商圈点位关心的是全天总量，校园点位关心的是短峰消化能力。课间通常只有十分钟上下，人流在这段时间内集中出现、迅速散去。所以选型与布点要围绕一个问题：这十分钟里，队伍能不能在下一节课铃响前散掉。
这个判断和「单杯要多久」不是一回事。单杯时间再短，如果下单一环卡住（扫码、选品、支付各一步），单位时间内实际能完成的人数仍然受限。评估时要看整条动线，而不是某一段的时长。
一是人流集中度高。课间人流几乎同时出现，不像商圈那样分散在一两个小时内，平均到每分钟的到达人数会明显偏高。
二是决策时间短。赶着上课的人不会在屏幕前比较很久，选择越少、路径越短，实际完成率越高。这一点在选品结构上可以直接体现。
三是空间限制。排队需要地方站。走道窄的点位，即使设备出杯没问题，人一多也会堵在通道上，进而影响通行，最终被管理方要求限流。所以「能出几杯」和「能站几个人」要一起算。
第一步，估到人。选一个最密的课间，在点位旁站 10 分钟，数经过人数（至少数两天同一时段，取较高的那组）。这是唯一需要实地做的数据，也是最容易被跳过的。
第二步，估转化。看该点位周边有没有替代选择（食堂饮品窗口、便利店、自动售货机）。有强替代时，转化比例按保守取；周边没有替代且点位在必经路径上，可以取相对高一些。这一步是估算，不必精确，但要写清假设。
第三步，算消化。把估算的购买人数，按设备在连续出杯状态下的节拍折算需要多长时间。如果折算时间明显超过课间长度，说明需要调整：加设备、换更靠前的位置，或者把菜单结构收窄以缩短单次交互时间。
这里要注意一个现实约束：连续出杯时，设备可能需要在两杯之间做自清洁或复位，实际节拍会慢于单杯测试值。所以估算时留出余量，比按理想值算更可靠。
做法一：把选择前置。在设备旁（不是屏幕里）放一块极简的品项牌，让人在排队时就想好点什么。排队时间里完成决策，到了屏幕前只剩扫码与确认，动线整体会快很多。
做法二：收窄高峰菜单。课间时段只保留少数几个品项，其余时段再放开。选择少、路径短，单位时间完成人数上升。这个设置通常可以在设备后台按时段切换。
做法三：错开物理位置。如果单点压力确实过大，与其在原地堆设备，不如在同一条人流路径的上游再放一台。人的行走路径通常有分岔，把设备放在分岔前，能把一股人流拆成两股，比集中在一处更有效。
三种做法可以叠加，但优先级建议是：先做选择前置（成本最低），再看菜单分时（不占地方），最后才考虑加点位。
短峰之后是长尾。课间结束到下一节下课之间，设备基本空闲，这段时间适合安排三件事：补料（避免在高峰前手忙脚乱）、清洁（出杯口与接水盘）、参数微调（按上一峰的出品反馈调浓度或温度）。
把这些动作固定到长尾时段，等于把运维从「随时待命」变成「按节奏执行」，人力安排会更从容。
最常见的误判是拿一次单杯测试的时间，乘以十分钟，得出「课间能出多少杯」。这个算法忽略了三件事：交互时间（扫码选品支付）、连续出杯时的间隔、以及人的犹豫。
更贴近实际的算法是实测排队：在真实课间让几个人依次操作，掐表记录从第一个人开始到第 N 个人取杯完成的总时间，再除以人数。这个数字虽然粗糙，但比任何理论推算都接近现场。
第二个误判是忽略「补料窗口」。如果高峰前料仓只剩少量，中途需要补料，那这一段就变成停摆。把补料安排在高峰前完成，是最简单也最容易被忘记的一条。
不要用单杯测试值乘时间估算。更接近现场的做法是实测排队：让几个人在真实课间依次操作，掐表记录从第一个人开始到第 N 个人完成取杯的总时间，再除以人数。连续出杯时设备需要复位自清洁，实际节拍会慢于单杯值。
三个做法按成本排序：一是把品项牌放在设备旁，让人在排队时完成决策；二是高峰时段收窄菜单，缩短单次交互；三是在同一条人流路径的上游再加一台，把一股人流拆成两股。优先做前两个，最后才考虑加点位。
商圈看全天总量，校园看短峰消化能力。校园的特征是一天多个十分钟级的短峰，人流集中度极高，且赶时间的人决策时间短。所以选型要围绕「下一节课铃响前队伍能不能散掉」。
在最密的课间站在点位旁数 10 分钟经过人数，至少数两天同一时段取较高值。再结合周边是否有强替代（食堂窗口、便利店、售货机）估转化比例。转化是估算，要写清假设。
安排在高峰之前完成。课间结束后到下一节下课之间是长尾时段，适合补料、清洁出杯口与接水盘、按上一峰反馈微调参数。把动作固定到长尾时段，人力安排会从容很多。