本週美國連鎖餐飲速報重點是什麼？
2026 年第 41 週，美國三則新聞指向同一條界線：AI 與數據可以提供「建議」，但「誰做決定、依據是否透明、顧客資料握在誰手上」決定了它是工具還是風險。 麥當勞被伊利諾州消費者提起潛在集體訴訟，指控其價格推薦工具等同「演算法價格操縱」，麥當勞回應 AI 不決定菜單價格、加盟主才是決定者；POS 業者 Toast 同週推出 AI 排班代理，並開放「菜單代理」等工具提前試用，連定價建議都納入；Fatburger 在母公司破產、被拆分出售後，推出品牌史上第一個會員制，目標是重新取得顧客資料與回訪理由。建議可以由機器給，責任與顧客關係必須由品牌自己扛。
期間：2026/10/5（一）－10/11（日）｜主題：AI 建議與決定權、顧客資料的歸屬
本週三則一次看
| # | 品牌（日期） | 動作的本質 | 關鍵事實 | 台灣品牌可直接複製的動作 |
|---|---|---|---|---|
| #一 | 品牌（日期）麥當勞 AI 定價訴訟（Restaurant Dive 10/5；NRN 10/6） | 動作的本質總部的「價格建議」與「強制使用」之間的法律界線 | 關鍵事實潛在集體訴訟、主張違反反托拉斯法；麥當勞稱 AI 不設價、加盟主決定；CEO 稱只有 60%～65% 加盟主遵循「3 美元以下」價格建議 | 台灣品牌可直接複製的動作留存「建議／自主決定」的證據鏈；寫清楚價格決策權在誰手上 |
| #二 | 品牌（日期）Toast IQ AI 代理（NRN 10/7） | 動作的本質AI 從行銷延伸到排班與定價建議 | 關鍵事實Team 代理數秒內排班（依可排班時間、預期銷量、加班風險）；測試客戶加班時數少 41%（廠商數據）；Team 每月 60 美元＋每員工 9 美元 | 台灣品牌可直接複製的動作導入 AI 排班前先整理需求預測與員工偏好；保留人工覆核 |
| #三 | 品牌（日期）Fatburger 首個會員制（Restaurant Dive 10/9） | 動作的本質破產重整後，用會員制重新取得顧客資料與回訪理由 | 關鍵事實1 美元 1 點、75 點換 5 美元（回饋率約 6.7%）；App 專屬優惠；18 個概念縮減為 12 個 | 台灣品牌可直接複製的動作重整期品牌先建低門檻會員；用 App 專屬優惠取得第一方資料 |
麥當勞遭 AI 定價集體訴訟：官方稱價格由加盟主決定
類型：AI 定價・加盟體系定價權・反托拉斯訴訟｜來源：Restaurant Dive（2026/10/5）、Nation’s Restaurant News（2026/10/6 13:18 GMT）［1］［2］
AI 給建議不是問題，問題在建議能不能被拒絕、被拒絕時會發生什麼事。
NRN 報導：伊利諾州 DeKalb 的 Michael Thomas 對麥當勞提起潛在集體訴訟，主張公司推出價格推薦工具，並推動加盟主使用，實質上構成價格操縱，違反聯邦反托拉斯法，並指這個工具是麥當勞價格自 2019 年起大漲的重要原因；麥當勞自己的說法是，價格在 2019 至 2024 年間上漲 40%［2］。訴狀把這套做法稱為針對「已經拮据的顧客」的演算法價格操縱，而且大量引用上週路透（Reuters）關於麥當勞定價工具使用 AI 的報導（該報導已在本欄 W40 記錄）［2］。
麥當勞的回應有三層。第一，公開聲明稱起訴書「充滿不實之處」，將強力抗辯，並表示麥當勞餐廳的菜單價格不是由 AI 設定，而是由加盟主決定；提供給加盟主的選用工具不會自動化、協調或固定價格［2］。第二，Restaurant Dive 的報導指出，公司強調價格推薦是「針對各餐廳」的建議，不會即時、或在一天中不同時段改變價格；今年初就開始檢視加盟主的定價決策，以確保「可靠的價值」；Restaurant Dive 實地觀察維吉尼亞州 Ashburn 一家門市，數位餐牌用於凸顯限時品、顯示缺貨與依日期顯示不同品項［1］。第三，麥當勞指出，不同門市本來就會有價差，以 Big Arch Burger 限時品為例，各店售價在 8～9 美元之間［1］。
有一個細節耐人尋味：麥當勞的 CEO Chris Kempczinski 曾在最近一次財報會議抱怨，只有約 60%～65% 的加盟主遵循 「3 美元以下」菜單的價格建議［2］——公司同時用這個數字說明「建議不是強制」，以及總部其實希望加盟主更多遵循。NRN 也指出，麥當勞長期請德勤（Deloitte）擔任定價顧問，提供各餐廳價格建議［2］。
為什麼這件事會成為本週話題？
因為它把一個長期的灰色地帶搬上法庭：總部提供「建議價格」，與「要求加盟主依建議定價」之間，只差一步。 麥當勞的 60%～65% 說法，在法律上有利於「這是建議、不是強制」，但在商業上說明總部對定價有強烈期待。
同時，這是 W40 路透報導的續集：W40 的焦點是 AI 引擎能做什麼（為近 1.4 萬家店、每個品項算出最佳價格）；本週焦點變成法律如何看待這套機制。原告把顧客支付意願的分析與「價格上漲 40%」連在一起，把定價問題變成消費者議題。
要保留的是：這仍是原告的主張，法院尚未審理；麥當勞否認所有指控。
台灣有沒有前例？海外有沒有對照？
台灣前例：台灣目前沒有同等規模、公開的「總部 AI 定價」爭議。但加盟總部提供「建議售價」是常見做法；台灣《公平交易法》對限制轉售價格有規範，「建議」與「要求依指定價格販售」在法律上屬於不同層級，實務上建議洽詢律師。本欄 W40 記錄了這套工具的運作方式，若台灣連鎖有類似做法，本案是值得追蹤的風險案例。
國際對照：本週 Toast 推出的「菜單代理」也包含定價建議（見本週第二則），由軟體商而非總部提供；兩者的差異是：總部對加盟主有契約與經濟關係，軟體商對餐廳是供應商關係。誰提供建議、誰有權要求照辦，決定了法律風險落在哪一邊。
我的餐廳品牌有什麼學習點？
- 留存「建議／自主決定」的證據鏈：總部提供價格建議時，記錄建議日期、依據（成本、區域、競爭），以及加盟主採納或不採納的紀錄；並在合約與溝通中明確寫「建議，非強制」。
- 把價格決策權寫清楚，並與加盟主對齊利益：麥當勞的難題之一是總部收營收分成、加盟主吃成本，兩邊對價格的偏好不同。台灣加盟體系可明訂：誰決定基準價、地區調整幅度由誰核定、特殊促銷如何分攤。
- 「分區差異化定價」要有透明的邏輯：區域價差本身常見（成本、租金、競爭）；不透明才是爭議來源。對外溝通時，用可說明的因素（租金級距、外送平台價差）解釋，而不是「系統算的」。
常見問題 FAQ
現在還太早。訴訟剛提起，法院尚未審理，麥當勞也否認指控。能確定的是，這類案件會讓連鎖與軟體商更謹慎地說明「AI 只是建議」。
原告的論點是：總部提供基於大量交易資料的推薦，又推動加盟主使用，等於讓同一個演算法影響大量門市的價格，構成「協調」。這是法律論點，是否成立要看法院如何認定。
是麥當勞 CEO 在財報會議中提到，「3 美元以下」菜單的價格建議，只有約 60%～65% 的加盟主遵循。公司一方面用它說明「建議不是強制」，另一方面也顯示總部希望加盟主更多遵循。
風險的核心在於「是否限制加盟主自行決定售價」。台灣《公平交易法》對限制轉售價格有規範，具體適用請洽律師；實務上，以書面標明建議性質、保留加盟主的調整空間，是降低風險的基本做法。
不需要擔心 AI 本身，但同樣要注意「總部如何影響加盟主定價」。即使只用 Excel 計算建議價，也要保留決定紀錄與溝通內容。
新聞資料來源
［1］McDonald’s disputes reports that it uses AI to set prices｜Restaurant Dive 2026/10/5
［2］McDonald’s now faces a lawsuit over its pricing recommendations｜Nation’s Restaurant News 2026/10/6
Toast 推出 AI 排班代理：數秒排班，菜單定價代理同步試用
類型：POS 內建 AI 代理・AI 排班・菜單定價建議・自訂代理｜來源：Nation’s Restaurant News（2026/10/7 14:17 GMT；Toast 於 10/6 週二發表）［3］
當 POS 開始替你排班、替你想菜單，AI 就從「行銷助手」變成了「營運同事」——能不能信任，取決於它有沒有留下人工覆核。
NRN 報導：POS 供應商 Toast 推出一批新的 AI 代理，用來自動化更多餐廳任務，像是排班與優化網站。這些代理屬於Toast IQ，也就是內建於其平台的 AI 層（去年上線）；現在分成兩類：專注行銷的「Grow」，以及這次新增、專注勞動力的「Team」［3］。
Toast IQ Team 的核心是排班代理：能依員工可排班時間、預期銷量與加班風險，在數秒內產出班表；Toast 稱 Beta 版客戶平均每名員工的加班時數比未使用者少 41%（廠商數據）；Team 也包含 AI 銷售預測，協助擬定人力計畫；另有「Team Performance」功能，讓經營者在員工 App 內建立競賽，激勵員工主推特定菜單項目，並附即時排行榜。定價為每月 60 美元，另加每名員工每月 9 美元［3］。
Grow 是 5 月推出，現又新增 SEO 代理（追蹤網路能見度，如建議在網站突顯熱門品項）、評論代理與優惠代理，加上行銷代理（依過去銷售資料找行銷機會，經營者核准後建立並執行活動），並附有真人行銷經理協助微調；Toast 在最近的財報會議說 Grow 是其「成長最快的新產品」［3］。
Toast 也開放三個正在開發中的代理的「搶先體驗」：菜單代理（改善線上菜單描述、找出缺漏或薄弱內容，並提供定價建議）、可自訂代理（讓餐廳用預建範本建立自己的代理，例如抓出漏打下班卡、標記異常作廢單、預測備料量）［3］。NRN 也指出，Square、PAR 等供應商也有類似代理，消費者端則有 Meta 的 Muse 或與 OpenTable 有關的 Lola 這類訂位代理［3］。
為什麼這件事會成為本週話題？
因為 AI 代理的範圍，從「寫行銷文案」走進了影響人力成本與價格的核心決策。排班直接決定加班費與員工滿意度；定價建議則與本週第一則麥當勞的爭議直接相關。
第二個訊號是商業模式：Team 以「月費＋每名員工月費」計價，意味著 AI 成為可計算的營運成本，而非免費附加功能。對連鎖品牌，這個價格需要用「省下多少加班費」來評估。
要保留的是：41% 是 Toast 的 Beta 客戶數據，非第三方驗證，也沒有說明樣本與對照方式；各代理的實際成效仍需自行驗證。
台灣有沒有前例？海外有沒有對照？
台灣前例：本欄 W39 記錄彩豚屋讓 AI 接沒人接的電話，W40 記錄路易莎導入 AI Agent 整合會員資料；本週台灣報導業者改看「人效」，並以 AI 訂貨、自助設備減少無效工時（見本週台灣速報第二則）。台灣的 AI 多半先用在訂貨、客服、會員資料等「看不到顧客的環節」，排班與定價建議仍較少公開案例。
國際對照：日本濱壽司本週選擇延長營業並以深夜加價補貼人事成本（見本週日本速報第一則），是用「價格機制」處理人力；Toast 則用「演算法排班」處理加班。兩者都在減少「沒有產出的人力成本」，但手法不同：一個動價格、一個動班表。
我的餐廳品牌有什麼學習點？
- 導入 AI 排班前，先整理三份資料：員工可排班時間（含偏好與限制）、歷史銷量（分時段）、加班與勞基規則。AI 的建議品質取決於這三份資料；資料不完整，建議再快也沒用。
- 保留人工覆核，並記錄「AI 建議 vs 最後決定」：排班影響員工生活，不能完全交給系統；記錄差異有助於修正規則，也能在爭議時說明決策過程。
- 用「省下的加班費」而非「功能多寡」評估價格：以 Team 的月費為例，只要月加班費節省超過軟體費，才算划算。先用一家店試跑，記錄 4～8 週的加班時數與離職率，再決定是否擴大。
常見問題 FAQ
一般功能是你設定規則、它執行；AI 代理是它根據資料主動提出建議（有些可在核准後自動執行）。例如排班代理會根據可排班時間、預期銷量與加班風險產生班表，而不是只提供排班表格。
這是 Toast 公布的 Beta 版客戶平均值，與未使用的餐廳比較，缺少第三方查核與樣本細節。可作為參考方向，但不宜當成保證；建議在自己的店用 4～8 週前後比較。
爭議的核心是「誰要求照辦」。Toast 是軟體供應商，建議的對象是餐廳老闆；麥當勞是總部，對象是加盟主，有契約與經濟關係。風險落在哪裡，取決於建議是否被當成強制要求。
要看店數與複雜度。單店、員工少且固定的店，用表格即可；多店、計時人員多、營業時間長的連鎖較有效益。先看加班費與排班耗時占比，如果占比不高，不一定需要。
Restaurant Dive 同週報導指出，員工與消費者對 AI 準確性與效率的疑慮，在部分連鎖已成真，專家建議餐廳應「慢慢導入」，確認工具解決的問題多於製造的問題。因此建議小範圍試用、保留人工覆核、定期檢視成效。
新聞資料來源
［3］Toast unveils an array of new AI agents for restaurants｜Nation’s Restaurant News 2026/10/7
Fatburger 推首個會員制：破產重整後用點數重建顧客關係
類型：破產重整・會員制・第一方資料・品牌收斂｜來源：Restaurant Dive（2026/10/9）［4］
品牌在重整期最缺的不是新品，而是知道「誰是我的顧客」。會員制是最便宜的起點。
Restaurant Dive 報導：Fatburger 推出首個會員制，會員每消費 1 美元得 1 點，累積 75 點可換 5 美元折扣，另有 App 專屬優惠、限時活動、加碼獎勵與專屬福利；行銷資深總監 Jessica DePrizio 表示，會員制將帶來更高的回訪頻率與更大的平均客單［4］。報導引用產業經驗：會員通常花得更多，所以會員制有機會提升銷售與頻率［4］。
數字換算：75 點對應約 75 美元消費換 5 美元折扣，回饋率約 6.7%（依文中數字計算）。
背景更重要。Fatburger 所屬的 Fat Brands 在今年 1 月聲請破產，原因是多年收購累積的逾 10 億美元債務無力償還。今年夏天，FBG Bid Co. 以 5.95 億美元買下 Fat Brands，透過四筆交易把公司拆分，旗下概念從 18 個縮減到 12 個；Fatburger 與另外 11 個實體現屬新東家。破產之前 Fat Brands 因積極加盟推廣，手上握有數百個待開店案；即使在破產聲請之後，Fatburger 今年仍持續開店，包括進軍法國，以及在佛州 Jacksonville 開出首家餐廳［4］。
為什麼這件事會成為本週話題？
因為它展示了重整期品牌如何重建顧客關係。破產與易主會讓顧客資料、品牌信任與員工信心同時動搖；會員制是最低成本、最快速取得第一方資料的方式。Fatburger 之前沒有會員制，這代表過去的顧客交易多半經由第三方平台或門市現金流，品牌手上沒有可長期運用的資料。
同時，這是 W40 美國藏壽司、Charleys 分級會員趨勢的另一個切面：他們是從「單層」升級為「分級」，Fatburger 則是從「無」到「有」。
要保留的是：新聞稿性質，尚無成效數據；回饋率 6.7% 為依文中數字計算的結果。
台灣有沒有前例？海外有沒有對照？
台灣前例：W40 本欄記錄了王品會員逾 580 萬、會員消費占比可望達 57%，以及路易莎整合 200 萬會員資料；這些是已有大量會員資料的成熟集團。Fatburger 的情境更像台灣的新品牌或易主品牌：從零開始建立第一方資料。路易莎本週（見本週台灣速報第一則）也在整頓過度擴張的多品牌，暫停自創新品牌，與 Fat Brands 的 18→12 收斂是同一個邏輯：品牌太多、後勤撐不住，就要先收斂。
國際對照：本週日本速報談的是濱壽司用深夜加價補貼營業成本，美國則是用會員制補顧客關係；一個守成本，一個守顧客。重整期最需要同時顧好這兩件事。
我的餐廳品牌有什麼學習點？
- 重整期先建低門檻會員，再談分級：Fatburger 的設計很簡單，1 美元 1 點，75 點換 5 美元，無需複雜等級。對新品牌或剛換手的品牌，先取得註冊與消費資料，比設計複雜的福利更重要。
- 用 App 專屬優惠換取第一方資料：報導提到 App 專屬優惠與限時活動。台灣品牌可用「首次下載送小品項」「App 點餐加碼」換取手機號碼與消費紀錄，並確認個資告知符合《個人資料保護法》。
- 會員制要搭配品牌收斂：Fat Brands 從 18 個概念收斂到 12 個，才有資源集中經營。台灣多品牌集團導入統一會員制時，同樣應先確認哪些品牌值得投資，再整合點數與資料。
常見問題 FAQ
這是依「75 點＝75 美元消費換 5 美元」計算的結果。一般餐飲連鎖的點數回饋率常見在個位數百分比，是否屬於高或低，取決於品牌毛利率與客單價；建議以自家食物成本率與會員回購提升幅度來評估，而非與他牌比較。
這是風險。報導未討論顧客反應。常見的做法是用「即時可用」的優惠（App 專屬優惠、限時活動）降低對「長期累積」的疑慮，並避免點數過長的有效期。
報導指新東家 FBG Bid Co. 透過四筆交易買下 Fat Brands，並把公司拆分，概念數隨之減少。可見的邏輯是：背負過多債務與概念的集團難以維持，重整時需要收斂。
不會。會員制的成本相對低，且能儘早累積第一方資料。重點是設計簡單、營運人員會操作、會員資料有明確用途（例如分眾推播、沉睡喚醒），而不是為了有會員制而有。
至少要注意《個人資料保護法》的告知與同意（蒐集目的、利用範圍、保存期限），以及點數或儲值的相關規範。詳細適用請洽法律或會計專業人士。
新聞資料來源
［4］Fatburger launches first rewards program｜Restaurant Dive 2026/10/9
本週結語
把本週三則疊起來看，會得到一條清楚的線：AI 與數據可以給建議，但「誰決定」與「誰握有顧客資料」，是品牌必須自己扛的兩件事。
麥當勞的案例顯示，連鎖總部提供價格建議，本身是常態，但當建議被指控成「協調」時，證據鏈與溝通方式就變成法律風險；60%～65% 這個數字，一方面證明建議不是強制，另一方面也說明總部有多希望加盟主聽話。Toast 的 AI 代理則把相同問題推到軟體商端：排班、菜單、定價建議都能自動產出，但責任仍在餐廳。Fatburger 的會員制則是從另一個角度回答：顧客關係不能外包，即使在破產重整中，也要先把資料握在自己手上。
三則在國際上都有對照：台灣業者本週改看「人效」，路易莎承認擴張過快、暫停新品牌；日本濱壽司延長營業並以深夜加價補貼成本——不同國家，用不同工具處理同一個題目：怎麼讓成長可計算、可控制、可負責。
對台灣的品牌主，本週的提醒可以收成一句話：打開你上一次給加盟主或各店的「建議售價」或「建議排班」文件，看一眼它是否清楚寫著「建議」、是否留有調整紀錄。 這份紀錄，是你使用 AI 與數據時最便宜的保險。
