulevard | 高端品牌，集成丰富 | 2.5–2.95% 有 volume discount | 仅英文 | 无 |
| Fresha | 14 万+商户 | 2.6–2.7% + 20% 佣金 统一费率，佣金另算 | 多语言 UI，无本地客服 | 无 |
| Celoria | 35 店，快速补齐中 | 2.0–3.0% 阶梯费率，规模大可谈至 2.0% |
中英双语原生 UI + 文档 + 母语客服 |
5 组协调 Agent Insights · 个性化营销 · SOP · 对账 · 培训 决策反馈持续学习 |
传统 SaaS 功能可以补——我们在快速追赶。但 AI 原生架构不能补——那需要从头重写。
Zenoti 的 Agent 知道发生了什么，但不知道为什么。Celoria 的 Agent 参与决策——推送建议、记录每一次确认和否决。时间越长，系统越懂这个老板的管理逻辑。这个差距不可追赶。
Zenoti 的 Agent 知道发生了什么，但不知道为什么。Celoria 的 Agent 参与决策——推送建议、记录每一次确认和否决。时间越长，系统越懂这个老板的管理逻辑。这个差距不可追赶。
商业模式
三层收入结构
Layer 1 — Base SaaS（获客入口）
$20 起 + $10/人
封顶 $149/店。排班、预约、POS、CRM、
报表、多语言——基础功能全包。
报表、多语言——基础功能全包。
Layer 2 — AI Agent（价值升级）
$99/location/月
免费试用 → Insights、自动对账、培训生成、
精准营销。对比 $120K/年 GM，秒级决策。
精准营销。对比 $120K/年 GM，秒级决策。
Layer 3 — 支付处理（阶梯费率）
2.0–2.8% + $0.10/tx
规模大可谈至 2.0%，低于 Zenoti 的 2.3%。
单店经济模型 （20 人，月流水 $50K）
Base SaaS：$149 （封顶）
AI Agent：$99
支付收入：$266
ARPU：~$514/月 （per-location）
AI + 服务器成本：-$48/月
毛利率：~91%
AI Agent：$99
支付收入：$266
ARPU：~$514/月 （per-location）
AI + 服务器成本：-$48/月
毛利率：~91%
获客路径：$20 进门 → 免费试 AI → $99/店升级
单客户 ARPU：~$2,300/月（平均 4-5 家店）
单客户 ARPU：~$2,300/月（平均 4-5 家店）
壁垒
三重复合护城河
🔄 决策反馈飞轮
老板每次确认、否决、标注都在训练系统。竞品知道"发生了什么"，我们知道"为什么"。
50 家店 × 365 天的决策数据，不可复制。
50 家店 × 365 天的决策数据，不可复制。
🔒 运营依赖
员工依赖数字店长执行日常工作。SOP、话术、流程全部由系统承载，不在人的脑子里。
离开 = 丢失所有运营知识。用得越多，越离不开。
离开 = 丢失所有运营知识。用得越多，越离不开。
📊 数据复利
品牌内：同一连锁的跨店数据驱动精准营销和深度 Insights。
行业级：服务越多品牌 → 行业最佳实践基线越强 → 新客户开箱即用。
远期解锁供应链推荐和商户融资（Toast Capital 模式）。
行业级：服务越多品牌 → 行业最佳实践基线越强 → 新客户开箱即用。
远期解锁供应链推荐和商户融资（Toast Capital 模式）。
市场规模
$300B+
TAM — 全球预约制
服务业总收入
服务业总收入
$2.0B
SAM — 美国 180 万家美业全品类
（美甲/美发/Spa/医美/健身）软件+支付支出
（美甲/美发/Spa/医美/健身）软件+支付支出
Software $1.4B (Mordor + DataBridge + Nova One) + Payment margin ~$600M (IBISWorld)
$22M
SOM — 纽约都会区 ~3,500 家
华人美业门店
华人美业门店
扩展路径
切入：美甲连锁
横向：美业全品类（Spa、美睫、美发）
纵深：供应链推荐 + 商户融资
（基于流水数据的信贷风控，Toast Capital 模式）
远期：所有预约制服务业
Agent 架构天然可迁移到其他预约制行业。
横向：美业全品类（Spa、美睫、美发）
纵深：供应链推荐 + 商户融资
（基于流水数据的信贷风控，Toast Capital 模式）
远期：所有预约制服务业
Agent 架构天然可迁移到其他预约制行业。
市场策略
内置分销渠道，不做冷启动
NOW
QQ Nails 35 家店在线 — 系统已在生产环境验证，AI Agent MVP 8 周交付
NEXT
Joey 的供应商网络 — 100+ 沙龙，熟人介绍，零获客成本。扩展纽约都会区。
THEN
纽约 → 洛杉矶 → 美业全品类（Spa、美睫、医美）。可复制的扩展剧本。
Agent 层是撬动连锁品牌的楔子。
没有竞品能说"你的新店从第一天就能自己运转" — 这是让 20+ 店的连锁品牌愿意切换的关键话术。
品类验证
YC 正在批量投资"垂直行业 AI OS"
Bravi
Home Services
AI front-office + internal copilot for installers
YC F25
Carma
Fleet Management
Automates fleet ops, same-day service bidding
YC W24 · $5.5M Seed
Sandra AI
Car Dealerships
Replaces legacy DMS with AI-native platform
YC batch
Tensol
Hospitality
Replaces legacy hotel ERP end-to-end
YC batch
Brickanta
Construction
AI-native pre-construction workflows
YC batch
Celoria
Beauty & Wellness
$100B market. Legacy Zenoti. No AI-native player.
← The gap
模式已被验证。美业垂直赛道仍是空白。
项目现状
在生产环境运行，不是原型。
日处理量
单日 2,575 笔预约、$98,727 营收。
35 家店、301 名技师实时在线。
35 家店、301 名技师实时在线。
数据分析基建
9 类报表模块（Business / Sales / Finance / Profit / Employee / Payroll / Operational / Entitlements / Loyalty）。Insights Agent 的数据基础。
营销自动化
Email/SMS 推送、Loyalty、Gift Cards、A/B Testing、Customer Tags。
Marketing Agent 执行动作的"手和脚"。
Marketing Agent 执行动作的"手和脚"。
企业级审计留痕
每一个操作、每一个用户、每一次变更全部留痕。连锁品牌的合规刚需——谁在什么时候做了什么，可追溯。
员工全生命周期
排班、考勤、薪资、小费分配、绩效。
Talent Agent 优化排班和培训的操作层。
Talent Agent 优化排班和培训的操作层。
三端自有硬件 + Agent 可控配置
iPad 签到端 · iPhone 客户端 · POS 收银端。
小费设置、营销活动、终端配置——Agent 可直接操作这些旋钮。
小费设置、营销活动、终端配置——Agent 可直接操作这些旋钮。
独立开发。零外部融资。1,133 个 API · 4 个前端 · 企业级多租户架构。Agent 层构建在经过实战验证的平台之上。
执行计划
已交付的基座 + 下一步
✅ 已交付 — 生产环境运行中
✓
Web 管理后台
1,133 个 API · 企业级多租户 · RBAC 权限
✓
iPad 签到端
Flutter iOS · Check In / Walk-in 预约 · 多语言
✓
iPhone 客户端（Guest App）
预约 · Gift Cards · 服务浏览 · 多店选择
✓
POS 收银端（CodePay P5）
Flutter Android · 刷卡支付 · 小票打印 · 实时同步
✓
运营基建
报表(9类) · 营销(Email/SMS/Loyalty/A|B) · 审计留痕 · 薪资
☐ 下一步 — 融资后 8 周交付
☐
Manager App（老板移动端）
Insights 审阅 · Action 审批 · 多店数据一屏看
Agent 推送决策 → 老板手机点一下确认
Agent 推送决策 → 老板手机点一下确认
☐
Employee App（员工移动端）
接收 SOP 任务推送 · Checklist · 拍照留痕
接收 Owner 和 Agent 的实时反馈与指导
接收 Owner 和 Agent 的实时反馈与指导
☐
Agent 层（5 组）
Insights · Marketing · SOP · Finance · Talent
跨店协调器 + 决策反馈飞轮
跨店协调器 + 决策反馈飞轮
关键点：Agent 层构建在已交付的平台之上。
72/106 个 Agent 动作已内置 — 不是从零开始，是点亮最后一层。
72/106 个 Agent 动作已内置 — 不是从零开始，是点亮最后一层。
HARDWARE
← iPad 签到 · iPhone 预约 · POS 收银
三端均为自研，非第三方集成
三端均为自研，非第三方集成
团队
Eric He
CEO / CTO
设计硕士 (NYU) + 计算机硕士 (Georgia Tech)
美团 — 服务业 AI 大规模应用
用友 — 企业级 AI Agent 开发
独立构建整个 Celoria 平台：
1,133 个 API、4 个前端、AI 集成
美团 — 服务业 AI 大规模应用
用友 — 企业级 AI Agent 开发
独立构建整个 Celoria 平台：
1,133 个 API、4 个前端、AI 集成
Joey Fei
联合创始人 / COO
18 年美业从业经验
QQ Nails — 纽约最大美甲连锁
35 家店在线，第一个客户
美甲设备供应商，覆盖 100+ 沙龙
= 内置分销渠道
日常运营正在移交管理团队，
逐步全职投入 Celoria
QQ Nails — 纽约最大美甲连锁
35 家店在线，第一个客户
美甲设备供应商，覆盖 100+ 沙龙
= 内置分销渠道
日常运营正在移交管理团队，
逐步全职投入 Celoria
顾问团队
Advisory Board
Amazon 高级开发工程师
— 每周架构评审，持续 6 个月+
大型 SaaS 公司高级开发工程师
— 每周工程指导，持续 6 个月+
Joey 行业网络中的资深从业者
— 产品验证、市场策略
融资后首聘：
Founding Engineer
— 每周架构评审，持续 6 个月+
大型 SaaS 公司高级开发工程师
— 每周工程指导，持续 6 个月+
Joey 行业网络中的资深从业者
— 产品验证、市场策略
融资后首聘：
Founding Engineer
你的下一家店不需要
再请一个店长。
再请一个店长。
它只需要 Celoria。
eric@celoria.ai · celoria.ai