星巴克要用AI打造个性化得来速菜单，点单更轻松

星巴克正在把AI推向得来速（drive-thru）场景。在最近的一次财报电话会议上，CEO Brian Niccol表示，公司计划探索“在参与顾客抵达时识别他们、呈现个性化数字菜单、并让支付更轻松”的体验。这意味着，未来你开车到店时，屏幕上的菜单可能不再千篇一律，而是根据你的偏好实时调整。

个性化菜单：从“人找菜单”到“菜单找人”

传统得来速的交互逻辑是：顾客看固定菜单，然后点单。星巴克想反过来——系统识别到参与计划的顾客后，直接呈现为其定制的数字菜单。这背后需要打通会员体系、消费历史与实时点单系统。Niccol 的表述中，“recognize participating customers as they arrive”是前提，说明个性化建立在用户主动参与的基础上，而非无差别识别。

这种模式的价值在于缩短决策时间。对于熟悉的顾客，菜单可以直接突出其常点品类，减少滑动和犹豫；对于尝试新品的用户，则可能推荐关联商品。不过，个性化推荐的效果高度依赖数据质量与推荐算法的准确度，一旦推荐失准，反而可能干扰点单流程。

得来速（drive-thru） 是餐饮业中一种典型的车道式服务模式：顾客驾车驶入专用通道，通过扬声器点单、在窗口取餐并完成支付，全程无需下车。这种模式对效率极为敏感，因为车道排队长度直接影响门店吞吐量和顾客体验。星巴克此次探索的个性化数字菜单，正是要利用车道场景中顾客“抵达即识别”的特点，将传统静态菜单替换为实时定制的交互界面。与手机App点单不同，得来速场景要求系统在数秒内完成识别、推荐和呈现，对低延迟和数据实时性提出了更高要求。

支付“更 effortless”：体验闭环的关键一环

除了菜单，Niccol 还提到“make payment more effortless”。在得来速场景中，支付环节的摩擦往往被低估——掏手机、扫码、确认金额，每一步都可能拖慢车道效率。如果星巴克能将识别、推荐与支付串成一条无缝链路，比如顾客确认菜单后自动完成扣款，整个体验会流畅得多。

这并非星巴克第一次尝试数字化点单。其移动点单与支付功能已经运行多年，但得来速场景的复杂度更高：车辆识别、多人订单、实时库存都需要协同。AI 在这里的角色，更像是把既有数字能力整合到线下即时场景中。

移动点单与支付（Mobile Order & Pay） 是星巴克数字生态的核心功能之一，允许用户通过官方App提前下单并完成支付，到店后直接取餐。该功能已运行多年，积累了大量的用户偏好和交易数据。然而，得来速场景与移动点单存在本质差异：移动点单发生在顾客到店之前，系统有充足时间处理订单；而来得速要求系统在顾客驾车抵达的瞬间完成识别、菜单呈现和支付授权，且需应对车内多名乘客、临时加单等复杂情况。因此，星巴克需要将既有数字能力从“提前规划”模式迁移到“实时响应”模式，这涉及车辆识别、订单合并和库存同步等一系列技术集成。

挑战与边界：隐私、准确性与落地节奏

个性化菜单的想象空间很大，但落地难点同样明显。首先是隐私边界：顾客是否愿意被“识别”？参与机制如何设计才能既采集数据又不越界？其次是准确性：如果推荐与顾客当下需求不符，个性化就成了干扰。再者是技术成本：得来速门店的硬件升级、系统集成与维护，都需要持续投入。

Niccol 的措辞是“explore”（探索），而非“launch”（推出），说明这仍处于早期阶段。星巴克需要先在部分门店验证模式，再考虑规模化。对于餐饮行业而言，这一探索也提供了一个观察样本：AI 如何在不打扰顾客的前提下，真正提升线下服务的效率。

参与式识别（participating customers） 是星巴克在隐私设计上的关键措辞。它意味着个性化菜单仅对主动加入会员计划并授权数据使用的顾客生效，而非通过车牌或人脸无差别识别所有到店车辆。这种“选择加入”（opt-in）机制在餐饮业中较为常见，既能降低合规风险，也能提升顾客对推荐结果的接受度。但参与率本身是一大挑战：如果只有少数顾客授权，个性化菜单的规模效应和训练数据都会受限。此外，即便顾客已授权，系统仍需在识别精度与隐私感知之间取得平衡——过度精准的推荐有时反而会让顾客感到被监视。

写在最后

星巴克的个性化得来速菜单，本质上是把数字会员体系的能力延伸到线下即时交互中。它能否成功，取决于识别精度、推荐质量与支付体验三者能否形成合力。至少从方向上看，让菜单“认识”顾客，比让顾客在固定菜单里翻找，更接近无缝体验的目标。