餐廳 OCR 入單準確率怎麼測才準？別被 99.8% 的行銷話術騙了

很多餐廳老闆第一次問「OCR 入單準確率如何驗證」，通常不是因為想研究演算法，而是因為前線已經被紙單、手寫單、WhatsApp 截圖和 Excel 拖慢了。真正的問題從來不是 OCR 能不能讀，而是讀出來的數據，能不能直接進採購、庫存、對帳和利潤分析，達到少返工、少出錯、查得到責任的目標。

如果驗證方法錯了，99.8% 這種數字毫無意義。因為餐飲業看重的不是「看懂一張單」，而是「把一張單變成可用數據」。同樣一張採購單，供應商名稱識別錯一個字，影響可能不大；但數量、單位、單價、稅額、送貨日期錯了，後面庫存、應付帳、菜單成本都會一起偏掉。所以，驗證 OCR 入單準確率，不能只看總分，必須看欄位、場景和業務後果。

為什麼餐飲業驗證 OCR 入單準確率不能只看一個百分比

市面上很多準確率說法，問題在於口徑不統一。有的按「字元準確率」算，有的按「欄位準確率」算，有的按「整單準確率」算。對餐飲企業來說，字元準確率參考價值最低。因為財務和營運不會因為系統把「凍雞翼」看成「凍雞翼」就停工，但會因為「10箱」被讀成「100箱」直接影響採購判斷和庫存盤差。

更實際的做法，是先定義你要驗證什麼。通常至少分三層：第一層是圖像識別能力，即能不能從發票、送貨單、手寫單裡抓到文字；第二層是欄位提取能力，例如供應商、日期、品名、規格、數量、單位、單價、金額；第三層是業務匹配能力，也就是這些欄位能不能被正確映射到系統裡的供應商檔案、商品主數據、採購記錄和成本報表。

如果只拿一批乾淨、拍得正、光線好的樣本來測，結果一定偏高。但餐廳真實環境不是辦公室掃描機，而是後門收貨區、廚房檯面、店長手機、晚上補單。驗證必須貼近現場，否則上線後還是要人手改單。

OCR 入單準確率如何驗證：先把標準定清楚

要讓測試結果有參考價值，第一步不是上傳單據，而是先定「算對」的標準。建議把欄位分成三類：

1. 關鍵欄位：錯一個就會影響成本和對帳，包括供應商名稱、單據日期、品項、數量、單位、單價、總金額。
2. 重要欄位：例如稅額、折扣、付款條件、送貨單號。
3. 輔助欄位：例如地址、電話、備註。

接著要定義容錯規則，例如簡繁體差異、全形半形差異是否算對；品名匹配是否自動歸一。沒有這些規則，不同人複核同一批單，會得出不同結論。此外，對餐飲團隊最實用的指標有三個：欄位準確率、整單可用率、人工干預率。後兩項，往往比單純的 OCR 百分比更接近真實價值。

樣本怎麼抽，才不會測出「好看但沒用」的結果

樣本如果只挑最標準的發票，測試就失真。餐飲業建議按來源（正式發票、手寫單、WhatsApp 圖片）與難度（折皺、模糊、手寫修改、表格）進行分層抽樣。一個務實的做法，是收集最近一到兩個月的真實單據，按門店、供應商分組隨機抽樣。若是初步選型，100 到 300 張真實單據已足夠；若準備導入，建議把高頻供應商和高金額品類單獨拉出來測。

驗證時不能只看識別，還要看能否進入管理流程

很多團隊測試 OCR 只停在「系統有沒有讀出字」。但餐飲業真正需要的是，讀出的數據能不能進採購、庫存、應付和成本分析流程。舉例來說，送貨單寫「雞蛋 12 板」，OCR 認出字了，但如果系統沒把「板」對應到庫存單位，這張單仍然不能用。

驗證時至少要追蹤三個結果：欄位讀對了嗎？欄位映射對了嗎？映射後能生成可複核、可追溯的採購記錄嗎？這也是為什麼真正可落地的方案，通常不只是 OCR 引擎，而是一套包含規則、主數據、例外處理與複核機制的流程。像 Costflows 這類專注餐飲場景的系統，價值在於把入單、對帳與成本控制整合在同一條數據鏈。

怎麼判斷供應商給出的 99.8% 是否可信？

先問三個問題：這 99.8% 是怎麼算出來的？測試樣本是否包含真實手寫單與非標準格式？是否包含人工複核後的可用率？

如果對方無法說明關鍵欄位表現與人工干預比例，這個數字只能當行銷宣傳。更穩妥的做法，是要求用您自己的真實單據做兩週試測，統計關鍵欄位準確率與修正時間。

驗證之後，怎麼把準確率變成穩定的營運能力

準確率驗證不應只是導入前的動作，而應成為持續監控的一部分。每月追蹤關鍵欄位準確率、人工修正率與異常排行，能幫您及時發現是供應商改版、門店拍照習慣不良，還是商品主數據沒維護。

當這套機制建立起來，OCR 才不是單純的「省時間工具」，而是數據紀律的一部分。數據鏈一旦打通，採購、廚房、經理和會計講的都是同一套數字，不再各自記一本帳。準備評估 OCR 前，別急著問「能不能識別」，先問「識別後能不能直接用於經營」。真正有價值的準確率，必須經得起真實單據、真實流程與對帳的檢驗。

‍