据分析是一种思考方式，在生活中也有很多的地方可以锻炼自己的数据思维。本文从生活场景出发，谈谈你吃饭的时候会遇到哪些数据分析知识，希望对你提升数据分析思路和技能有所帮助。

本篇是系列文，会带着大家从各种生活场景出发，提升业务理解，轻松学会数据分析思路和技能。

建议点赞收藏，遇到类似的情况，再拿出来细细品味。

今天讲的内容是：你吃饭的时候会遇到哪些数据分析知识？

读完本篇，你可以获取这些知识：

• 用户的数据是如何被采集的
• 店家为什么要做私域，用什么样的指标分析
• 计算这些指标会用到的excel/sql/python函数

场景复现：

周末了，为了放松一下，小王准备约上几个朋友去一家餐厅吃饭。

餐前：

到了餐厅以后，小王开始扫了店家的小程序码点餐，选了几样招牌菜后，提交订单，等待上菜。

餐中：

在用餐过程中，有服务员进来搭话，询问菜品是否符合口味，如果符合的话是否可以写个大众评论？餐厅可以免费赠送一个菜品作为交换。如果比较忙的话，她可以用小王的手机进行编辑。小王同意了。

餐后：

在用餐过后，小王去结账，结账时再次被询问，菜品是否符合口味。在得到了小王的肯定后，并且推荐店长微信，承诺以后用餐可以直接在店长上预定座位，无需排队，小王便添加了微信，随后走出餐厅。

问：

小王在这个流程中经历了什么？有什么信息被采集到了？

店家为什么要这么做？目的是啥？怎么评估效果好坏？

假如你是数据分析师，你如何建立、分析相关指标？需要数据处理工具完成？

一、用户行为视角

1. 小王经历了什么流程

我们将小王点菜吃饭的过程拆解，可以得到如下流程：

注：同一个微信号在同一个公司主体注册的小程序、企业微信中的id是唯一的。

我们可以看到，在小王吃饭的过程中，很多的信息的采集是无感的，比如微信ID的授权、餐桌的门店、桌号等。

那么，商家采集这些信息又有什么用呢？

2. 小王还可能经历什么

我们发现，以上的流程其实并没有闭环，所以小王添加微信后还会遇到非常重要的一个环节，就是被触达：

这就是为什么，我们在小王的数据采集流程中，专门把微信唯一ID、订单号单独标注出来的原因。只有将小王的微信号和订单ID打通，才能进行后续小王的复购、到店时间等维度的分析。

那么，店家为什么要这样干，有啥好处吗？

二、商家运营视角

1. 单门店视角

首先，我们需要关注的是，在这个流程中，店家做了啥，付出了啥，得到了什么结果。

店家做了，但小王没有感知的部分：

• 进行桌号的陈列，给每个桌贴二维码、排号
• 进行菜品在小程序后台的上传、分类、排序

店家做了，且小王有感知的部分：

那么店家的投入回报，可以梳理如下：

我们可以发现，其实很多商家的付出成本是一次性的，比如：

并且很多成本虽然不是一次性，但是可以由自己控制的，比如：

然而带来的好处是持续且显而易见的，比如越多人扫码点餐，降低服务员的服务成本就越越多、越多人给好评获得公域曝光就会越多、越多人进入私域，可以被直接触达的用户就越多。

这至少是一个一举三得的事情，并且除了好评曝光（在太多的公域平台，很难打通），其他的地方的成本和收益都很容易被计算。比如花了多少钱买工具，多少用户扫码了、多少用户通过私域预约来吃饭了等等。

这部分涉及到很多分析指标，我们接下来会讲到。

那么，如果是集团式的运营，会不会有什么不一样呢？

2. 集团运营视角

如果是集团式的运营，就涉及到门店的统一分析。例如：

• 由于门店位置、面积、大小桌比例不一致产生的扫码比例不一致的分析
• 由于门店区域不同赠送的菜品、好评话术引导的效果分析
• A门店的私域顾客到B门店消费产生的跨门店分析

所以，对于集团式的运营，由于不同的门店差异，还会产生一些额外的管理和分析成本。比如：

• 用优惠券追踪用户的私域来源
• 分析不同大区的话术契合性，并匹配培训方式
• 依据不同消费者口味匹配不同的库存和供应链
• ……

所以，在集团运营的视角下，比单门店需要付出的管理成本会更多，同时也更难核算。更需要一套体系化的数据指标来串联各个业务线。

如果你是数据分析师，你至少需要分析哪些指标？

三、如果你是数据分析师，该怎么办？

需要注意的是，线下门店的场景中，由于有租金成本，所以一般大家都会关注的指标一般是这两个：翻台率和坪效。

翻台率：餐桌重复使用率，计算方法为（餐桌使用次数-总台位数）÷总台位数×100%。

坪效：每平方的面积产生的营业额，计算方法为营业额/门店总面积。

大部分的分析会以这两个指标进行展开。肯德基和星巴克把椅子弄的舒服，让人吃完就走，其实很重要的因素就是翻台率。

1. 用户分析视角

假如我们对接的是用户运营的部门，我们至少需要分析的是：

• 用户的转化漏斗分析
• 用户的点单/用餐时长分析
• 用户的折扣分析
• 用户菜品结构分析
• 触达复购率

其中，用户的用餐时长、折扣是跟翻台率和坪效相关的。

我们看一下这些指标的分析和计算方式：

2. 门店分析视角

假如我们对接的是某个具体的门店进行数据分析，那么至少需要分析的指标是：

• 用户的转化漏斗分析
• 用户的点单/用餐时长分析
• 话术转化分析
• 菜品排列选取分析
• 私域单量占比分析

以上所有指标都跟翻台率和坪效相关，转化漏斗、点单/用餐时长跟用户分析类似，不再赘述。

我们看一下这些指标的分析和计算方式：

3. 集团运营分析视角

假如我们对接的是集团连锁的运营部门，我们至少需要分析的是：

• 各个区域/门店有效的话术
• 各个区域/门店的top菜品分布
• 各个区域/门店的私域营业额占比
• TOP10的区域业绩、单品销量、私域单量

我们可以发现，对接的如果是集团式运营的话，分析的角度和维度会有很大的不一样。分析的维度从一个具体的执行策略、一个具体的门店变成了整体的，更聚合的维度。

这是因为，集团式的运营最重要的工作是「资源调配」，例如根据top单品给出菜单陈列建议，根据销量进行供应链调整，根据不同的话术转化设计培训流程及考核指标等等。

在分析这些指标的同时也需要更多的了解单个策略的执行情况，所以很多做实体的都会要求员工去一线体验。

我们看一下这些指标的分析和计算方式：

小结

其实数据分析是一种思考方式，只要在生活中多观察，多思考，吃喝玩乐中也能加强自己的数据思维。

至于一些复杂的数据处理方式，我们其实没有必要死记硬背，只需要知道搭建什么样的指标，可能用到什么样的工具即可。用以上提供的办法去搜索，一定可以找到对应的案例，慢慢的就熟能生巧，不需要搜索了。

有兴趣的同学，还可以做一些进阶的思考：

• 如果小程序是别的地方帮开发的怎么办？
• 如果即使用了自己的点单二维码，又是用了美团的二维码怎么办？
• 这些动作对优化库存和供应链有没有帮助呢？
• ……

作者：汪浩，公众号：只说人话的小汪（ID：transform_wh）

本文由@汪浩 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

着移动互联网技术的不断发展，人们一直在探寻新商业模式的发展方向。马云在2016年阿里巴巴双十一晚会上谈到："线下和线下的结合，将诞生出真正的新零售。"

线上线下的结合，对餐饮业这个一向被认为信息化程度非常低的行业而言，或许已经不是什么新鲜事物了，但随着智能餐饮概念的升级，越来越多人重视到科技带来的便捷。从而，扫码点菜应运而生。

今天，米客就和大家聊聊，哪些场景下适合使用扫码点菜，扫码点菜的出现又可以为它们带来哪些新变化（餐饮人可以对号入座，根据自己餐厅的形式具体分析）。

1、 没有固定桌位的快餐店等——注重效率，速度为王

对于那些面积较小，没有固定位置的门店，一到人流高峰期，收银员点单下单忙的不可开交。而对这样的餐厅来说，门店在高峰期的翻台率直接影响经营利润，所以更加注重"速度"。引入扫码点菜后，顾客来时直接扫描上面的二维码就可以直接在手机上查看菜单并直接下单支付，店铺后台会直接打印出顾客下来信息，而且可多人同时扫码下单，节约服务人力。

2、 大型中式/西式餐厅——注重品质，服务取胜

一些规模较大的中西餐厅，扫码点菜的场景比较多见。商家最常用的就是在桌子边上贴上桌码，顾客来到餐桌就可以扫桌子上的二维码进行点餐、下单、付款、呼叫服务等一系列动作。扫码点菜的出现，解放服务员，可以让服务员更聚焦顾客餐中服务，提升服务品质。

除此之外，扫码点菜有助于将用户的消费行为迁到线上，留存数据，帮助商家优化到店服务、有效营销等。对于重视发展会员、营销的中大型餐厅来说，扫码点菜十分有用。

总结

米客互联了解到，有些人对扫码点菜智慧餐饮持否定的态度，认为那样的"服务"不能称之服务，或者说扫码点菜只是利商家不利顾客。其实米客想说，如果一味地漠视科技带来的价值，人的作用更难以提升。只有正视智能化时代的到来，我们才能真正意识到服务人员在行业中存在的价值。

言

各位亲们好，今天这条推送，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。但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。

本文作者 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（ECharts,商业级数据图表，一个纯Javascript的开源图标库，国内目前应用最广泛，也是唯一一个入选全球开源项目榜中数据可视化板块的开源项目，该榜单中其关注度排名位列全球第四）。Kener-林峰 2015年3月离开百度，以联合创始人兼技术总监的身份开启了一段餐饮方向的创业旅程。

全文共8147字，整体阅读时间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2163字。回复：上篇，可获得单篇推送。

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。回复：中篇，可获得单篇推送。您也可以直接返回推送页面/历史消息点击查看。

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。回复：下篇，可获得单篇推送。

文中含大量图表，如微信看图有不清晰的地方，可回复 “林峰” 下载Kener林峰PDF原版论文。

第一部分

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.海致BDP是什么

上图是我们正在使用的数据平台，海致BDP专业版，主要用于运营观测和决策支持，海致BDP是一个敏捷的在线Web BI，自带很多餐饮运营所需可视化数据统计模板如热力图、漏斗图、订单统计图等等。

但我们没有只用海致BDP提供的固定模板，而是在其基础上加工出很多适用于自己的统计表。这个加工后的可视化数据监控平台，被我们昵称为餐饮外卖的“数据大脑”。

2.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。

3.一家餐馆，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”（BDP称之为仪表盘）：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，任意一个BDP的任意一个图标都可以展开查看更多细节，实时做出更丰富的筛选、钻取、上卷、排序等变换

上面说的这些步骤与概念，是不是有些复杂？但在这个“敏捷BI”的时代，只要准备好数据，熟悉一种Web端数据分析平台（如海致BDP），点点鼠标就能快速生成以上所有图表模板。但这也仅仅是餐饮订单数据分析的第一步。

第二部分

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

解新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。

BDP企业版：www.bdp.cn

BDP个人版：me.bdp.cn