教你玩转每道菜背后的大数据（上篇）：餐饮行

小提示：您能找到这篇{教你玩转每道菜背后的大数据（上篇）：餐饮行}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的教你玩转每道菜背后的大数据（上篇）：餐饮行内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

这是一篇关于餐饮行业数据分析的重磅干货，能切实帮助餐饮领域的运营童鞋解决：如何砍菜单、如何管理用户、甚至如何降低发短信广告成本等常见问题。就算你不做餐饮行业的运营，这篇文章也能手把手的教你通过数据分析的方法，科学合理的做用户分群、监测留存率、以实现精细化运营，这可是每个互联网公司都想做的事情。

全文共8147字，整体阅读做推广啊时间40-50分钟，本次推送将全文分成了上中下三篇 ——

• 上篇主要内容有：1.餐饮行业数据运营的时代已来临. 2.如何构建数据运营监测中心。共216上海的特色产品优秀营销软3字。
• 中篇主要内容有：3.如何通过波士顿矩阵分析，砍掉菜单里不受欢迎的菜品。 4.如何通过分析用户购买行为，确定菜品是“留客”还是“赶客”。共2145字。
• 下篇主要内容有：5.如何通过RFM模型，为用户分群，实现精细化运营 6.不得不考虑的用户获取成本 。共3839字。

餐饮行业数据运营的时代已来临

1.餐饮行业对数据运营概念缺失

餐饮行业是一个历史悠久的行业，我相信每一位掌柜的脑袋里，都有一副“算盘”时刻盘算着门店的运营情况，但绝大部分掌柜真的只把“算盘”存在脑海里，这也是为什么在餐饮行业里，大家一直会听到这样的困惑：“一家店盈利，三家店打平，再开下去就亏了”。只凭一人的脑力，很难计算统筹如此多门店的利润，是时候用更科学的手段，让电脑帮忙去盘算生意了。

虽然电脑盘算生意需要成本模型，不同的餐饮行业，成本模型也不同。但我想本质是相通的，餐饮行业有四个重要节点“进、销、存、管理运营”，这些数据都不难获得，要求一线员工记录到位，进销存数据就能落到纸面上。

基础数据有了，大多数掌柜却只做月结汇总，忽略了整个过程，很多潜在的盈亏改善点就是这样被错过的。比如：某掌柜月结汇总是发现本月采购量远远大于销售量，却没办法追溯原因。某掌柜月结汇总时才发现，大蒜上星期处在历史最低价，却没能及时囤货，现在涨回来了，后悔莫及。

想要发现这些机会，纯靠人脑监控计算太难，更好方法还是让电脑来帮忙记录数据、给出分析。

2.互联网外卖行业的兴起，促使商家开始了解数据运营

2014年，互联网外卖送餐O2O开启了一场战争。那时一家驴肉火烧的老板告诉我，平台每单起步补贴能达到12元，而他家的驴肉火烧本来就卖12元，为了避免爆单，老板不得不提价到15元去卖。更何况，那时不止一个平台给补贴。

餐饮商家由此开启了多平台外卖之路，但商家对多外卖平台的局面，可谓又爱又恨。爱多外卖平台带来的机会，恨每天需要在多个平台维护商品、处理评价、申报满减、活动、对账、调整库存……甚至每天卖了多少钱，都得多个平台统筹计算才知道，那叫一个累啊。

这种形式，却也让之前只习惯月结汇总的掌柜，开始关注每天的流水、每家外卖平台的客流量，互联网外卖行业的兴起，逼着掌柜们走向了数据运营之路。

3.外卖平台多，数据乱，无法满足数据运营要求

懒是人类第一生产力，更是程序员的第一生产力。我在踏入餐饮行业后，第一个需要克服的问题，就是如何在多外卖平台的情况下，提高数据处理的效率。

简言之，就是帮助掌柜们跨平台计算外卖订单量、客流量、库存量，甚至监控单个菜品的售卖情况、商家菜品打折的活动情况……

为此，我调研过市面上10余款餐饮系统、多平台系统。也接触过一些融合系统，结果都令人失望。毕竟大多数外卖平台自身就在快速迭代，开放接口不完善不稳定、抓出来的数据也三天两头出问题。建立于其上的融合系统就更是BUG频出。

所以我决定建立一个灵活、便捷、且能够监控多渠道的数据监测中心。

如何构建数据运营监测中心

一个正常的数据系统构建流程，应该包括：确定需求、获取数据、清洗数据、分析建模、解读表达、可视化等等，这也是我原本的构想，但这个完整的过程太复杂，大家的兴趣并不大。

那么，我先分享如何通过BDP构建属于自己的数据运营监测中心，有机会再分享如何建立一个完整的数据系统。

1.如何根据订单数据建立分析模型，建模有何用？

餐饮行业的订单数据包含很多基础信息，我们需要从不同视角去分析解读这些信息，用以辅助决策。

通常，一条订单中至少包含时间、来自哪个外卖平台、菜品名称、菜品数量、价格5个数据属性，如果我们构想一个数据立方体（DATA CUB）出来，这些属性就是立方体的维度。

虽然只有下单时间、菜品名称、平台三个维度。但根据这个立方体，已经能解决很多掌柜急需了解的问题了。

比如：

• 年报、季报、周报、日报我都能查看吗？（钻取，上卷）
• 能查看南平360百科词条创建代任意时间段下，某道菜品甚至几道菜品的销量对比吗？（切片、切块）
• 能全局观察，对比几个外卖平台的销售情况吗？（旋转）

但实际上，订单还会包含菜品数量、价格、送餐地点等数据，集合这些数据，可以构建出一个多维数据模型（画不出来），姑且先用这个立方体做例子。

2.一家餐馆，需要具备哪些“视角”以分析数据

“横看成岭侧成峰”是对置身于数据海洋最形象的形容，不同的视角能得到不同答案。为了能全面了解和分析经营情况，我们固化了十多个常用“视角”：分别包括：

订单分析、周订单分布、月订单分布、菜品销量分析、流量分析、用户跨平台分析、用户平台对比、配送分析、评价词云。

其中的每一个仪表盘，都能拆分出不同的表格，以做便于详细对比。其中的每一个仪表盘，都能拆分出不同的表格，并提供不同的切片、切块视图，配备了全局筛选（主要是时间和平台）可以对整个仪表盘内的图做同一控制。

如订单分析就包含了：

订单量、平台订单对比、分平台订单量

另外，平台的任意一个图标都可以展开查看更多细节，可以实时做出更丰富的筛选、钻取、上卷、排序等变换。

如何通过数据分析合理调整菜单

其实每一条订单数据都包含着一个重要信息：菜品明细，虽然这类信息在获取上因为跨平台的问题，归纳整理起来很麻烦，但整理好这些数据，却能辅助我们做很多决策。

1.通过数据分析，确定主力销售菜品

总结几大平台的数据之后，我们可以总结出一张菜品销量走势图，并由观察销售金额累计、平台销售数量累计，查看哪些菜品使我们的核心菜品、哪些是我们的主要销售平台。并根据这个结果，调整菜单、调整平台投入力度。

通过分析时间线上销售金额，我们还可以观察一道菜品在促销、调价等活动后的售卖情况，及时做出调整。

2.通过数据分析，了解套餐配菜是否合理

如果你的餐厅里也有单品和套餐，相信你也会关心究竟用户是单品点的多，还是套餐点的多。

也可以检查套餐配菜是否符合用户诉求

3.通过数据分析，调整菜单排序

解析用户收单最爱点哪道菜也非常重要，反复参考这些拉新效果好的菜品，以调整外卖APP的菜单排序，这将有助于整体提高门店的下单转化率。

找到新用户收单最爱点哪些菜品后，可以继续分析原因——

是哪些因素让菜品脱颖而出呢？价格？图片？描述？首单用户是在没吃过这道菜的情况下，根据菜单在外卖APP上的呈现效果点菜的，调整外卖APP的菜单呈现，也有助于提升转化率。

作者：Kener-林峰，数据可视化领域专家，北邮计算机、国家重点实验室交换与智能控制研究中心、前百度资深研发工程师，百度数据可视化方向奠基人之一，凤巢业务系统前端技术leader，Echarts 作者

本文由 @Kener-林峰于。，。